• 한국수학사학회지
• /
• 제24권2호
• /
• pp.31-46
• /
• 2011

유클리드의 저작 중 원론을 제외한 다른 저작들은 상대적으로 널리 알려지지 않았고 이들 저작에 관한 연구 역시 충분히 이루어지지 않았다. 이 글에서는 유클리드의 저작 중 하나인 분할론을 그 역사와 함께 소개하고, 분할론이 어떤 내용으로 어떻게 구성되어 있는지 분석한 후, 분할론의 수학교육적인 의의와 활용 방안에 대하여 간략히 살펴본다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (C)
• /
• pp.178-180
• /
• 2006

임베디드 시스템이 복잡해지고 Time-to-Market이 요구되면서 HW/SW 통합설계 방법론(codesign)이 제시되었다. 통합설계 과정 중, HW/SW 분할 과정은 시간 성능, 비용, 전력 등의 모든 요구사항을 만족시키기는 불가능하므로 특정 목적함수에 근거한 알고리즘을 이용하여 진행된다. 하지만 고정된 분할 알고리즘을 이용해서는 이해관계자들의 요구사항을 최대한 반영하기 어렵다. 본 논문에서는 이해관계자들의 의견을 최대한 반영하고, 이를 만족시키는 모델을 유도하기 위하여 WinWin negotiation model을 적용된 요구사항 절충을 고려한 HW/SW 분할 방법론을 제안하였다. WinWin 모델을 통해서 도출된 요구사항에 가장 적합한 목적함수를 가지는 분할 알고리즘을 선택하여 HW/SW 분할 과정을 진행하는 방법이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.11-13
• /
• 2023

의미론적 분할(Semantic Segmentation)은 이미지 내의 객체 및 배경을 픽셀 단위로 분류하는 작업으로 정밀한 탐지가 요구되는 분야에서 활발히 연구되고 있다. 기존 어텐션 기법은 의미론적 분할의 다운샘플링(Downsampling) 과정에서 발생하는 정보손실을 완화하기 위해 널리 사용됐지만 고정된 Convolution 필터의 형태 때문에 객체의 형태에 따라 유동적으로 대응하지 못했다. 본 논문에서는 이를 보완하고자 Deformable Convolution과 셀프어텐션(Self-attention) 구조기반 어텐션 모듈을 사용한 의미론적 분할 모델을 제안한다.

• 정보과학회 논문지
• /
• 제43권7호
• /
• pp.812-819
• /
• 2016

본 논문에서는 기존의 영상분할에서 발생하는 초기값 배정문제와 영상분할 가능여부를 확인할 수 있는 방법에 대한 이론적 근거를 분석하고 제시한다. 본 논문의 앞 부분에서는 위상수학의 이론에 근거한 수학적 논증을 바탕으로 적절한 초기값 배정의 대한 위상적 근거와 방법론을 제시한다. 이어서 위상수학의 분리공리 이론에 근거하여 영상이 영역 분할되기 위한 최소의 위상조건을 확인하고 해당 조건을 이용하여 영상분할을 위해 사용된 모델의 유효성을 검증하는 방법론을 제시한다. 즉, 본 논문은 기존의 통계적 분석과 달리, 위상적 분석을 통해 영상 영역 분할의 수학적 근거를 제시한 것에 그 특징이 있다. 마지막으로 기존의 가우시안 랜덤 필드 모델 기반 영상 분할에 본 논문에서 제시한 이론과 방법론을 적용하여 가우시안 랜덤 필드 모델의 유효성을 확인한다.

