• 전자공학회논문지SC
• /
• 제49권4호
• /
• pp.10-16
• /
• 2012

영상 기반 반도체 검사 장비의 검사 고속화와 검사 정확도를 위해, 넓은 FOV와 고해상도를 동시에 가지는 2차원 영상을 획득하는 것은 검사 장비에 필수적이다. 본 논문에서는 정밀도와 FOV 측면에서 양질의 영상 획득을 위한 새로운 영상획득 시스템을 제안하였다. 제안시스템은 하나의 렌즈와 광분할기, 두 개의 카메라 센서, 스테레오 영상획득 보드로 구성되며, 하나의 렌즈를 통해 입력되는 영상을 두 개의 카메라 센서를 통해 동시에 영상 획득한다. 획득된 영상의 정합을 위해, 첫 번째로 Zhang의 카메라 교정 방법을 적용시켜 각각의 카메라를 교정한다. 두 번째로 다른 카메라에서 획득한 두 영상들 사이의 수학적인 정합 함수를 찾기 위해 각 영상의 호모그래피(homography)를 이용하여, 양측 카메라간의 정합 행렬을 계산한다. 영상 호모그래피를 통해서, 획득된 두 영상은 하나의 최종 검사 영상으로의 통합을 위해 최종적으로 정합될 수 있다. 다중 카메라로부터 입력되는 다중 영상들을 활용하는 제안 검사 시스템은 실시간 영상 정합을 위해 매우 빠른 프로세스 유닛의 도움이 필요하다. 이를 위해 CUDA (Compute Unified Device Architecture)기반 병렬 프로세싱 하드웨어 및 소프트웨어를 활용한다. 두 개의 분할된 영상으로부터 실시간으로 정합된 영상을 얻을 수 있었으며, 마지막으로 연속된 실험을 통해 획득한 호모그래피의 정확도를 확인할 수 있다. 실험으로 얻은 결과들은 제안된 시스템과 방법이 대영역 고해상도 검사영상 획득을 위해 효과적임을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제20권2호
• /
• pp.21-28
• /
• 2015

본 논문에서는 최근접 이웃 규칙을 이용한 프로토타입 선택 기반 분류 학습을 제안하였다. 각 훈련 데이터가 대표하는 클래스 영역을 구(sphere)로 분할하는데 최근접 이웃 규칙을 적용시키며, 구의 내부는 동일 클래스 데이터들만 포함하도록 한다. 프로토타입은 구의 중심점이며 프로토타입의 반지름은 가장 인접한 다른 클래스 데이터와 가장 먼 동일 클래스 데이터의 중간 거리 값으로 결정한다. 그리고 전체 훈련 데이터를 대표하는 최소의 프로토타입 집합을 선택하기 위해 집합 덮개 최적화를 이용하여 프로토타입 선택 문제를 변형시켰다. 제안하는 프로토타입 선택 방법은 클래스 별 적용이 가능한 그리디 알고리즘으로 설계되었다. 제안하는 방법은 계산 복잡도가 높지 않으며, 대규모 훈련 데이터에 대한 병렬처리의 가능성이 높다. 프로토타입 기반 분류 학습은 선택된 프로토타입 집합을 새로운 훈련 데이터 집합으로 사용하고 최근접 이웃 규칙을 적용하여 테스트 데이터의 클래스를 예측한다. 실험에서 제안하는 프로토타입 기반 분류기는 최근접 이웃 학습, 베이지안 분류 학습과 다른 프로토타입 분류기에 비해 일반화 성능이 우수하였다.

• 한국정보처리학회논문지
• /
• 제4권10호
• /
• pp.2461-2469
• /
• 1997

목표물 탐지 및 인식은 신경망의 적용이 활발한 하나의 분야로서, 일반적인 형태인식 문제들의 요구 사항에 추가적으로 translation invariance와 실시간 처리를 요구한다. 본 논문에서는 이러한 요구 사항을 만족하는 새로운 신경망의 구조를 소개하고, 이의 효과적인 학습 방법을 설명한다. 제안된 신경망은 특징 추출 단계와 형태 인식 단계가 연속(Cascade)된 가중치 공유 신경망(Shared-weight Neural Network)을 기본으로하여 이를 확장한 형태이다. 이 신경망의 특징 추출 단계는 입력에 가중치 창(weight kernel)으로 코릴레이션 형태의 연산을 수행하며, 신경망 전체를 하나의 2차원 비선형 코릴레이션 필터로 볼 수 있다. 따라서, 신경망의 최종 출력은 목표물 위치에 첨예(peak)값을 갖는 코릴레이션 평면이다. 이 신경망이 갖는 구조는 병렬 또는 분산 처리 컴퓨터로의 구현에 매우 적합하며, 이러한 사실은 실시간 처리가 중요한 요인이 되는 문제에 적용할 수 있음을 의미한다. 목표물과 비목표물간의 숫자상 불균형으로 인하여 초래되는 오경보(false alarm) 발생의 문제를 극복하기 위한 새로운 학습 방법도 소개한다. 성능 검증을 위하여 제안된 신경망을 주차장내에서 이동하는 특정 차량의 탐지 및 인식 문제에 적용하였다. 그 결과 오경보 발생이 없었으며, 중형급 컴퓨터를 이용하여 약 190Km로 이동하는 차량의 추적이 가능한 정도의 빠른 처리 결과를 보여 주었다.

