• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.137-137
• /
• 2023

해양쓰레기는 해안의 심미적 가치 저하뿐만 아니라 생태계 파괴, 유령 어업에 따른 수산업 피해 등의 사회적·환경적 문제를 발생시키며, 그중 70% 이상은 육상 기인으로 플라스틱 및 기타 쓰레기가 주를 이루는 해외와 달리 국내의 경우 다량의 초목류를 포함하고 있다. 다양한 부유쓰레기에 대한 기존의 해양쓰레기량 추정의 한계와 하천·하구 쓰레기 수거의 효율화를 위해 해양으로 유입되는 부유쓰레기 방지를 위한 실효성 있는 대책 수립이 필요한 실정이다. 본 연구는 해양 유입 전 하천의 차단시설에 차집된 부유쓰레기의 수거 효율화 및 지속가능한 해양쓰레기 데이터 구축을 위해 AI기반의 기술을 통해 부유쓰레기 성상 분석 기법(Object Detection)과 차집량 분석 기법(Semantic Segmentation)을 활용하였다. 실제와 유사한 데이터 수집을 위해 다양한 하천 환경(정수조, 소하천, 급경사수로)에 대해 탁도(녹조, 유사), 광량, 쓰레기형상, 초목류 함량, 날씨(소하천), 유속(급경사수로) 등의 실험조건에 대하여 해양쓰레기 분류 기준 및 통계를 바탕으로 부유쓰레기 종류 선정하여 학습을 위한 데이터를 수집하였다. 학습 목적에 따라 구분하여 라벨링(Bounding box, Polygon)을 수행하고, 각 분석 기법별 전이학습을 통해 Phase 1(정수조), Phase 2(소하천), Phase 3(급경사수로) 순서로 모델을 고도화하였다. 성상 분석을 위해 YOLO v4를 활용하여 Train, Test DataSet(9:1)을 구성하고 학습 및 평가는 Iteration마다의 mAP, loss 값을 통해 비교하였으며, 학습 Phase에 따라 모델 고도화로 Test Set의 mAP 값이 성상별로 높아짐을 확인하였으며, 차집량 분석을 위해 Unet을 활용하여 Train, Test, Validation DataSet(8.5:1:0.5)을 구성하고 epoch별 IoU(intersection over Union), F1-score, loss 값을 비교하여 정성적, 정량적 평가 모두 Phase 3에서 가장 높은 성능을 확인하였다. 향후 하천 환경에서의 다양한 영양인자별 분석을 통해 주요 영향인자 도출 및 Hyper Parameter 최적화를 통한 모델 고도화로 인해 활용성이 높아질 것으로 판단된다.

• 대한전자공학회논문지SP
• /
• 제49권3호
• /
• pp.10-17
• /
• 2012

이미지 기반 3차원 장면은 비전 시스템, 게임, 가상현실 체험 등의 분야에서 쉽게 찾아볼 수 있다. 본 논문은 단일 영상으로부터 자동으로 3차원 가상 장면을 생성하기 위한 방법을 제안한다. 제안된 방법은 어린이용 도서의 팝업 이미지의 생성과 유사하다. 특히, 단일 외부 영상으로부터 장면의 3차원 기하학적 구조를 평가하기 위한 과분할 영상을 얻기 위해 텐서 보팅을 적용하였다. 텐서 보팅은 이미지의 균질 영역을 더욱더 부드러운 영역에 가깝게 만들며 영역 중심의 토큰은 매우 큰 saliency 값을 갖게 된다. 그리고 각 분할된 영역을 지면, 하늘, 수직성분 등의 대략적인 카테고리로 분류하고 라벨을 부여한다. 이 라벨은 간단한 가정 하에서 이미지를 팝업 모델로 변환시키기 위한 "잘라내기"와 "접기" 로 이용된다. 실험결과 제안된 방법은 복잡한 자연 영상에서도 성공적으로 영역 분할을 수행하였으며 분할된 영역 정보를 기반으로 구조 정보를 추론하여 3차원 팝업 영상으로 모델링하였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1407-1422
• /
• 2022

