• 제목/요약/키워드: 이미지 기반

검색결과 3,910건 처리시간 0.036초

복합재 패널에서 유도 탄성파를 이용한 이미지 기반 손상탐지 기법 개발 Part I. 손상위치 탐지 알고리즘 (Image Based Damage Detection Method for Composite Panel With Guided Elastic Wave Technique Part I. Damage Localization Algorithm)

  • 김창식;전용운;박정선;조진연
    • 한국항공우주학회지
    • /
    • 제49권1호
    • /
    • pp.1-12
    • /
    • 2021
  • 본 논문은 복합재 패널에서 압전 작동기를 사용하여 탄성파를 생성하고, 손상에서의 반사된 신호를 압전 감지기에서 탐지하여 손상위치를 추정할 수 있는 알고리즘을 개발하였다. 손상이 없는 신호와 손상이 있는 신호를 비교하여 손상신호를 추정하는 진단적 접근방법을 사용하였다. 신호 상관관계를 이용하여 탄성파의 군속도를 계산하고 압전기 위치정보를 이용하여 손상정보를 추출하였다. 하지만 탄성파의 비선형 특성으로 인해, 손상정보는 다양한 신호의 조합으로 구성되기 때문에, 손상위치를 명확히 구별하기 어렵다. 이에 본 논문에서는 손상에서 반사된 신호정보를 신호 도달거리의 면적으로 변환해서 손상의 중심위치를 찾는 누적함수 특성벡터 알고리즘(CSFV, cumulative summation feature vector)을 새롭게 제안하고, 특성벡터를 손상지수와의 곱으로 표현하는 가시화 기법을 적용하였다. 또한 복합재 패널에서 실험검증을 수행하고, 기존의 알고리즘과의 비교를 통해 제안된 알고리즘이 정확도 높게 손상위치를 검출할 수 있음을 보였다.

이탈리아 르네상스 빌라 란테의 정원건축적 특성 (A Study on the Characteristics of Garden Architecture in Italian Renaissance Villa Lante)

  • 최종희
    • 한국전통조경학회지
    • /
    • 제29권2호
    • /
    • pp.90-98
    • /
    • 2011
  • 본 연구는 이탈리아 르네상스 정원의 조영배경, 입지 및 공간구성특성 구명에 있어 주요한 역할을 점유하고 있는 빌라 란테의 정원건축적 특성을 구명하는데 목적을 두고 수행되었다. 연구를 위한 조사는 문헌조사와 현지조사로 구분하여 이루어졌으며, 자세한 내용은 다음과 같다. 첫째, 조영의 경우 16세기 초 비테르보(Viterbo)의 교구장인 라파엘레 리아레오(Raffaele Reareo), 옥타비아노 비스콘티(Ottaviano Visconti)에 의해 빌라 조영이 시작되었으며, 이후 추기경 니콜로 리돌피(Niccolo Ridolfi)에 의해 수로가 건설되고, 1574년 추기경 감바라(Gambara), 몬탈토(Montalto)에게 소유권을 넘겨진 이후 카지노 등 주요 정원요소들이 완성되었다. 이후 란테 가문에 의해 교황청과의 임대, 소유권 인정 이전 등에 과정을 거친 후 현재에 이르고 있다. 둘째, 입지의 경우 도심에 위치하는 우르바나 성격을 가지며, 지형조건과 주변 경관과의 관계에서는 도심의 중앙광장과 강한 시선 축을 형성하며, 주변 자연환경을 빌라 및 정원의 통합적 시계 내에 포함시켜 건물과 수림대, 동적인 수공간 요소와의 연계성을 형성하고 있다. 셋째, 공간구성의 경우 고대 신화의 상징적 이미지와 피에트로 데 크레센지(Pietro de Crescenzi)의 데 루러리움 코모도런 리브리(Liber ruralium commodorum libri), 수학적 이론에 근거한 신 플라톤의 비례법칙 등을 기반으로 카지노를 중양축의 양쪽으로 분리해서 위치하게 하고, 축을 공간구성의 중심으로 삼아 정원을 빌라의 부속이 아닌 독립된 하나의 요소로 다루고 있으며, 노단을 이용한 카지노와 정원, 수림대, 주변 경관의 통합적 시계구조를 구현하였다. 넷째, 구성요소 중 식생의 경우 상층식재로는 플라타너스, 소나무, 감탕나무 등이, 하층식재로는 서양호랑 가시나무, 회양목, 장미 등이 비중이 높게 나타나고 있음을 파악할 수 있었으며, 건조물의 경우 주거기능의 카지노, 노단, 로지아 등이, 수경관으로는 분수, 캐스케이드, 벽천, 샘 등이, 점경물로는 해시계, 의자, 전망대 등이 나타나고 있었다.