• 한국수학교육학회지시리즈C:초등수학교육
• /
• 제14권1호
• /
• pp.27-41
• /
• 2011

본 연구는 분석과 종합에 대한 역사적 출발이라고 볼 수 있는 유클리드의 저작인 '자료론'과 '분할론'에 대한 분석 연구이다. Euclid의 원론에 비해 거의 관심이 없는 두 문헌에 대한 분석을 통해 사고활동으로서의 분석 및 종합에 대한 의미를 살펴보았다. 먼저 분석, 종합이 포함된 다양한 용어들에 대한 개념을 살펴보고, 이를 바탕으로 본 연구에서 사용한 분석과 종합의 개념을 명확화하였다. 또한 두 문헌에 제시된 명제에 대한 분석을 통해 분석은 '외재적 분석'과 '내재적 분석'으로 분류하였는데, 외재적 분석은 제시된 명제에 자체에서 외형적으로 드러난 수학적 대상, 요소, 성질, 속성에 대한 분석이고, 내재적 분석은 외재적 분석의 결과로 추출된 수학적 대상, 요소, 성질, 속성에 대한 재분석 혹은 결합 및 관련성의 추출을 통한 분석이다. 종합은 '이론적 종합'과 '경험적 종합'으로 분류하였는데, 이론적 종합은 경험보다는 논리적, 이성적 과정을 통한 새로운 대상의 추출이고, 경험적 종합은 과거의 학습 경험과 이에 대한 활용을 통한 대상의 추출이다. 이러한 분류를 기초로 하여 초등학교 교과서에 제시된 문제를 통해 실제 적용하여 탐색하였다.

• 한국전자통신학회논문지
• /
• 제12권3호
• /
• pp.451-456
• /
• 2017

컴퓨터비전에서 가장 기본적이고, 복잡한 문제를 수반하는 의미론적 분할(Semantic segmentation)은 이미지의 각 픽셀을 특정 객체로 분류하며, 레이블(label)을 지정하는 작업을 수행한다. 기존에 연구되어온 확률적 그래프 모델인 MRF와 CRF는 픽셀 수준의 라벨링 작업의 정확도를 높이는 효과적인 방법으로 연구되어왔다. 본 논문에서는 최근 각광받고 있는 딥러닝의 한 부류인 CNN과 확률 모델인 CRF를 결합한 형태의 의미론적 분할 방법을 제안하였다. 학습과 성능 검증을 위하여 Pascal VOC 2012 이미지 데이터베이스를 사용하였고, 학습에 사용되지 않은 임의의 이미지를 이용하여 테스트를 진행 하였다. 연구의 결과로서 기존 의미론적 분할 알고리즘보다 더욱 뛰어난 분할 성능을 보여주었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 추계학술대회
• /
• pp.84-86
• /
• 2018

요즘 자율주행과 같은 최신 기술의 발전과 더불어 촬영된 영상 장면에 대한 깊이있는 이해가 필요하게 되었다. 특히, 기계학습 기술이 발전하면서 카메라로 찍은 영상에 대한 의미론적 분할 기술에 대한 연구도 활발히 진행되고 있다. FuseNet은 인코더-디코더 구조를 이용하여 장면 내에 있는 객체에 대한 의미론적 분할 기술을 적용할 수 있는 신경망 모델이다. FuseNet은 오직 RGB 입력을 받는 기존의 FCN보다 깊이정보까지 활용하여 RGB 정보를 기반으로 추출한 특징지도와의 요소합 연산을 통해 멀티 모달 구조를 구현했다. 의미론적 분할 연구에서는 객체의 전역 컨텍스트가 고려되는 것이 중요한데, 이를 위해 여러 계층을 깊게 쌓으면 연산량이 많아지는 단점이 있다. 이를 극복하기 위해서 기존의 합성곱 방식을 벗어나 새롭게 제안된 팽창 합성곱 연산(Dilated Convolution)을 이용하면 객체의 수용 영역이 효과적으로 넓어지고 연산량이 적어질 수 있다. 본 논문에서는 컨볼루션 연산의 새로운 방법론적 접근 중 하나인 팽창된 합성곱 연산을 이용해 의미론적 분할 연구에서 새로운 멀티 모달 네트워크의 성능 향상 방법을 적용하여 계층을 더 깊게 쌓지 않더라도 파라미터의 증가 없이 해상도를 유지하면서 네트워크의 전체 성능을 향상할 수 있는 최적화된 방법을 제안한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.548-548
• /
• 2016