본 연구는 분류(classification)기반 딥러닝 모델(deep learning model)인 Inception과 SENet을 결합한 SE-Inception을 활용하여 수종분류를 수행하고 분류정확도를 평가하였다. 데이터세트의 입력 이미지는 Worldview-3와 GeoEye-1 영상을 활용하였으며, 입력 이미지의 크기는 10 × 10 m, 30 × 30 m, 50 × 50 m로 분할하여 수종 분류정확도를 비교·평가하였다. 라벨(label)자료는 분할된 영상을 시각적으로 해석하여 5개의 수종(소나무, 잣나무, 낙엽송, 전나무, 참나무류)으로 구분한 후, 수동으로 라벨링 작업을 수행하였다. 데이터세트는 총 2,429개의 이미지를 구축하였으며, 그중약 85%는 학습자료로, 약 15%는 검증자료로 활용하였다. 딥러닝 모델을 활용한 수종분류 결과, Worldview-3 영상을 활용하였을 때 최대 약 78%의 전체 정확도를 달성하였으며, GeoEye-1영상을 활용할 때 최대 약 84%의 정확도를 보여 수종분류에 우수한 성능을 보였다. 특히, 참나무류는 입력 이미지크기에 관계없이 F₁은 약 85% 이상의 높은 정확도를 보였으나, 소나무, 잣나무와 같이 분광특성이 유사한 수종은 오분류가 다수 발생하였다. 특정 수종에서 위성영상의 분광정보 만으로는 특징량 추출에 한계가 있을 수 있으며, 식생지수, Gray-Level Co-occurrence Matrix (GLCM) 등 다양한 패턴정보가 포함된 이미지를 활용한다면 분류 정확도를 개선할 수 있을 것으로 판단된다.

• 한국미생물·생명공학회지
• /
• 제30권3호
• /
• pp.235-240
• /
• 2002

방선균은 토양속에 서식하는 그람 양성 세균으로 세포성 장의 어느 시기에 영양세포가 이어져 연쇄상의 기균사를 형성하고 그 끝에 포자를 형성하는 동시에 생리학적 분화로 표현되는 다양한 이차대사물질을 생산한다. 이들의 복잡한 생활사에 따른 분화에는 진핵생물의 ser/thr protein kinase와 원핵생물의 his/asp acid protein kinase 등과 같은 다양한 신호전달 단백질들이 조절을 담당하고 있다. Akt kinase는 진핵생물에서 보고된 ser/thr kinase로.세포내의 다양한 신호전달기구를 조절하고 있으며, 세포내의 Akt kinase의 활성화 또는 불활성화가 세포 증식, 분화, 생존, 세포사등의 신호전달에 결정적인 역할을 담당한다. 방선균으로부터 Akt kinase와 유사한 기능을 갖는 신호전달 단백질을 규명하기 위하여, Akt kinae의 target단백질들의 인산화 부위 보존영역으로부터 나타나는 아미노산의 consensus sequence를 기초로 하여 형광물질로 라벨시킨 합성 peptide(FITC-TRRSRfESIT)를 제작하였다 제작한 기질 peptide에 인산화가 일어나면 아가 로스 전기영동상에서의 운동성에 차이가 나타나고, 이를 자외선하에서 형광 peptide를 관찰하는 방법으로 인산화 assay를 실시하였다. S. griseus IFO 13350을 배양한 cell-free extract로부터 ammonium sulfate fractionation과 DEAE-Sepharose, Mono Q, Resource Phenyl-Superose, Gel permeation 등 수 단계의 column chromatography를 통하여 Akt 유사 단백질을 정제하였다. 그 결과 방선균에도 고등생 물의 Akt와 유사한 기질특이성을 갖는 인산화 단백질이 존재하는 것으로 판단되었으며, 그 중의 하나는 분자량이 39 kDa 정도의 크기를 갖는 단백질로 판명되었다. 지금까지의 인산화 단백질 연구는 활성측정법이 어려워 연구자들에게 많은 제한을 주어 왔지만, 본 연구에서 사용한 합성 peptide를 이용하는 방법을 보다 다양한 인산화 단백질에 대하여 적용한다면, 인산화 단백질 및 조절물질 개발에 많은 도움이 될 수 있을 것으로 예상된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.293-297
• /
• 2007