능동형 콘텐츠 지원을 위한 OMA DRM 프레임워크의 확장 (Extending the OMA DRM Framework for Supporting an Active Content)

  • 김후종;정은수;임재봉
    • 정보보호학회논문지
    • /
    • 제16권5호
    • /
    • pp.93-106
    • /
    • 2006
  • 무선 인터넷 통신의 빠른 성장으로 차세대 이동 단말들에서 이미지, 음악, 비디오 및 응용들과 같은 무선 디지털 콘텐츠들의 배포가 가능하게 되었다. 불법 복사 방지, 사용 권한 제어, 인증 기능이 없는 상태에서 이동 단말이 빠른 속도로 통신 채널을 확대하기 위한 주요 수단이 되면, 인증되지 않은 이동 단말을 통해 무선 디지털 콘텐츠는 불법적으로 복사, 편집, 배포된다. 본 논문은 일반적인 OMA DRM v2.0의 목적과 기능에 대해서 살펴본다. OMA는 모바일 DRM을 위한 공개 표준을 개발하고 있는 유일한 곳이다. 다음으로 능동형 콘텐츠의 특징에 대해서 소개하고, 능동형 콘텐츠와 수동형 콘텐츠의 차이에 대해서 설명한다. 능동형 콘텐츠를 빠르게 재생하기 위한 OMA 기반 DRM 프레임워크를 제안한다. 본 프레임 워크에는 콘텐츠 부분 암호화를 위한 DCF 확장, 콘텐츠 암호화 키 관리, 능동형 콘텐츠를 위한 렌더링 API가 포함된다. 실험 결과는 제안한 방법을 통해 QoE를 만족할 수 있는 정도로 충분히 빠르게 능동형 콘텐츠를 렌더링 할 수 있음을 보여 준다 본 프레임워크는 이동 단말 환경을 위해 제안된 것이지만, 휴대용 재생기, 셋탑 박스, 개인 컴퓨터에서도 적용할 수 있다.

에지 컴퓨팅 환경에서의 상황인지 서비스를 위한 팻 클라이언트 기반 비정형 데이터 추상화 방법 (Fat Client-Based Abstraction Model of Unstructured Data for Context-Aware Service in Edge Computing Environment)

  • 김도형;문종혁;박유상;최종선;최재영
    • 정보처리학회논문지:컴퓨터 및 통신 시스템
    • /
    • 제10권3호
    • /
    • pp.59-70
    • /
    • 2021
  • 최근 사물인터넷의 발전으로 사용자 주변 상황을 인지하여 맞춤형 서비스를 제공하는 상황인지 시스템에 대한 관심이 증가되고 있다. 기존의 상황인지 시스템은 사용자 주위에서 생성되는 데이터를 분석하여 사용자 주변 상황을 표현하는 상황 정보로 추상화하는 기술이 사용되었다. 하지만 증가하는 사용자의 서비스 요구 사항에 따라 다양한 종류의 비정형 데이터의 사용이 증가하고, 사용자 주변에서 수집되는 데이터의 양이 많아지면서 비정형 데이터의 처리와 상황인지 서비스의 제공에 어려움이 있다. 이러한 사항은 딥러닝 응용에서 비정형 구조의 입력 데이터가 많이 사용되는 데서 찾아볼 수 있다. 기존 연구에서는 에지 컴퓨팅 환경에서 다양한 딥러닝 모델을 활용해 비정형 데이터를 상황 정보로 추상화하는 연구가 진행되었으나, 수집-전처리-분석 등과 같은 추상화 과정 간의 종속성으로 인해 제한된 종류의 딥러닝 모델만이 적용 가능하기 때문에 시스템의 기능적 확장성이 고려되어야 한다. 이에 본 논문은 에지 컴퓨팅 환경에서 딥러닝 기술을 활용한 비정형 데이터 추상화 과정의 기능적 확장성을 고려한 비정형 데이터 추상화 방법을 제안한다. 제안하는 방법은 데이터 처리가 분산되어 있는 에지 컴퓨팅 환경에서 수집과 전처리 과정을 수행할 수 있는 팻 클라이언트 기술을 사용하여 추상화 과정의 수집-전처리 과정과 분석 과정을 분리하여 수행하는 것이다. 또한 분리된 추상화 과정을 관리하기 위해 수집-전처리 과정을 수행하는 데 필요한 정보를 팻 클라이언트 프로파일로 제공하고, 분석 과정에 필요한 정보를 분석 모델 설명 언어(AMDL) 프로파일로 제공한다. 두 가지 프로파일을 통해서 추상화 과정을 독립적으로 관리하여 상황인지 시스템의 기능적 확장성을 제공한다. 실험에서는 차량 출입 통제 알림 서비스를 위한 차량 이미지 인식 모델을 대상으로 팻 클라이언트 프로파일과 AMDL 프로파일의 예제를 통해 시스템의 기능적 확장성을 보이고, 비정형 데이터의 추상화 과정별 세부사항을 보인다.

