• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.325-326
• /
• 2022

본 연구에서는 자율운항선박이 항만시설 중 정박구역이나 정박지를 항행하는 과정에서 정박 및 묘박 중인 선박들과의 예기치 못한 충돌 사고를 예방하며 안전하게 항행하기 위한 경로 생성 연구를 수행하고 있다. 정박구역과 같은 고밀집 영역 내 정박 또는 묘박 중인 선박들의 안전을 고려하여 자율운항선박의 경로를 생성하는 알고리즘을 설계하는 과정에서 필수적으로 고려되어야 하는 핵심 요소들을 식별하였다. 또한, 식별된 핵심 요소들을 알고리즘에 반영함과 동시에 자율운항선박의 항해 지원 적용 가능성을 검증하기 위한 알고리즘의 프레임워크를 설계하였다. 프레임워크 내 각 모듈별 관계와 모듈별 입출력 정보의 흐름을 체계화하였으며, 모듈들의 기능적 요소를 포함한 주요 성능을 검증하고자 모의 환경 구축을 위한 요소 모듈들을 식별하였다. 이를 기반으로 고밀집 영역 내에서 충돌을 회피하기 위한 경로 생성 알고리즘의 설계 방향성을 제안하였다.

• 한국컴퓨터정보학회논문지
• /
• 제9권1호
• /
• pp.71-77
• /
• 2004

일반적으로 출입자 정보는 보안서버에서 관리되며, 출입자가 출입카드를 카드리더에 접촉시킬 때 보안서버는 데이터베이스를 검색한 후 출입허용여부를 판단하게 된다 그런데 많은 출입자가 여러 출입문에서 동시 다발 적으로 카드리더에 출입카드를 근접시키면 정보폭주 가 야기된다. 따라서 서버의 과부화로 인해 출입 지연이 생긴다 본 논문에서는 정보폭주를 근본적으로 막을 수 있는 구역식별알고리즘을 제안하였다.

• 대한공간정보학회지
• /
• 제6권1호
• /
• pp.27-34
• /
• 1998

단일식별자(Unique feature IDentifier, UFID)란 실세계fl서 존재하는 실체가 있는 지형지물을 참조하는 한가지 방법으로, 데이터베이스에 저장된 지형지물들을 유일한 방법으로 지정하며, 두 개 혹은 그 이상의 데이터베이스를 연결하는데 사용한다. 본 연구에서는 국립지리원의 내부적인 목적의 단일 식별자와 더불어 국가지리정보체계 내에서 정보를 공유할 수 있는 즉 사용자 중심인 외부목적의 단일식별자를 함께 충족시킬 수 있는 단일식별자의 포맷을 제안하였다 제안된 수치지도 단일식별자는 단일식별자의 구성요소에 행정구역코드와 지형지물코드를 사용함으로써, 직접적인 공간자료 색인을 제공하는 의미형 식별자이다. 또한 제안된 checksum 알고리즘의 특징은 단일식별자에 대한 불확실성을 제거하며, 수동으로 입력하거나, 전송 및 처리과정에서 발생할 수 있는 오류를 쉽게 발견할 수 있도록 고안되었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (2)
• /
• pp.715-717
• /
• 2003

2차원 의료 영상으로부터 3차원 모델을 재구성 하면 여러 의학 분야에 효과적으로 활용할 수 있다. 컬러 영상이나 MRI의 영상은 표면을 자동으로 식별하기 어렵기 때문에 구역화한 결과로 나오는 외곽선으로부터 표면을 재구성해야한다. 표면 재구성을 위한 기존의 삼각형화 알고리즘은 모델이 복잡할 경우 수행속도가 저하되는 단점이 있다. 본 논문에서는 정합되는 부분과 나머지 부분을 따로 처리하는 기존 방법 대신에, 알맞은 위치에 연결간선들만 결정하여 연결한 후, 그 사이의 정점들을 연결하는 간단한 삼각형화 알고리즘으로 속도를 향상시키는 방법을 제안한다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1463-1478
• /
• 2022

한국 수출입의 99.7%는 해상운송이 차지하고 있으며, 항만의 효율적 운영을 위해 해운 물류 모니터링 시스템 개발 필요성이 대두되고 있다. 현재 automatic identification system (AIS)를 기반으로 선박의 정보를 조회하여 해상 물동량 추정 연구가 진행되고 있지만, AIS를 운영하지 않는 선박들에 대한 모니터링은 불가능하다는 한계가 있다. 고해상도 광학 위성 영상은 광역의 범위에서 AIS 미운영 선박 및 소형 선박을 식별할 수 있기 때문에 AIS 기반 물동량 모니터링의 공백을 보완할 수 있다. 그러므로 선박 및 물동량 모니터링에 활용하기 위해, 고해상도 광학 위성영상에서 선박을 탐지하고 화물선 및 소형 선박을 분류하는 연구가 필요하다. 본 연구는 초기 국토위성영상을 이용하여 생산된 학습 자료 기반으로 인공지능 모델을 훈련시키고 다른 영상에서 탐지를 수행함으로써, 국토위성영상의 딥러닝 학습 자료 생산 및 선박 모니터링 활용 가능성을 알아보고자 하였다. 학습 자료는 황해 및 황해 주요 항만 구역 내 선박들을 추출하여 제작했으며, You Only Look Once (YOLO) 알고리즘을 사용하여 탐지 모델은 구축하고 국내외 주요 항만 각 1개소를 대상으로 선박 탐지 성능을 평가하였다. 항만 접안 및 해상 정박중인 선박을 대상으로 탐지 모델에 적용한 결과를 AIS의 선종 정보와 비교하였고, 국내 항만에서 85.5%와 89%, 국외 항만에서 70%의 선종 분류 정확도를 확인하였다. 본 연구 결과는 정박중인 선박을 중심으로 고해상도 국토위성영상을 활용하여 모니터링이 가능함을 확인하였다. 향후 지속적인 학습 자료 구축을 통해 탐지 모델의 정확도를 향상시킨다면 전세계 주요 항만에서 선박 및 물동량 모니터링 분야에 활용할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.