• 한국재료학회지
• /
• 제9권12호
• /
• pp.1263-1269
• /
• 1999

본 실험에서는 반사층(reflector)을 이용한 FBAR (Film Bulk Acoustic Resonator) 즉, SMR (Solidly Mounted Resonator) 제조에 필요한 재료들의 최적 증착 조건을 설정하여, 이를 바탕으로 제조한 SMR의 특성을 보여주었다. SMR은 상하부 전극층, 압전 박막층, 반사층, 기판으로 구성된다. 상하부 전극으로 알루미늄(Al) 금속 박막을 사용하였고 압전 박막층으로 산화아연(ZnO) 박막을 사용하였다. 실리콘(Si) 기판과 하부 전극 사이에 위치하는 반사층은 5층의 이산화규소 ($Si_2$)와 텅스텐(W) 박막으로 구성되었다. 상하부 전극은 dc 스퍼터링 방법으로 증착아였으며 반사층과 압전 박막층은 rf 스퍼터링 방법으로 증착하였다. 최적 증착 조건에서 증착된 산화아연 (ZnO) 박막은 rocking curve에서 표준편차가 $2.17^{\circ}$의 우수한 c축 우선배향성, 비저항은 $10^4\;{\Omega}cm$이상, 막 표면 거칠기(rms roughness)는 10.6${\AA}$의 특성을 나타내었다. 최적 증착 조건에서 증착된 텅스텐(W)과 이산화규소($Si_2$) 박막의 특성은 박막 거칠기 (rms roughness)가 각각 16 ${\AA}$, 33 ${\AA}$을 나타내었다. 또한 증착된 알루미늄 금속 박막의 비저항은 $5.1{\times}10^{-6}\;{\Omega}cm$이었다. 반도체 기본 공정을 이용하여 면적 $250{\times}250\;{\mu}m^2$의 SMR 소자를 만들고, 네트웍 분석기로 SMR 소자의 공진 특성을 분석하였다. 공진특성은 1.244 GHz에서 직렬공진, 1.251 GHz에서 병렬공진을 나타내었다. SMR 소자의 공진특성에서 공진기의 Q값은 1200이었다.

• 한국정보과학회논문지:데이타베이스
• /
• 제28권4호
• /
• pp.732-741
• /
• 2001

관계형 데이타베이스 시스템에서 결합 연산자는 데이타 베이스 절의를 구성하는 연산자들 중 가장 많은 처리시간을 요구한다. 따라서 이러한 결합 연산자를 효율적으로 처리하기 위해 많은 병렬 알고리즘들이 수개되었다. 그 중 다중 해쉬 결합 질의의 처리를 위해 할당트리를 이용한 방법이 가장 우수한 것으로 알려져 와싸. 그러나 이 방법은 할당 트리의 각 노트에서 필연적인 지연이 발생되는데 이는 루플 실험단계에서 외부 릴레이션을 디스트로부터 페이지 단위로 읽는 비용과 이미 읽는 페이지에 대한 해쉬 결합 비용간의 실행시간 차이에 의해 발생하게 된다. 이는 페이지 실행시간 동기화 기법을 이용하여 할당 트라 한 노드에서의 실행시간을 줄일 수 있었다. 본 논문에서는 한 노드에서의 성능 개선 효과를 할당 트리 전체로 확장하여 전체 다중 해쉬 결합의 성능 분석을 수행하였으며 한정된 프로세서 환경 하에서 입력 릴레이션 수와 할당된 프로세서 수와의 관게에 따른 효율적인 다중 해쉬 결합 알고리즘을 제안하였다. 그리고 분석적 비용 모형을 세워 기존 방식과의 다양한 성늘 분석을 통해 비용 모형의 타당성을 입증하였다.

• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.148-158
• /
• 2018

광학 문자 인식(OCR)은 텍스트를 포함한 이미지에서 텍스트 영역을 인식하고 이로부터 텍스트를 추출하는 기술이다. 전체 텍스트 데이터 중 상당히 많은 텍스트 정보가 이미지에 포함되어 있기 때문에 OCR은 데이터 분석 분야에 있어 중요한 전처리 단계를 담당한다. 대부분의 OCR 엔진이, 흰 바탕의 검정 글씨의 단순한 형태를 가진 이미지와 같은, 텍스트와 배경의 구분이 뚜렷한 저 복잡도 이미지에 대해서는 높은 인식률을 보이는 반면, 텍스트와 배경의 구분이 뚜렷하지 않은 고 복잡도 이미지에 대해서는 저조한 인식률을 보이기 때문에, 인식률 개선을 위해 입력 이미지를 OCR 엔진이 처리하기 용이한 이미지로 변형하는 전처리 작업이 필요하게 된다. 따라서 본 논문에서는 OCR 엔진의 정확성 증대를 위해 텍스트 라인별로 이미지를 분리하고, 영상처리 기법 기반의 CLAHE 모듈과 Two-step 모듈을 병렬적으로 수행하여 텍스트와 배경 영역을 효율적으로 분리한 후 텍스트를 인식한다. 이어서 두 모듈의 결과 텍스트에 대하여 N-gram방법과 Hunspell 사전을 결합한 알고리즘으로 인식률을 비교하여 가장 높은 인식률의 결과 텍스트를 최종 결과물로 선정하는 방법론을 제안한다. 대표적인 OCR 엔진인 Tesseract와 Abbyy와의 다양한 비교 실험을 통해 본 연구에서 제안하는 모듈이 복잡한 배경을 가진 이미지에서 가장 정확한 텍스트 인식률을 보임을 보였다.

• 정보관리학회지
• /
• 제41권1호
• /
• pp.411-438
• /
• 2024

본 연구는 계량서지학적 분석 방법을 통해 여러 영역으로 나누어진 국내 건강정보 관련 연구를 통합적인 시각으로 보고자 하였다. 이를 위해 한국학술지인용색인 데이터베이스를 통해 2002년부터 2023년까지의 국내 '건강정보' 관련 논문 1,193편을 수집하여 시기별 동향, 학문분야, 지적구조, 키워드 변화 시기를 분석하였다. 분석결과, 건강정보 관련 논문 수는 지속적으로 증가하였으며, 2021년 이후 감소하고 있다. 건강정보 관련 연구의 주요 학문분야는 '의공학', '예방의학/직업환경의학', '법학', '간호학', '문헌정보학', '학제간연구'로 볼 수 있다. 건강정보 관련 연구의 지적구조를 파악하기 위해 단어동시출현분석을 시행하였다. 이후 도출된 네트워크의 구조와 군집파악을 위해 병렬최근접이웃클러스터링 알고리즘을 적용한 결과 '건강정보에 대한 의료공학적 관점'과 '건강정보에 대한 사회과학적 관점'이라는 2개의 대군집을 중심으로 그에 속한 4개의 중군집, 17개의 소군집을 파악할 수 있었다. 학문분야와 키워드의 변화 시기를 추적하기 위해 변곡점 분석을 시도하였으며 공통적으로 2010년과 2011년 사이에 변화가 있는 것으로 나타났다. 마지막으로 평균 출판년도와 단어출현빈도를 통해 전략 다이어그램을 도출하였으며 고빈도 키워드를 '유망', '성장', '성숙' 영역으로 구분하여 제시하였다. 본 연구는 주로 내용분석 중심의 선행연구들과 다르게 여러 가지 계량서지학적 방법을 통해 건강정보 관련 연구영역을 통합적인 시각으로 바라보았다는 데 의의가 있다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• Journal of Nutrition and Health
• /
• 제42권5호
• /
• pp.486-495
• /
• 2009

