• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.143-156
• /
• 2023

인공위성이 촬영한 영상의 내용을 정확하게 분석하기 위해서는 영상에 존재하는 구름 영역을 정확하게 인지하는 것이 필요하다. 최근 다양한 분야에서 딥러닝(deep learning) 모델이 뛰어난 성능을 보여줌에 따라 구름 영역 검출을 위해 딥러닝 모델을 적용한 방법들이 많이 제안되고 있다. 하지만 현재 구름 영역 검출 방법들은 의미 영역 분할 방법의 네트워크 구조를 그대로 사용하여 구름 검출 성능을 향상하는 데는 한계가 있다. 따라서 본 논문에서는 구름 검출 데이터 세트에 다중 브랜치 네트워크 구조 탐색을 적용하여 구름 영역 검출에 최적화된 네트워크 모델을 생성함으로써 구름 검출 성능을 향상하는 방법을 제안한다. 또한 구름 검출 성능을 향상하기 위하여 의미 영역 분할 모델의 학습 단계와 평가 단계의 평가 기준 불일치를 해소하기 위해 제안된 soft intersection over union (IoU) 손실 함수를 사용하고, 다양한 데이터 증강 방법을 적용하여 학습 데이터를 증가시켰다. 본 논문에서 제안된 방법의 성능을 검증하기 위하여 아리랑위성 3/3A호에서 촬영한 영상으로 구성된 구름 검출 데이터 세트를 사용하였다. 먼저 제안 방법과 의미 영역 분할 데이터 세트에서 탐색된 기존 네트워크 모델의 성능을 비교하였다. 실험 결과, 제안 방법의 mean IoU는 68.5%이며, 기존 모델보다 mIoU 측면에서 4%의 높은 성능을 보여주었다. 또한 soft IoU 손실 함수를 포함한 다섯 개의 손실 함수를 적용하여 손실 함수에 따른 구름 검출 성능을 분석하였으며, 실험 결과 본 연구에서 사용한 soft IoU 함수가 가장 좋은 성능을 보여주었다. 마지막으로 의미 영역 분할 분야에서 활용되는 최신 네트워크 모델과 제안 방법의 구름 검출 성능을 비교하였다. 실험 결과, 제안 모델이 의미 영역 분할 분야의 최신 모델들보다 mIoU와 정확도 측면에서 더 나은 성능을 보여주는 것을 확인하였다.

• 대한원격탐사학회지
• /
• 제40권1호
• /
• pp.71-80
• /
• 2024

이 연구에서는 무인 항공기(Unmanned Aerial Vehicle, UAV)가 캡처한 이미지의 의미론적 토지 피복 분할 성능을 향상시키기 위한 앙상블 학습 기법을 제안하고 있다. 도시 계획과 같은 분야에서 UAV 사용이 증가함에 따라 토지 피복 분할을 위한 딥러닝 분할 방법을 활용한 기술 개발이 활발히 이루어지고 있다. 이 연구는 대표적인 분할 모델인 U-Net, DeepLabV3 그리고 Fully Convolutional Network (FCN)를 사용하여 분할 예측 성능을 개선하는 방법을 제안한다. 제안된 접근 방식은 세 가지 분할 모델의 훈련 손실, 검증 정확도 및 클래스별 점수를 통합하여 앙상블 모델을 개발하고 전반적인 예측 성능을 향상시킨다. 이 방법은 건물, 도로, 주차장, 논, 밭, 나무, 빈 공간, 미분류 영역을 포함하는 일곱 가지 클래스가 있는 토지 피복 분할 문제에 적용하여 평가하였다. 앙상블 모델의 성능은 mean Intersection over Union (mIoU)으로 평가하였으며, 제안된 앙상블 모델과 기존의 세 가지 분할 방법을 비교한 결과 mIoU 성능이 향상되었음이 나타났다. 따라서 이 연구는 제안된 기술이 의미론적 분할 모델의 성능을 향상시킬 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1721-1730
• /
• 2023

