• 한국컴퓨터그래픽스학회논문지
• /
• 제8권2호
• /
• pp.15-22
• /
• 2002

영상분할이란 영상내의 이미지 상의 특정한 의미가 있는 영역으로 나누는 영상처리 방법을 일컫는다. 이미지 합성이나 분석을 위해서는 구분된 영역이 최대한 인간이 의미를 부여할 수 있는 물체를 나타내는 것이 바람직하나, 현재의 컴퓨터에의한 자동 영상이해 기법으로는 그 학문적 및 기술적인 한계로 인하여 영역의 분할이 수치적인 의미 이상을 가지게하기 어렵다. 따라서, 사용자가 결정적인 물체 경계의 정보를 제공하고 그에 기반하여 처리하는 HCI(Human Computer Interaction)개념을 도입하면 효과적인 결과를 얻을 수 있다. 기존의 "지능형 가위" (Intelligent Scissors)나 스네이크 (Snake) 방법 등에서도 사용자의 입력이 결과에 결정적인 역할을 하는 것을 보여준다 [1][2]. 본 논문은 기존의 방법에 비하여 미세한 영역의 경계를 추출 및 추적을 향상할 수 있는 효율적인 대화형 영상분할 기법을 제안한다. 제시된 방법은 지능형 가위의 개념에 일부 기반하나 안정된 경계선 추출을 위하여 이미 영상처리분야에서 확립된 캐니 경계 검출법(Canny Edge Detector)을 사용한다. 그리고 캐니 경계 검출법으로 잘 탐지되지 않는 경계선 부분에 대한 검출을 위하여 경계 "재봉법"(Sewing Method)을 제시하였으며, 작업 효과와 효율을 증진 시키기 위하여 인접 화소들을 검색하는 순서와 검색 대상 화소를 지정하는 5-방향 경계 추적 방법(5-Direction Edge-Following Method)을 제안하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.507-511
• /
• 2022

문법 교정 모델은 입력된 텍스트에 존재하는 문법 오류를 탐지하여 이를 문법적으로 옳게 고치는 작업을 수행하며, 학습자에게 더 나은 학습 경험을 제공하기 위해 높은 정확도와 재현율을 필요로 한다. 이를 위해 최근 연구에서는 문단 단위 사전 학습을 완료한 모델을 맞춤법 교정 데이터셋으로 미세 조정하여 사용한다. 하지만 본 연구에서는 기존 사전 학습 방법이 문법 교정에 적합하지 않다고 판단하여 문단 단위 데이터셋을 문장 단위로 나눈 뒤 각 문장에 G2P 노이즈와 편집거리 기반 노이즈를 추가한 데이터셋을 제작하였다. 그리고 문단 단위 사전 학습한 모델에 해당 데이터셋으로 문장 단위 디노이징 사전 학습을 추가했고, 그 결과 성능이 향상되었다. 노이즈 없이 문장 단위로 분할된 데이터셋을 사용하여 디노이징 사전 학습한 모델을 통해 문장 단위 분할의 효과를 검증하고자 했고, 디노이징 사전 학습하지 않은 기존 모델보다 성능이 향상되는 것을 확인하였다. 또한 둘 중 하나의 노이즈만을 사용하여 디노이징 사전 학습한 두 모델의 성능이 큰 차이를 보이지 않는 것을 통해 인공적인 무작위 편집거리 노이즈만을 사용한 모델이 언어학적 지식이 필요한 G2P 노이즈만을 사용한 모델에 필적하는 성능을 보일 수 있다는 것을 확인할 수 있었다.

• 방송공학회논문지
• /
• 제24권4호
• /
• pp.592-601
• /
• 2019

관상동맥 시술을 위해 혈관 조영 X-선 영상은 시술 진단 및 보조에 유용하게 활용된다. 삼차원의 복잡한 구조를 가진 관상동맥을 이차원 X-선 영상에서 기존의 단일기법만을 사용하여 정확히 분할하는 것에 어려움이 있으며, 특히 혈관이 중간에 끊어지거나 말단부위혈관이 유실되는 현상으로부터 오차가 크게 발생하는 경향이 있었다. 이러한 문제를 해결하기 위하여 기존 단일기법으로 초기분할 단계를 거친 후, 초기분할결과를 기반으로 정교한 보정영역을 설정하는 단계, 보정영역을 대상으로 패치기반 지역보정을 수행하는 단계가 수행된다. 본 연구를 통해 끊긴 혈관을 보완한 분할 결과를 구할 수 있을 뿐만 아니라 미세혈관까지 포함하지 못한 참 값의 한계점을 해결할 수 있다. 또한, 존재하는 기존 관상동맥 분할방법들에 융합하여 추가적인 성능개선을 얻어낼 수 있다. 본 논문에서는 Fully convolutional network 기반 깊은 신경망 네트워크인 U-net을 활용하였으며, 제안된 보정방법을 융합하여 기존 U-net 단일 모델 대비 성능이 상당히 개선된다는 것을 실제 여러 환자들의 데이터 셋을 통하여 증명하였다.

