Korean Food Image Classification Using Machine Learning Techniques

Abstract

This paper aims to compare classification accuracy of Korean food image data based on various machine learning techniques. The goal is to distinguish foods with similar appearances and see how machine learning techniques operates on classification process. This study suggests the use of k-Nearest Neighbor (KNN), Random Forests (RF), Support Vector Machine (SVM), Convolutional Neural Network (CNN) and Alex Net. After comparing the accuracy results, Convolutional Neural Network turned out to perform the best with 97.88 percent accuracy. ;본 논문에서는 한식 이미지 데이터셋을 다양한 머신러닝기법으로 분류하고 그 정확도를 비교하고자 한다. 비슷하게 생긴 음식인 국과 음청류를 얼마나 잘 구분하는지, 그리고 머신러닝기법들이 어떻게 분류 과정에 작동하는지를 연구하는 것이 목적이다. 본 논문에서는 예전부터 써오던 분류기법인 k-Nearest Neighbor (KNN), Random Forest (RF), Support Vector Machine (SVM)과 최근 이미지분류기법으로 흔하게 쓰이는 합성곱신경망 (CNN)과 그의 한 갈래인 Alex Net을 사용하였다. 각 모형의 정확도를 비교한 후에 합성곱신경망 (CNN)의 정확도가 97.88%로 제일 높게 나왔다.