본 연구에서는 저염화 사업의 성과 평가 지표의 현황을 분석하고, 델파이 조사를 통하여 저염화 사업 성과 평가지표의 적절성 및 측정방법의 타당도와 수행용이성을 검증하였으며, 그 결과를 요약하면 다음과 같다. 1) 보건소에서 사용하고 있는 저염화 사업 성과 평가지표로는'소금 섭취량', '적정 소금 섭취 인구비율', '싱겁게 먹는 인구 비율', '나트륨 감소법 인지율', '가공식품 구입시 영양표시 정보 확인율', '국의 염도 감소율', '저염 실천하는 모범음식점 증가율', '참가자 만족도', '소금 판매량', '뇌졸중 사망률' 등으로 다양하게 사용하고 있었다. 2) 델파이 조사 결과, 저염화사업 성과 평가지표로서 영양학적 평가지표로는 1일 소금 섭취량이 가장 적절한 것으로 나타났으며, 적정 소금 섭취 인구비율과 싱겁게 먹는 인구 비율 등도 적절한 것으로 나타났다. 보건학적 지표로는 뇌졸중 사망률과 위암사망률이 적절한 것으로 조사되었다. 3) 영양학적 성과 지표 측정방법 중 24시간 소변 수집법이 타당성은 가장 높았으나, 수행용이성은 가장 낮은 것으로 나타났고, 짜게 먹는 식태도 조사 방법이 수행용이성이 가장 높았으며, 짜게 먹는 식행동 조사와 미각판정 방법이 수행용이성이 그 다음으로 높은 것으로 나타났다. 4) 영양학적 성과지표 측정방법의 타당성과 수행용이성을 동시에 고려하기 위하여 이들의 평균 점수에 가중치를 부여하여 순위를 비교하였을 경우 식행동 조사와 식태도 조사가 1, 2순위로 가장 높았고 음식섭취빈도 조사, 미각판정법이 그 다음 순위인 것으로 나타났다. 5) 미각판정법의 신뢰도를 조사한 결과 5개의 시료 농도별 짠맛에 대한 미각판정 결과 남자의 경우 검사자간 판정 결과의 상관계수가 0.774 (p < 0.01)였으며, 여자의 경우도 0.781 (p < 0.01)로 모두 높은 상관성을 보여주었다. 검사자내 신뢰도 조사에서는 짠맛에 대한 미각판정 결과 남자의 경우 첫 번째, 두 번째 판정결과에 대한 상관계수가 0.591 (p < 0.01), 여자의 경우 0.399 (p < 0.01)로 모두 통계학적 유의성을 보여주어 신뢰도가 높은 것으로 나타났다. 본 연구에서 델파이 조사를 1회 실시한 것이 한계점이라할 수 있으나, 이제 막 저염화 사업이 활성화되고 있는 현 시점에서 저염화 사업의 성과 평가지표개발에 대한 중요성을 인식시켰다는데 그 의미를 둘 수 있을 것이다. 또한 본 연구에서 제시된 싱겁게 먹는 인구비율은 적정 소금 섭취 인구비율과 함께 보건소 단위에서 저염화 사업을 할 때 특히 교육 효과를 평가할 수 있는 유용한 지표가 될 수 있을것으로 사료되며, 향후 저염화 사업에서 이 지표의 적합성 여부를 살펴보기 위한 실질적인 적용 연구가 필요할 것이다. 또한 본 연구에서는 제시하지 못하였으나, 미각판정 도구의 농도에 대한 선호도와 강도를 점수화하여 판정과정과 결과 판정을 컴퓨터 프로그램으로 개발함으로써 미각판정법의 표준화를 확보하는 추구 연구가 필요할 것이다.

• 대한환경공학회지
• /
• 제31권4호
• /
• pp.249-255
• /
• 2009

미생물연료전지(Microbial fuel cell, MFC)의 효율은 산화전극부내의 유기물 산화율, 전기활성박테리아에 의한 전자 전달, 수소이온 전달, 환원전극내의 전자수용체의 농도 및 환원율, 내부저항 등 다양한 요소에 영향을 받는다. 특히 산소를 전자수용체로 이용하는 MFC의 경우, 환원전극내 산소농도는 MFC의 제한요소로 작용한다고 알려져 있다. 한편 MFC의 전기발생량을 높이기 위하여 여러 개의 MFC를 직렬 또는 병렬로 연결하여 전기발생량을 높이는 다양한 방법들이 연구되고 있다. 본 연구에서는 acetate를 산화전극부의 기질로 이용하고 산소를 환원전극의 전자수용체로 이용하는 단일 MFC와 직렬연결 MFC에서 환원전극의 용존산소 농도의 변화가 MFC 효율에 미치는 영향을 평가하였다. 단일 MFC의 전력밀도값(W/$m^3$)은 DO 5 > 3 > 7 > 9 mg/L으로 나타났으며, 최대전력밀도값은 42 W/$m^3$으로 나타났다. 직렬연결 MFC의 전력밀도값은 DO 5 > 7 > 9 > 3 mg/L으로 나타났으며, 최 대전력밀도값은 20 W/$m^3$이었다. 이러한 결과로부터 환원전극의 DO 농도는 MFC 설계 및 운전시에 중요한 제어인자로 고려해야 될 것으로 판단되었다. 또한 본 연구에서는 직렬연결 MFC의 운전 시, 일부 MFC에서 염의 축적으로 인한 전위역전 현상이 발생하여 전체 전기발생량이 감소하는 것을 확인할 수 있었다. 따라서 전기생산량을 높이기 위하여 MFC를 직렬로 연결하는 것보다 병렬로 연결하는 것이 보다 타당한 것으로 사료되었다.