• 한국정보통신학회논문지
• /
• 제10권2호
• /
• pp.308-314
• /
• 2006

수 마이크로 단위로 계측되는 반도체 COG의 검사 정밀도를 높이기 위해서 라인스캔 카메라가 이용된다. 여러 가지 불량 요인 중 이물질 검출은 COG 패턴이 미세하고 복잡하기 때문에 불량 자동 검사 단계에서 가장 어려운 기술이었다. 본 논문에서는 매칭 속도를 높이기 위하여 2단계 영역분할 템플릿 매칭 방법을 제안하였다. 아울러 수 마이크로 단위의 이물짙 검출을 위하여 그라디언트 마스크와 AND 연산을 이용한 새로운 방법을 제안하였다. 제안된 2단계 템플릿 매칭을 사용한 방법은 기존의 상관 계수 이용법 에 비해 0.3-0.4초 매칭 속도를 향상시켰다. 그리고 제안된 마스크 적용 이물질 검출방법은 기존 마스크를 이용하지 않은 방법에 비해 불량 검출률을 $5-8\%$ 향상시켰다.

• 터널과지하공간
• /
• 제29권3호
• /
• pp.184-196
• /
• 2019

본 연구에서는 화강암 시편에서 수압 파쇄법에 의해 생성된 미세균열의 3차원 형상을 X-ray CT 영상과 딥러닝을 이용하여 추출하였다. 실험으로 생성된 미세균열은 X-ray CT 영상 상에서 일반적인 영상처리방법으로는 추출하기 매우 어렵고 육안으로만 관찰이 가능한 형태를 지닌다. 하지만 본 연구에서 제안한 합성곱 신경망(Convolutional neural network) 기반 인코더-디코더(Encoder-Decoder) 구조의 딥러닝 모델을 통해 미세균열을 정량적으로 추출할 수 있었다. 특히 픽셀 단위의 미세균열 추출을 위해 인코딩 과정에서 소실되는 정보를 디코딩 과정으로 직접 전달하는 디코더 모델을 제안하였다. 또한, 딥러닝 기반 신경망 학습에 필요한 데이터의 수를 증가시키기 위해 이미지의 분할(Division), 회전(Rotation), 그리고 반전(Flipping) 등으로 데이터를 생성하는 영상 증대 방법을 적용하였으며 이때 최적의 조합을 확인하였다. 최적의 영상 학습 데이터 증대 방법을 적용하였을 때 검증 데이터뿐만 아니라 테스트 데이터에서의 성능 향상을 확인하였다. 학습 데이터의 원본 개수가 딥러닝 기반 신경망의 균열 추출 성능에 미치는 영향을 확인하고 딥러닝 기술을 사용하여 성공적으로 미세균열을 추출하였다.

• 방송공학회논문지
• /
• 제7권3호
• /
• pp.229-237
• /
• 2002

본 논문에서는 혼합현실의 핵심 기술인 실사와 가상 영상의 합성을 위해 스테레오 영상의 특성을 고려하여 효율적으로 미세 변이를 추정하는 알고리듬과, 추정된 깊이 정보를 이용해 영상을 자연스럽게 합성하는 알고리듬을 제안하며, 이를 모의실험을 통해 검증한다. 제안 방법은 낮은 해상도의 영상으로부터 고해상도로 변이를 찾아가는 계층적 변이 추정 방식으로, 영역분할 양방향 화소정합을 통해 변이 추정의 수행 속도를 향상시키는 동시에 신뢰도를 높이며, 에지 정보를 참조하여 화소 단위로 미세 변이를 할당하게 된다. 이렇게 추정된 깊이 정보는 모델링된 가상 객체의 깊이 정좌와의 비교를 통해 혼합 현실 스테레오 영상으로 합성된다. 제안된 방식을 통해 매우 안정적이면서도 경계 부분이 정확한 변이 정보를 얻을 수 있었고, 3차원 영상의 합성에 효율적으로 사용될 수 있음을 실험을 통해 확인하였다.