수위-유량관계 곡선식은 시계열 수위자료를 유량자료로 변환해줄 수 있는 회귀식으로 측정단면의 형태, 단면 상 하류의 지형요인 등으로 인하여 영향을 고려하기 위하여 기간분할 혹은 구간분할을 수행한다. 구간분할을 위하여 측정단면의 변화를 고려한 관계자의 주관적인 판단이 주요 근거로 이용되고 있다. 따라서 본 연구에서는 기존에 개발된 수위-유량관계 곡선식의 자동구 구간분할방법에 대한 적용성 검토를 수행하였다. 객관화된 분할근거의 제시를 위하여 주관성을 배제하고 관측데이터를 기반으로 수위 증가에 따른 변동계수를 계산하였고, 변동계수가 정규분포를 따르는 것으로 가정 하에 계산된 변동계수가 전 단계에서 계산된 95% 신뢰구간 이내에 존재하지 않는 경우 구간을 분할하였다. 즉, 변동계수를 이용하여 집단 간의 특성을 비교하였으며, 변동 계수의 분포를 이용하여 분할을 위한 기준 값을 제시하였다. 방법론의 추정능력 검토를 위하여 가상의 곡선으로부터 생성된 데이터에 제안된 방법론을 적용하였고, 실제 유역에 적용성 검토를 위하여 금강에 위치한 무주 및 산계교 수위관측소 지점에 적용하였다. 결과적으로 자동으로 분할된 관계곡선식을 사용하여 추정의 정확도를 높일 수 있을 뿐만 아니라 외삽을 하는 경우 역시 그 정확도를 향상할 수 있음을 확인하였다. 마지막으로 실측값을 활용한 수위-유량관계 곡선식의 구축 시 구간 분할 전 후의 잔차데이터에 대하여 Shapiro-wilk 정규성 검정을 수행하였으며, 구간분할 후 잔차가 정규성을 갖게 되는 것으로 나타났다.

• 한국콘텐츠학회논문지
• /
• 제21권3호
• /
• pp.23-32
• /
• 2021

컴퓨터 비전 분야의 의미론적 영상 분할(Semantic Image Segmentation) 기술은 이미지를 픽셀 단위로 분할 하여 클래스를 나누는 기술이다. 이 기술도 기계 학습을 이용한 방법으로 성능이 빠르게 향상되는 중이며, 픽셀 단위의 정보를 활용할 수 있는 높은 활용성이 주목받는 기술이다. 그러나 이 기술은 초기부터 최근까지도 계속 '세밀하지 못한 분할'에 대한 문제가 제기되어 왔다. 이 문제는 레이블 맵의 크기를 계속 늘리면서 발생한 문제이기 때문에, 자세한 에지 정보가 있는 원본 영상의 에지 맵을 이용해 레이블 맵을 수정하여 개선할 수 있을 것으로 예상할 수 있었다. 따라서 본 논문은 기존 방법대로 학습 기반의 의미론적 영상 분할을 유지하되, 그 결과인 레이블 맵을 원본 영상의 에지 맵 기반으로 수정하는 후처리 알고리즘을 제안한다. 기존의 방법에 알고리즘의 적용 한 뒤 전후의 정확도를 비교했을 때 평균적으로 약 1.74% 픽셀 정확도와 1.35%의 IoU(Intersection of Union) 정확도가 향상되었으며, 결과를 분석했을 때 성공적으로 본래 목표한 세밀한 분할 기능을 개선했음을 보였다.

• 스마트미디어저널
• /
• 제13권2호
• /
• pp.52-61
• /
• 2024

조선소에서는 사외 적치장의 관리를 위해 일정 주기로 Unmanned Aerial Vehicle (UAV)을 이용해 항공영상을 획득하고, 이를 사람이 판독하여 적치장 현황을 파악한다. 이러한 방법은 넓은 면적의 사외 적치장 현황을 파악하는 데 상당한 시간과 인력을 요구한다. 본 논문에서는 이러한 문제점을 해결하고 정확한 사외 적치장 현황을 파악하기 위해 사전 학습된 의미론적 분할 기반 모델(Foundation Model)을 활용한 자동 관리 기술을 제안한다. 또한, 조선소 사외 적치장의 경우 관련 부품이나 장비를 포함한 공개 데이터셋이 충분하지 않기 때문에, 의미론적 분할 기반 모델에 필요한 객체 프롬프트(Prompt)를 생성하기 위한 소규모 사외 적치장 객체 데이터셋을 직접 구축하였다. 이를 이용해 객체 검출기를 소규모 데이터셋에 추가 학습하여 초기 객체 후보를 추출하고, 의미론적 분할 기반 모델인 Segment Anything Model (SAM)의 프롬프트로 활용해 정확한 의미론적 분할 결과를 얻는다. 더 나아가, 지속적인 적치장 데이터셋 수집을 위해 SAM을 활용한 훈련 데이터 생성 파이프라인을 제안한다. 본 연구에서 제안한 방법은 기존의 의미론적 분할 방법과 비교하여 평균적 4.00%p, SegFormer에 비해 5.08%p 높은 성능을 달성하였다.