전 세계적으로 지구온난화와 관련된 문제인식이 대두되면서, 도시지역에서의 탄소중립을 위해 탄소흡수원의 역할이 더욱 강조되고 있다. 정주지 탄소흡수원의 관리를 위해서는 탄소흡수원의 현황 파악이 필요하며, 이를 위해서는 많은 인력과 시간과 이에 따른 예산이 소요되게 된다. 본 연구에서는 서울시를 대상으로 기구축된 수목의 위치정보와 Sentinel-2 위성영상을 이용해 수목의 위치를 예측할 수 있는 지도를 제작했다. 이를 위해 수목 유무 데이터셋을 구축한 뒤 위성영상으로부터 구축한 식생지수 16종 정보를 이용하여 분석에 활용할 정형데이터를 생성했다. 그리고 생성된 정형데이터에 Extreme Gradient Boosting (XGBoost) 모델을 적용하여 학습 후, 수목 예측 지도를 제작했다. 이후 Shapley Additive exPlanations (SHAP) 분석을 통해 모델 학습에서 독립변수와 종속변수 간의 관계를 조사하였다. 서울의 국소 부분에 대해 제작된 지도와 세분류 토지피복지도와의 비교분석을 수행했고, 본 연구에서 제작된 수목 예측 모델의 경우 대로변 주변의 탐지하기 어려운 가로수의 경우에도 수목의 위치로 예측이 된다는 것을 확인했다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1061-1067
• /
• 2023

이 단보에서는 차세대 중형위성 4호(농림위성)의 활용에 앞서, 농림위성과 분광밴드가 유사한 Sentinel-2 위성영상에 대하여 대기보정을 모의하였다. second simulation of the satellite signal in the solar spectrum - vector(6SV)2.1 복사전달모델과 기계학습의 일종인 랜덤 포레스트(random forest, RF)를 활용하여 6SV2.1을 모사한 RF 기반의 대기보정 모델을 개발한 결과, 6SV2.1로 산출된 반사도와 RF 모델로 예측된 반사도 간의 유사도가 매우 높게 나타났다.

• 정보교육학회논문지
• /
• 제1권1호
• /
• pp.38-48
• /
• 1997

컴퓨터, 정보생산능력, 공동 생산과 이용, 기능적 사회, 참여적 민주주의, 시간 가치의 중요성, 인간의 자율성과 공동목표 등은 정보화사회의 특징이다. 인간의 창의적 사고 능력과 정보 공학을 이용한 주변 문제의 해결능력은 우리의 중요 관심사가 되고 있다. 따라서 본 연구는 정보화사회를 대비한 새로운 교육의 방향을 제시하는데 그 목적이 있다. 먼저 정보사회의 특징과 현재의 교육과정, 교육환경 및 교사교육의 교육 현장 측면을 고찰한후 CAI와 인터넷의 특성을 요약하고, 마지막으로는 CAI로서의 웹 활용을 제시하였다. 거대한 통신망인 인터넷을 교육에서 활용하면 개인차를 고려한 개별화 학습을 가능하게 해 줄 뿐 아니라 다양한 매체를 사용하여 풍부한 학습환경을 제공한다. 또 시간과 공간을 초월한 학습을 가능하게 하며 상호작용이 가능하다. 한편 하이퍼미디어를 기반으로 한 인터넷 서비스인 웹은 학업 성취도 고양, 창의력, 문제해결력, 논리적 사고력을 증진시킬 수 있고, 학습자의 동기 유발을 높이는 데 활용된다. 인터넷과 웹은 오랫동안 폭발적인 통신 도구로 우리 곁에 있게 되며, 다양한 데이타뱅크로 부터 여러가지 형태의 정보를 손쉽게 입수할 수 있게 됨은 물론 원격교육이나 재택가강의에도 활용되어 보편화 될 것이다.

