• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.686-688
• /
• 2020

본 논문에서는 U-Net 모델을 이용하여 정교하고 반복되는 패턴을 가진 인쇄물에 대한 비지도 학습을 통한 딥러닝 기반 이상치탐지(Anomaly Detection) 방법을 제안하였다. 인쇄물(카드)의 비정상 패턴 검출을 위하여 촬영한 영상으로부터 카드 영역을 분리한 이미지로 구성된 Dataset을 구축하였고 정상 이미지와 동일한 이미지를 출력하기 위해, 정상 이미지와 마스크 이미지 쌍의 Training dataset을 U-Net으로 학습하였다. Test dataset의 이미지를 입력으로 넣어 생성된 마스크 결과를 원본 마스크 이미지와 비교하여 이상 여부를 판단하는 본 논문의 방법이 정상, 비정상 인쇄물을 잘 구분하는 것을 확인하였다. 또한 정상과 비정상 이미지 각각을 학습한 지도학습 기반 CNN 분류 방법을 입력 영상과 복원 영상 간의 복원 오차를 비교하여 객체의 이상 여부를 판별하는 본 논문의 방법과 비교 평가하였다. 본 논문을 통해 U-Net을 사용하여 별도로 데이터에 대한 label 취득 없이 이상치를 검출할 수 있음을 확인할 수 있었다.

• 대한의용생체공학회:의공학회지
• /
• 제25권2호
• /
• pp.129-135
• /
• 2004

재택건강관리 시스템은 주로 정상인들로부터 빈번하게 측정한 생체신호의 실시간 처리과정을 필요로 한다. 본 논문에서는 이러한 환경에서 측정되는 심전도 신호에서 DRS를 검출하기 위한 단순화된 알고리즘과 검출된 QRS의 정상과 비정상 여부만을 분류하는 알고리즘에 대하여 기술한다. 기존에 사용되고 있는 실시간 QRS 검출 알고리즘을 세분화하여 단순화된 QRS 검출 알고리즘을 제안함으로서 저가형 소형 단말기에서도 사용이 가능하도록 하였다. 또한 검출된 QRS들로부터 QRS 폭, R-R 간격, DRS 형태변수를 추출하여 QRS의 정상과 비정상을 판단하는 알고리즘을 개발하였다. 단순화된 QRS 검출기의 성능과 정상과 비정상의 분류성능은 각각 약 99%와 96%로 나타났다. 본 논문에서 제안된 QRS 검출과 분류를 위한 알고리즘들은 복잡한 신호처리 과정이 필요치 않으므로 재택건강관리 시스템에서의 실시간 심전도처리에 사용될 수 있을 것이다

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 봄 학술발표논문집 Vol.27 No.1 (B)
• /
• pp.505-507
• /
• 2000

현재 백혈병 진단에서 사용중인 방법은 골수영상을 획득하고 이를 관찰하여 비정상의 백혈구의 형태, 백혈구 핵의 크기와 추출된 골수에서의 백혈구가 차지하는 비율을 이용하여 진단하고 있다. 비정상적인 모양을 띠고 있는 백혈구의 검출은 백혈병 진단에 있어 중요한 정보로 사용된다. 백혈구의 이상 형태중 다수의 구멍이 있는 백혈구는 검출하기 위해 골수영상에서 백혈구 영역을 추출하고 이에 대해 UNL transform을 이용하여 모양 특징을추출하였다. UNL Fourier transform은 원영상의 이동(translation), 회전(rotation), 확대/축소(scale)에 대해 불변인 성질을 지니므로 이를 이용해 백혈구의 모양 특징을 추출하고 유사도 검색을 통해 비정상의 백혈구를 검출하였다.

• 한국지능시스템학회논문지
• /
• 제22권4호
• /
• pp.405-413
• /
• 2012

심전도 신호의 신뢰성 있는 진단을 위해서는 높은 분류 정확도와 함께 낮은 오분류 성능이 중요하며, 특히 비정상을 정상으로 진단하는 것은 심검자에게 치명적인 문제로 귀결될 수 있다. 본 논문에서는 임상 진단 기준을 반영하는 규칙기반 분류 알고리즘을 이용하여 비정상 리듬을 검출 및 분류하는 방법을 제안한다. 규칙기반 분류는 리듬 구간의 특징에 대한 규칙 베이스를 이용하여 리듬 유형을 분류하도록 하며, 이 때 규칙 베이스는 임상 및 내과 분야의 심전도 전문 임상 자료에 기반한 본 논문의 기준표에 따라 구성된다. MIT-BIH 부정맥 데이터베이스를 이용한 제안 방법의 실험을 통하여 정상동조율, 박동조율, 및 다양한 비정상 리듬에 대한 리듬 유형의 분류가 가능함을 확인하였으며, 특히 비정상 리듬 검출 측면에서는 오분류가 전혀 발생되지 않는 결과를 보였다.

• 한국통신학회논문지
• /
• 제39C권8호
• /
• pp.731-737
• /
• 2014

본 논문에서는 감시 카메라 환경에서 발생할 수 있는 군중의 비정상 행동 검출 방법을 제안한다. 군중들의 비정상 행동을 산발적으로 퍼지면서 뛰는 행동, 한쪽 방향으로 갑자기 뛰는 행동 두 가지로 정의하였다. 이를 검출하기 위하여 영상에서 움직임 벡터를 추출하여 군중의 비정상 행동 검출에 적합한 서술자 MHOF(Multi-scale Histogram of Optical Flow)와 DCHOF(Directional Change Histogram of Optical Flow)제안하였으며, 이를 이진 분류기인 SVM(Support Vector Machine)을 이용하여 검출하였다. 제안한 방법은 공개 데이터셋인 UMN 데이터와 PETS 2009 데이터를 이용하여 성능을 평가하였고 다른 방법론과의 비교를 통해 제안하는 알고리즘의 우수성을 입증하였다.