전산화 단층 촬영(Computed tomography, CT) 이미지에 대한 EfficientNet 기반 두개내출혈 진단 및 가시화 모델 개발 (Diagnosis and Visualization of Intracranial Hemorrhage on Computed Tomography Images Using EfficientNet-based Model)

  • 윤예빈;김민건;김지호;강봉근;김구태
    • 대한의용생체공학회:의공학회지
    • /
    • 제42권4호
    • /
    • pp.150-158
    • /
    • 2021
  • Intracranial hemorrhage (ICH) refers to acute bleeding inside the intracranial vault. Not only does this devastating disease record a very high mortality rate, but it can also cause serious chronic impairment of sensory, motor, and cognitive functions. Therefore, a prompt and professional diagnosis of the disease is highly critical. Noninvasive brain imaging data are essential for clinicians to efficiently diagnose the locus of brain lesion, volume of bleeding, and subsequent cortical damage, and to take clinical interventions. In particular, computed tomography (CT) images are used most often for the diagnosis of ICH. In order to diagnose ICH through CT images, not only medical specialists with a sufficient number of diagnosis experiences are required, but even when this condition is met, there are many cases where bleeding cannot be successfully detected due to factors such as low signal ratio and artifacts of the image itself. In addition, discrepancies between interpretations or even misinterpretations might exist causing critical clinical consequences. To resolve these clinical problems, we developed a diagnostic model predicting intracranial bleeding and its subtypes (intraparenchymal, intraventricular, subarachnoid, subdural, and epidural) by applying deep learning algorithms to CT images. We also constructed a visualization tool highlighting important regions in a CT image for predicting ICH. Specifically, 1) 27,758 CT brain images from RSNA were pre-processed to minimize the computational load. 2) Three different CNN-based models (ResNet, EfficientNet-B2, and EfficientNet-B7) were trained based on a training image data set. 3) Diagnosis performance of each of the three models was evaluated based on an independent test image data set: As a result of the model comparison, EfficientNet-B7's performance (classification accuracy = 91%) was a way greater than the other models. 4) Finally, based on the result of EfficientNet-B7, we visualized the lesions of internal bleeding using the Grad-CAM. Our research suggests that artificial intelligence-based diagnostic systems can help diagnose and treat brain diseases resolving various problems in clinical situations.

이미지 처리기법을 이용한 균열 측정시 스마트폰 카메라 및 렌즈 적용성에 대한 연구 (A Study on Applicability of Smartphone Camera and Lens for Concrete Crack Measurement Using Image Processing Techniques)