• 한국인터넷방송통신학회논문지
• /
• 제15권5호
• /
• pp.1-7
• /
• 2015

최근 개인의 성과를 이끌어내고 극대화할 수 있도록 지속적으로 도와주는 코칭에 대한 관심이 집중되고 있다. 현재 교육 현장에서는 일반적으로 면대면 위주의 코칭이 진행되고 있으며, E-코칭이 대두되고 있다. 그리고 인터넷을 이용하는 E-코칭과 직접 코치와 학습자(coachee)가 대면하는 면대면 코칭을 단점을 보완하고 장점을 극대화할 수 있는 효과적인 코칭 방법이 요구되고 있다. 이를 위해, 면대면 코칭과 E-코칭의 어려움과 한계를 극복하면서 상호 보완하는 하이브리드 코칭에 대한 연구가 진행되고 있다. 본 논문에서는 학습자의 진로 코칭을 위한 인터넷 상에서 웹서비스 기반의 면대면 코칭과 E-코칭을 상호 보완한 코칭 시스템을 설계하고 구현한다. 이를 위해 Restful 기반의 하이브리드 코칭 웹서비스를 제공하고, 웹 기반으로 데이터베이스와 연동하여 코치 및 학습자의 프로파일과 코칭 내역을 저장하고 관리할 수 있도록 한다. 제안한 학습자 간에 원격 접근성을 향상시키고, 시공간의 제약 없이 상호 작용을 제공하는 온라인 환경에서 전통적인 면대면 코칭의 장점을 살리고 한계점을 보완할 수 있다.

• 디지털콘텐츠학회 논문지
• /
• 제13권3호
• /
• pp.393-399
• /
• 2012

학생들이 다른 언어를 배우고 익히도록 동기부여를 하기 위해 기발한 독창성과 새로운 기술을 필요로 할 것이다. 멀티미디어를 이용하면 수업과 과제를 모든 학생들에게 흥미롭게 해줄 것 이다. 그들에게 관심이 있는 스마트 폰의 사용과, 노트북과 무선 인터넷의 사용으로 학생들은 그들의 언어 기술을 실제로 어디에서나 공부할 수 있을 것 이다. 예를들어 팟캐스트, 인터넷망을 통해 다양한 콘텐츠를 제공하는 서비스 Podcasts 도구 방법 등을 통해 ESL(English as a Second Language) 학습이 매우 용이하게 되었다. 즉 이러한 멀티미디어 tools를 이용한 외국어 듣기 연습 서비스 등 다양한 교수 학습방법 개발이 필요하다. 효율적인 영어 교육을 위한 도입된 이러한 여러 멀티미디어 기기의 사용은 여러 가지 독특한 장점을 가지고 있다. 본 연구에서 영어 교육을 최대화하기 위해 멀티미디어의 특징과 그 활용에 대해 연구하고자 한다. 디지털교과서 및 영어 수업을 위한 멀티미디어 콘텐츠 도구 활용, 인터넷 방송은 물론 원격화상 수업, 사이버 학습 등 1:1 영상 교육을 이용한 유비쿼터스 학습 환경을 제시하고자 한다. 더 나아가 최첨단 u-러닝 기기의 체험을 통해 미래 교육 변화를 조망하고 또한 다양한 수업기기와 변화된 수업시스템 모델을 통해 영어 교육의 새로운 방향을 제시하고자 한다.

• 한국항해항만학회지
• /
• 제42권6호
• /
• pp.395-405
• /
• 2018

한국형 e-Navigation의 내항성 안전 모듈은 운항 중인 선박을 실시간으로 모니터링하고 내항성의 이상 상태를 사전에 경고함으로써 선박의 안정성을 확보하는 선내 원격 모니터링 서비스 중 하나이다. 일반적으로 선박설계를 위한 내항성능은 주어진 조건에서 선체 운동 시뮬레이션을 수행하여 평가하여 왔다. 하지만 운항 중 선박의 내항성능을 실시간으로 평가하기 위해 이러한 시뮬레이션을 실제 운항조건에 맞추어 수행하는 것은 계산시간의 한계로 인해 현실적이지 않다. 본 연구에서는 기계학습 기반의 근사모델을 활용하여 선박의 내항성능 평가 요소들 중 하나인 횡동요 운동특성을 합리적으로 보다 빠르게 예측하는 방법을 소개하고자 한다. 다양한 학습 기법과 데이터의 샘플링 조건을 적용하여, 얻어진 근사모델의 결과와 운동해석 결과의 오차가 거의 1% 내로 일치함을 보였다. 따라서 이러한 방법을 활용하면 선박의 실시간 내항성능을 평가하는데 효율적으로 사용할 수 있을 것으로 판단된다.