본 논문에서는 실시간으로 획득된 칼라 영상에서 CMODE(Correct Multiple Object DEtection)방법을 이용하여 움직이는 다수 물체를 검출하고, 위치 정보와 색상 정보를 이용하여 관심 보행자만을 추적하는 새로운 알고리즘을 제안한다. 다수 물체가 검출되면, 사람의 구조적 특징과 형태 정보를 이용하여 나무의 흔들림이나 차량의 움직임은 제거하고 관심 보행자만을 검출한다. 검출된 관심 보행자 추적을 위한 1차 유사성 판단은 이전 관심 보행자의 무게중심과 현재 관심 보행자의 무게중심간의 거리차를 이용한다. 1차 유사성이 판단된 영역에 대하여 k-평균 알고리즘으로 세 개의 특징점을 구하고, 각 특징점의 $3{\times}3$ 영역에 대한 평균 색상값으로 2차 유사성을 판단하여 추적하도록 한다. 카메라 배율은 원거리의 보행자에 대한 추적을 용이하게 하기 위해서 조정하고, 카메라 시계(FOV: Field of View)는 보행자의 위치가 화면내의 일정 범위에 있지 않을 경우에 조정한다. 실험 결과, 제안한 CMODE 방법이 라벨링 방법보다 평균 접근 횟수가 1/4배정도 덜 접근하였으며, 평균 검출시간도 3배정도 빠르게 검출됨을 확인할 수 있었다. 나무의 흔들림으로 인한 영역이나 차량의 움직임 영역, 그림자 영역과 같이 복잡한 배경에서도 관심 보행자 검출은 평균 96.5%의 높은 검출률을 보였다. 관심 보행자 추적은 위치 정보와 색상 정보를 이용하여 평균 95%의 높은 추적률을 보였으며, 관심 보행자는 카메라 시계와 배율을 조정함으로써 연속적으로 추적할 수 있었다.

• 디지털융복합연구
• /
• 제17권11호
• /
• pp.233-240
• /
• 2019

사이버 공격을 예측하고 대응하기 위해서 수많은 보안 기업 회사에서는 공격기법의 특성, 수법 유형을 빠르게 파악하고, 이에 대한 Security Intelligence Report(SIR)들을 배포한다. 하지만 각 기업에서 배포하는 SIR들은 방대하며, 형식이 맞춰져 있지 않다. 본 논문은 대량의 비정형한 SIR들에서 정보를 추출하는데 소요되는 시간을 줄이고 효율적으로 파악하기 위해 SIR들에 대해 정형화하고 주요 정보를 추출하기 위해 5가지 분석기술이 적용된 프레임워크를 제안한다. SIR들의 데이터는 정답 라벨이 없기 때문에 비지도 학습방식을 통해 키워드 추출, 토픽 모델링, 문서 요약, 유사문서 검색 총 4가지 분석기술을 제안한다. 마지막으로 SIR들에서 위협 정보 추출하기 위해 데이터를 구축하였으며, 개체명 인식 기술에 적용하여 IP, Domain/URL, Hash, Malware에 속하는 단어를 인식하고 그 단어가 어떤 유형에 속하는지 판단하는 분석기술을 포함한 총 5가지 분석기술이 적용된 프레임워크를 제안한다.

• 한국정보통신학회논문지
• /
• 제25권2호
• /
• pp.187-192
• /
• 2021

본 연구는 객체 검출기를 이용하여 숲 혹은 그에 준하는 복잡한 환경에서의 이륙에 대한 시스템을 제안한다. 시뮬레이터에서 대각선상의 모터간 550mm의 길이를 갖는 쿼드콥터에 라즈베리파이를 장착하여 엣지 컴퓨팅 기반으로 실험을 진행한다. 학습에 사용될 이미지는 군산대학교 내부의 세 지점을 선정하여 640⁎480 사이즈의 이미지를 150장 내외 정도 획득하였으며, 이들을 흑백으로 변환한 다음, 127의 경계값을 두어 이진화 전처리를 하였다. 이후 SSD_Inception 모델을 학습 하였다. 시뮬레이션상에서 검증용 영상을 입력으로 학습한 모델을 통해 드론을 이륙시키는 실험 결과, 라벨을 이용하여 이륙했을 때와 유사한 궤적을 그려내었다.