  • 서승환;김동현;정문경
    • 한국지반신소재학회논문집
    • /
    • 제20권4호
    • /
    • pp.63-71
    • /
    • 2021
  • 최근 스마트폰의 고해상도 카메라는 영상처리 기법을 이용하여 콘크리트 균열과 같은 미세한 피사체의 측정을 가능하게 한다. 이미 접사 범위 정도의 가까운 거리에서 어플리케이션을 이용하여 균열폭을 조사하는 기술이 구현되어있으나, 이용에 제한적이므로 보다 먼 거리에서 균열을 측정할 수 있도록 스마트폰 고해상도 카메라의 사용성 검증이 필요하다. 본 연구는 2m 이내에서 거리에서 균열폭 1.0mm 이내의 두께에서 세분화된 균열폭들의 크기 인지에 초점을 두고 있다. 최근의 안드로이드 기반 스마트폰들을 대상으로 카메라 해상도에 따라 측정 구성요소인 단위 픽셀 크기와 촬영거리와의 관계를 중심으로 실험을 수행하였으며, 그 결과 0.3mm 이상 1mm 이하 미세 균열폭의 구분과 정량화를 위해서 스마트폰용 렌즈의 필요성을 확인할 수 있었다. 스마트폰용 범용 텔레센트릭 렌즈는 왜곡의 영향을 최소화하기 위해서 정확한 위치에 장착이 필요하였다. 또한, 64MP의 고해상도 스마트폰 카메라와 2배 확대렌즈를 적용한 결과 2m 이내에서 픽셀단위로 균열폭을 산정할 수 있었으며, 0.3mm, 0.5mm, 1mm 균열폭 구분이 가능하였다.

Development of big data based Skin Care Information System SCIS for skin condition diagnosis and management

  • Kim, Hyung-Hoon;Cho, Jeong-Ran
    • 한국컴퓨터정보학회논문지
    • /
    • 제27권3호
    • /
    • pp.137-147
    • /
    • 2022
  • 피부상태의 진단과 관리는 뷰티산업종사자와 화장품산업종사자에게 그 역할을 수행함에 있어서 매우 기초적이며 중요한 기능이다. 정확한 피부상태 진단과 관리를 위해서는 고객의 피부상태와 요구사항을 잘 파악하는 것이 필요하다. 본 논문에서는 피부상태 진단 및 관리를 위해 소셜미디어의 빅데이터를 사용하여 피부상태 진단 및 관리를 지원하는 빅데이터기반 피부관리정보시스템 SCIS를 개발하였다. 개발된 시스템을 사용하여 텍스트 정보 중심의 피부상태 진단과 관리를 위한 핵심 정보를 분석하고 추출할 수 있다. 본 논문에서 개발된 피부관리정보시스템 SCIS는 빅데이터 수집단계, 텍스트전처리단계, 이미지전처리단계, 텍스트단어분석단계로 구성되어 있다. SCIS는 피부진단 및 관리에 필요한 빅데이터를 수집하고, 텍스트 정보를 대상으로 핵심단어의 단순빈도분석, 상대빈도분석, 동시출현분석, 상관성분석을 통해 핵심단어 및 주제를 추출하였다. 또한 추출된 핵심단어 및 정보를 분석하고 산포도, NetworkX, t-SNE 및 클러스터링 등의 다양한 시각화 처리를 함으로써 피부상태 진단 및 관리에 있어 이를 효율적으로 사용할 수 있도록 하였다.

반려동물용 자동 사료급식기의 비용효율적 사료 중량 예측을 위한 딥러닝 방법 (A Deep Learning Method for Cost-Effective Feed Weight Prediction of Automatic Feeder for Companion Animals)

  • 김회정;전예진;이승현;권오병
    • 지능정보연구
    • /
    • 제28권2호
    • /
    • pp.263-278
    • /
    • 2022
  • 최근 IoT 기술의 발달로 외출 중에도 반려동물에 급여하도록 자동 사료급식기가 유통되고 있다. 그러나 자동급식에서 중요한 중량을 측정하는 저울 방식은 쉽게 고장이 나고, 3D카메라 방식은 비용이 든다는 단점이 있으며, 2D카메라 방식은 중량 측정의 정확도가 떨어진다. 특히 사료가 복합된 경우 중량 측정 문제는 더욱 어려워질 수 있다. 따라서 본 연구의 목적은 2D카메라를 사용하면서도 중량을 정확하게 추정할 수 있는 딥러닝 접근법을 제안하는 것이다. 이를 위해 다양한 합성곱 신경망을 이용하였으며, 그중 ResNet101 기반 모델이 3.06 gram의 평균 절대 오차와 3.40%의 평균 절대비 오차를 기록하며 가장 우수한 성능을 보였다. 본 연구의 결과로 사료와 같이 규격화된 물체의 중량을 확보가 용이한 2D 이미지를 통해서만 예측할 필요가 있을 경우 유용한 정보로 활용될 수 있다.