• 한국양식학회:학술대회논문집
• /
• 한국양식학회 2004년도 수산관련학회 공동학술대회 발표요지집
• /
• pp.391-392
• /
• 2004

• 한국조명전기설비학회:학술대회논문집
• /
• 한국조명전기설비학회 2005년도 춘계학술대회논문집
• /
• pp.311-318
• /
• 2005

이 논문은 다른 종류의 유도전동기 구름베어링 손상을 유도전동기 고정자 전류신호해석을 통하여 검출하고 실시간으로 손상을 진단하는 알고리즘을 개발하였다. 유도전동기 구름베어링의 손상을 검출하기 위하여 정상적인 베어링을 갖는 유도전동기, 축정열에 불량을 가지고 있는 전동기와 베어링 외륜에 구멍을 가지고 있는 2가지 종류의 비정상 베어링을 갖는 유도전동기 3set를 실험시스템을 구축하였다. 또한 유도전동기의 구름베어링시스템의 비정상적인 상태에서 고정자전류을 검출하기 위하여 TMS320F2407 DSP 칩을 이용하여 데이터 획득보드를 개발하였다. 이 고정자전류신호를 해석을 통하여 베어링 손상을 검출하기 위한 방법으로 FPT, 웨이브렛 분석 및 내적에 의한 평균신호패던에 의한 분석결과를 제시하였다. 특히 내적에 의한 신호분석을 통하여 베어링 손상 여부를 실시간으로 진단할 수 있는 새로운 알고리즘과 분석방법을 제시하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.533-535
• /
• 1999

자궁경부진 세포인식 시스템에 있어서 가장 중요한 것이 영상처리를 이용하여 세포핵과 세포질을 추출하여 세포의 형태적인 정보를 알아내는 과정이다. 기존의 전역 thresholding 기법이나 region growing의 경우는 pap smear 검사를 통해 얻어진 세포 영상을 분할할 수 있는 region growing 기법을 제안한다. 제안된 region growing 기법은 초기에 seed를 검출할 때 local threshold growing 기법을 제안한다. 제안된 region growing 기법은 초기에 seed를 검출할 때 local threshold 개념을 도입하여 seed의 검출을 고르게 하고, 2가지 확장 조건을 사용하여 영역을 확장한다. 첫 번째 확장 조건은 비정상 세포나 artifact가 많아서 어둡게 나타나는 영상이나 세포질과 배경의 경계가 뚜렷하지 않아서 세포질의 구별이 어려운 영상의 영역 분할이 가능하도록 그 특성을 반영하고, 두 번째 조건은 세포가 흡수하는 빛의 양이 일정하다는 가정으로 영상에서의 지역 특성(gray level, color 등을 반영한다. 제안된 기법은 정상세포 영상뿐만 아니라 비정상 세포 영상에 대하여 over-segment나 under-segment하는 경우를 줄여서 영역 분할에 좋은 결과를 보인다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.368-372
• /
• 2009

기존 사용자의 행동 패턴을 인식하는 연구들이 몇 개의 특정 행동을 설정, 사용자 독립적인 인식 결과를 낼 수 있는 특징 추출 방법들을 제안해왔다. 그러나 이러한 연구는 실험실 차원의 결과에 그치고 사용자 독립적인 일반성 획득이나 특정 행동만을 인식 대상으로 삼음으로써 구현상에서 많은 어려움을 초래한다. 이러한 문제점을 개선하고자 본 논문에서는 사용자의 일정 기간 동안의 행동 패턴에 대해 반복성과 지속성을 기준으로 새로 입력되는 행동패턴의 정상/비정상 여부를 검출한다. 기존 연구에서 사용한 교사학습 방법이 아닌 비교사학습 방법을 적용, 일정 기간 동안 수집된 데이터를 클러스터링하여 반복성을 평가하는 기준으로 삼는다. 실험을 통해 반복적으로 발생하는 데이터를 근거로 하여 처음 나타난 행동을 비정상 행동으로 검출할 수 있음을 입증했다.

• 재활복지공학회논문지
• /
• 제8권3호
• /
• pp.145-150
• /
• 2014

본 논문에서는 입력된 신호에 의해 결정되는 각 주파수 밴드별 우도비(likelihood ratio, LR)를 deep belief networks(DBN)의 입력층으로 이용하는 새로운 음성 검출기(voice activity detection, VAD) 알고리즘을 제안한다. 기존의 통계적 모델 기반의 음성 검출기는 음성 구간을 판단하기 위해 우도비를 기하 평균을 이용한 결정식을 사용한다. 제안된 음성 검출기는 이 결정식을 대신해 DBN을 이용하여, 오검출 확률을 최소화 하도록 학습을 한다. 제안된 DBN 기반의 음성 검출 알고리즘은 통계적 모델 기반의 음성 검출기의 성능을 개선한 support vector machine(SVM) 기반의 음성 검출기와 정상 및 비정상 잡음 환경에서 다양한 조건을 부과하여 비교하였다. 제안된 알고리즘이 기존의 SVM 기반의 알고리즘보다 전체 오분류 확률 [0.7, 2.7]의 향상 폭을 보였다.