• 한국지리정보학회지
• /
• 제24권1호
• /
• pp.1-11
• /
• 2021

위성영상을 활용한 하천, 습지, 호수 등 지표수 객체의 탐지는 해당 지역의 수자원 관리 및 조사 업무에 효율적으로 활용될 수 있다. 본 연구에서는 원격탐사 분야에서 물을 탐지하기 위해 제공하는 수분지수(Water Index)와 영상으로부터 객체를 인식하는 데 폭넓게 활용되는 기계학습(Machine learning) 기법을 대구광역시를 촬영한 Landsat-8 위성영상에 개별적으로 적용하여 하천, 호수 등 다양한 지표수 객체를 탐지하고 그 결과를 비교하였다. 우선 Landsat-8 위성영상의 다중분광 밴드로부터 NDWI(Normalized Difference Water Index), MNDWI(Modified Normalized Difference Water Index) 영상을 생성하였고, 임계치를 적용하여 개별 영상으로부터 물과 그 외 지역을 구분할 수 있는 이진 영상(Binary image)을 제작하였다. 그리고 기계학습 기법인 SVM(Support Vector Machine)을 동일 위성영상에 적용하여 토지 피복 영상을 제작하고 이로부터 이진 영상을 제작하였다. 최종적으로 100개의 검사점(Checkpoints)을 사용하여 세 이진 영상으로부터 지표수 탐지를 위한 정확도를 오차 행렬을 활용하여 계산하였다. 그 결과, MNDWI 영상으로부터 제작된 이진 영상의 정확도(84%)가 NDWI 영상으로부터 제작된 이진 영상의 정확도(94%)와 SVM에 의해 제작된 이진 영상의 정확도(96%)에 비해 낮았으며, 모든 이진 영상에서 그림자 등의 원인으로 인해 일부 육지 분류 결과가 지표수 객체로 오분류되었다.

• 해양환경안전학회지
• /
• 제27권1호
• /
• pp.22-28
• /
• 2021

본 연구는 화재진압 및 피난활동을 지원하는 딥러닝 기반의 알고리즘 개발에 관한 기초 연구로 선박 화재 시 연기감지기가 작동하기 전에 검출된 연기 데이터를 분석 및 활용하여 원격지까지 연기가 확산 되기 전에 연기 확산거리를 예측하는 것이 목적이다. 다음과 같은 절차에 따라 제안 알고리즘을 검토하였다. 첫 번째 단계로, 딥러닝 기반 객체 검출 알고리즘인 YOLO(You Only Look Once)모델에 화재시뮬레이션을 통하여 얻은 연기 영상을 적용하여 학습을 진행하였다. 학습된 YOLO모델의 mAP(mean Average Precision)은 98.71%로 측정되었으며, 9 FPS(Frames Per Second)의 처리 속도로 연기를 검출하였다. 두 번째 단계로 YOLO로부터 연기 형상이 추출된 경계 상자의 좌표값을 통해 연기 확산거리를 추정하였으며 이를 시계열 예측 알고리즘인 LSTM(Long Short-Term Memory)에 적용하여 학습을 진행하였다. 그 결과, 화재시뮬레이션으로부터 얻은 Fast 화재의 연기영상에서 경계 상자의 좌표값으로부터 추정한 화재발생~30초까지의 연기 확산거리 데이터를 LSTM 학습모델에 입력하여 31초~90초까지의 연기 확산거리 데이터를 예측하였다. 그리고 추정한 연기 확산거리와 예측한 연기 확산거리의 평균제곱근 오차는 2.74로 나타났다.