지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.12
- 수록면
- 23 - 34 (12page)
이용수
초록· 키워드
오류제보하기
히스카터 체형분류법은 오랫동안 여러 분야에서 주요한 체형 분석 이론으로 사용되었으나, 최근 디지털 기술과 사회문화적 변화로 인해 전통적 방법의 히스카터 체형분류법을 이용한 연구의 수가 크게 줄어들었다. 이 연구는 디지털 기술을 활용하여 전통적 방법의 히스카터 체형분류법에 대해 변혁적 방법을 제안하였다. 이 연구의 목적은 히스카터 이론을 기본으로 하여 인공지능 딥러닝 모델을 개발하고 디지털 시대에 부합하는 히스카터 체형분류법의 변혁된 모델을 제시하는 것이다. 딥러닝 모델은 606명(남자 277명, 여자 329명)의 데이터가 활용되었고, 개발된 딥러닝 모델을 적용하여 추정된 체형요소 값은 실제값과 높은 상관관계와 작은 추정오차를 확인하였다(R2=78%, RMSE=0.82, MAE=0.57, Test Loss=0.67). 딥러닝 모형은 개인의 성별, 연령, 신장, 체중, 지방량, 근육량 등의 신체정보를 활용해 내배엽, 중배엽, 외배엽의 체형요소 값을 추정하고자 하였다. 구체적인 연구의 결과는 다음과 같다. 첫째, 전통적 방법의 히스카터 체형분류 이론은 최근 사용의 빈도가 줄고 있는 것으로 확인되었다. 둘째 딥러닝 모형을 적용한 히스카터 체형분류법은 전통적 체형분류법의 대체 가능한 방법으로 사용 가능하다. 셋째, 딥러닝에 의해 추정된 체형차트는 전통적 히스카터 체형분류법으로 계산된 체형차트와 유사한 패턴을 나타낸다. 이 연구에서 개발된 인공지능 딥러닝 모델은 깃허브를 통해 공개(https://github.com/jwyoonknsu/somatotype)하였다. 연구자들이 쉽게 사용할 수 있으며, 지속적인 업데이트를 통해 더 정교한 모델을 제공할 것으로 기대된다.
목차
국문초록
Ⅰ. 서론
Ⅱ. 연구방법
Ⅲ. 연구결과 및 논의
Ⅳ. 결론
참고문헌
Abstract
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089352272