• 전기전자학회논문지
• /
• 제26권4호
• /
• pp.647-652
• /
• 2022

본 논문은 사용자들에 의해 촬영된 피부이미지를 가공하여 데이터 세트를 구축하고, 제안한 영상처리 기법에 의해 모공 특징이미지를 생성하여, CNN(Convolution Neural Network) 모델 기반의 모공 상태 등급 예측 시스템을 구현한다. 본 논문에서 활용하는 피부이미지 데이터 세트는, 피부미용 전문가의 육안 분류 기준에 근거하여, 모공 특징에 대한 등급을 라벨링 하였다. 제안한 영상처리 기법을 적용하여 피부이미지로 부터 모공 특징 이미지를 생성하고, 모공 특징 등급을 예측하는 CNN 모델의 학습을 진행하였다. 제안한 CNN 모델에 의한 모공 특징은 전문가의 육안 분류 결과와 유사한 예측 결과를 얻었으며, 비교 모델(Resnet-50)에 의한 결과보다 적은 학습시간과 높은 예측결과를 얻었다. 본 논문의 본론에서는 제안한 영상처리 기법과 CNN 적용의 결과에 대해 서술하며, 결론에서는 제안한 방법에 대한 결과와 향후 연구방안에 대해 서술한다.

• 한국컴퓨터정보학회논문지
• /
• 제28권11호
• /
• pp.81-87
• /
• 2023

네트워크 패킷의 메타데이터를 학습한 침입탐지시스템이 최근 많이 제안되었다. 그러나 이러한 방식은 모델 학습에 사용할 메타데이터 생성을 위해 패킷을 분석하는 시간, 그리고 학습 전 메타데이터를 전처리하는 시간이 필요하다. 또한, 특정 메타데이터를 학습한 모델은 실제 네트워크로 유입되는 원본 패킷을 그대로 사용하여 침입을 탐지하는 것이 불가능하다. 이러한 문제를 해결하기 위해 본 논문에서는 패킷 페이로드를 하나의 문장으로 학습시켜 침입을 탐지하는 자연어 처리 기반의 침입탐지시스템을 제안하였다. 제안하는 기법의 성능 검증을 위해 UNSW-NB15와 Transformer 모델을 활용하였다. 먼저, 데이터세트의 PCAP 파일에 대한 라벨링을 실시한 후 2종의 Transformer 모델(BERT, DistilBERT)에 문장 형태로 직접 학습시켜 탐지성능을 분석하였다. 실험 결과 이진분류 정확도는 각각 99.03%, 99.05%로 기존 연구에서 제안한 기법들과 유사하거나 우수한 탐지성능을 보였으며, 다중분류는 각각 86.63%, 86.36%로 더 우수한 성능을 나타냄을 확인하였다.

• 인터넷정보학회논문지
• /
• 제21권4호
• /
• pp.117-126
• /
• 2020

해상 객체 인식은 자율운항선박(MASS)의 지능형 보조 시스템으로써, 선장이 육안으로 해상 주변의 충돌 위험성이 있는 부유물을 확인하던 정보를 컴퓨터를 통해 자동으로 인식하여 사람이 확인하는 방법과 유사한 정확도로 인지하는 방법을 말한다. 선박 주변의 물체를 인식하는 방법으로 기존에는 레이더나 소나와 같은 장치로부터 수집된 정보를 통해 확인하였지만, 인공지능의 기술이 발달하면서 선박 지능형 CCTV를 통해 운항 항로에 있는 다양한 부유물을 인식하는 것이 가능하다. 하지만, 자율 선박의 다양한 요구사항과 복잡성 때문에 영상 데이터의 처리속도가 느려지게 된다면 원활한 서비스 지원은 물론 안전성도 보장할 수 없게 된다. 이러한 문제를 해결하고자 본 논문에서는 해상 객체를 검출하는 데 있어 영상 데이터의 연산량을 최소화하여 처리속도를 높이기 위한 연구를 진행하였다. 해상 객체 인식의 관심 영역을 확보하기 위해서는 일반적으로 수평선을 찾는데 기존 연구들은 허프 변환 알고리즘을 활용하지만 본 논문에서는 속도를 개선하기 위해 이진화 알고리즘을 최적화하여 실제 객체의 위치와 유사한 영역을 찾는 새로운 방법을 제안한다. 또한, 제안하는 방법의 유용성을 증명하기 위해 딥러닝 CNN을 활용하여 해상 객체 인식 시스템을 구현함으로써 알고리즘의 성능을 평가하였다. 제안하는 알고리즘은 기존 방법의 인식 정확도를 유지하면서 약 4배 이상의 빠른 성능을 얻을 수 있었다.