본 연구는 공개적으로 이용 가능한 비디오 데이터를 사용하여 소의 절름발이, 질병 또는 보행 이상을 감지하기 위한 심층 학습 기반 모델을 제시합니다. 40마리 소의 50개 고유 비디오로 구성된 데이터셋을 사용하여 ConvLSTM2D와 3D CNN 두 가지 심층 학습 모델을 통해 비디오를 분류했습니다. 데이터 증강을 통해 모델의 강건성과 일반화 성능을 향상시켰으며, 3D CNN 모델은 90%의 비디오 수준 분류 정확도(정밀도, 재현율, F1 점수 모두 90% 이상)를 달성하여 절름발이 소를 효과적으로 분류 및 감지함을 보여주었습니다. 이는 기존의 객체 탐지, 자세 추정, 특징 추출 등의 다단계 접근 방식에 대한 대안을 제시합니다.