철도역사 승강장 연단부 마감 탈락에 대한 원인 분석 및 개선 방안 (Analysis of the Finishing Failure in the Railway Station Platform and Deduction of Improvement Plans)

  • 고세원;유영수;구본상;김지환
    • 한국건설관리학회논문집
    • /
    • 제23권1호
    • /
    • pp.46-53
    • /
    • 2022
  • 철도 승강장은 승객, 열차 운행의 안전 및 철도 시설에 대한 이미지와 밀접한 관련이 있는 중요 시설물로 철저한 시설관리가 필요하다. 그러나 승강장 연단부에서 이질재료의 줄눈 마감을 위한 마감재가 선로방향으로 탈락하는 현상이 전국에서 다발적으로 발생하고 있어 열차 운행 안정성 및 이용객의 안전 확보를 위해 즉각적이고 지속적인 관리가 필요한 상황이다. 본 연구는 승강장 연단부에서 발생하는 마감재의 탈락 현상에 대한 분석을 통해 개선방안을 도출하고자 하였다. 이를 위해 200여 곳의 철도 역사 승강장 연단부에 대한 마감재 탈락 현황과 이와 관련된 국가철도공단의 설계·시공 기준이 조사되었다. 이후 해당 내용을 기반으로 마감재 탈락 원인이 분석되었으며 그 결과 주된 원인은 시공 중 발생하는 노반-건축 공정 간 경계인 것으로 도출되었다. 이후 도출된 원인과 설계 및 시공기준을 연계하여 (1)마감재료 또는 시공방법 개선, (2)높이 조절 용이한 마감재료, (3)별도 마감방법 고안, (4)마감재의 공정방법 및 내구성과 관련된 개선방안을 제시하였다.

데이터 확장을 통한 토지피복분류 U-Net 모델의 성능 개선 (The Performance Improvement of U-Net Model for Landcover Semantic Segmentation through Data Augmentation)

  • 백원경;이명진;정형섭
    • 대한원격탐사학회지
    • /
    • 제38권6_2호
    • /
    • pp.1663-1676
    • /
    • 2022
  • 최근 딥러닝을 활용한 토지피복분류 기법 연구가 다수 수행되고 있다. 그런데 양질의 토지피복 학습데이터를 충분하게 구축되지 못하여 성능이 저하되는 양상이 확인되었다. 이에 따라 본 연구에서는 데이터 확장 기법의 적용을 통한 토지피복분류 성능의 향상을 확인하였다. 분류 모델로는 U-Net이 활용되었으며 AI Hub에서 제공하는 토지피복 위성 이미지 자료를 연구자료로 활용하였다. 원본 데이터로 학습한 모델과 데이터 확장 기법이 적용된 데이터로 학습한 모델의 픽셀 정확도는 각각 0.905와 0.923이었으며 평균 F1 스코어는 각각 0.720과 0.775로 데이터 확장 기법을 적용하였을 때가 보다 우수한 성능을 나타내는 사실을 확인할 수 있었다. 또한 원본 학습데이터를 활용하여 학습한 모델의 경우 건물, 도로, 논, 밭, 산림, 비대상 지역 클래스에 대한 F1 스코어가 0.770, 0.568, 0.733, 0.455, 0.964 그리고 0.830이었으며, 데이터 확장을 적용하였을 때에 각 클래스에 대한 F1 스코어는 각각 0.838, 0.660, 0.791, 0.530, 0.969 그리고 0.860으로 모든 클래스에 대해 데이터 확장이 성능향상에 유효하다는 사실을 확인하였다. 또한, 클래스 균형에 대한 고려없이 데이터 확장을 적용했음에도 불구하고 데이터 불균형에 의한 클래스별 성능 왜곡을 완화할 수 있다는 사실을 확인할 수 있었다. 이는 절대적인 학습데이터의 양이 증가했기 때문이라 판단된다. 본 연구 결과는 다양한 영상 처리 분야에서 데이터 확장 기법의 중요성과 효과를 증명하는 기반 자료의 역할을 수행할 것으로 기대한다.