• 유기물자원화
• /
• 제15권4호
• /
• pp.100-106
• /
• 2007

피혁 제조 공정중 탈모 공정 이후 나피를 분할(Splitting)하여 얻어지는 피혁 가공 부산물(Limed pelt scrap)을 이용하여 탈회 및 탈지 과정의 전처리 공정을 거친 뒤 비크롬 탄닝과 열처리에 의한 방법과 glycidyl methacrylate (GMA)와 MMA와 같은 아크릴 모노머를 이용한 그라프트 공중합을 이용한 방법으로 우수한 내열성을 갖는 미세 콜라겐 분말을 제조하였다. 물성의 비교에서 본 연구의 방법으로 생산된 콜라겐 분말들이 열분해 온도, 열 저항성, 수분변화, 입도분포 등에서 더 나은 특성을 보였다.

• 한국멀티미디어학회논문지
• /
• 제16권12호
• /
• pp.1357-1367
• /
• 2013

최근 얼굴 표정 인식에 있어 영상 기반의 방법의 하나로서 ULBP 블록 히스토그램 피쳐와 SVM을 분류기로 사용한 연구가 수행되었다. Ojala 등에 의해 소개된 LBP는 높은 식별력과 조명의 변화에 대한 내구성과 간단한 연산 때문에 영상 인식 분야에 많이 사용되고 있다. 본 논문에서는 ULBP 블록 히스토그램을 계산함에 있어 분할 영역의 이동, 크기 변화에 더하여 미세한 특징 요소를 표현할 수 있도록 $LBP_{8,2}$과 $LBP_{8,1}$를 결합하였다. $LBP_{8,1}$ 660개, $LBP_{8,2}$ 550개의 분할 창으로부터 1210개의 ULBP 히스토그램 피쳐를 추출하고 이로부터 AdaBoost를 이용하여 50개의 약 분류기를 생성하였다. $LBP_{8,1}$와 $LBP_{8,2}$가 결합된 하이브리드 형태의 ULBP 블록 히스토그램 피쳐와 SVM 분류기를 이용함으로써 표정 인식률을 향상시킬 수 있었으며 다양한 실험을 통하여 이를 확인하였다. 본 논문에서 제안한 하이브리드 Boosted ULBP 히스토그램의 경우에 표정의 인식률이 96.3%로 가장 높은 결과를 보였으며 제안한 방법의 우수성을 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제23권4호
• /
• pp.115-119
• /
• 2023

현재의 인공지능에서 사용되는 자연어 처리 모델은 거대하여 실시간으로 데이터를 처리하고 분석하는 것은 여러가지 어려움들을 야기하고 있다. 이런 어려움을 해결하기 위한 방법으로 메모리를 적게 사용해 처리의 효율성을 개선하는 방법을 제안하고 제안된 모델의 성능을 확인하였다. 본 논문에서 제안한 모델의 성능평가를 위해 적용한 기법은 BERT[1] 모델의 어텐션 헤드 개수와 임베딩 크기를 작게 조절해 큰 말뭉치를 나눠서 분할 처리 후 출력값의 평균을 통해 결과를 산출하였다. 이 과정에서 입력 데이터의 다양성을 주기위해 매 에폭마다 임의의 오프셋을 문장에 부여하였다. 그리고 모델을 분류가 가능하도록 미세 조정하였다. 말뭉치를 분할 처리한 모델은 그렇지 않은 모델 대비 정확도가 12% 정도 낮았으나, 모델의 파라미터 개수는 56% 정도 절감되는 것을 확인하였다.

• 한국항공우주학회지
• /
• 제31권10호
• /
• pp.10-20
• /
• 2003

본 논문에서는 임의의 방향각을 가지고 적층된 평직 복합재료에 대하여 미세구조를 모델링하고 수치실험을 통하여 등가물성치를 계산하였다. 층간 상호이동에 의한 평직복합재료의 섬유다발의 배열의 경우의 수는 무한대에 이르므로 여기서는 몬테 카를로법을 이용하여 지정된 경우의 수에 대하여 모델링과 해석을 수행하는 전략을 채택하였다. 또한 평직복합재료의 미세구조를 효과적으로 고려하고 모델링 및 계산시간을 절감하기 위하여 수정된 분할영역 적분에 의한 단일변위장 마크로요소를 사용하였다. 계산결과, 평직복합재료 적층판의 등가물성치는 적층간에 따라서 편차가 크게 나타날 수 있음을 확인하였다. 또한 고전적층판 이론으로 계산한 값과 비교하였을 때 $0^{\circ}$, $45^{\circ}$ 이외의 적층각에서 값의 차이가 크게 났는데, 이로부터 평직복합재료 구조물의 경우 고전적층판이론으로 계산한 등가물성치를 사용할 때 주의가 필요함을 알 수 있었다.