• 한국터널지하공간학회 논문집
• /
• 제26권2호
• /
• pp.129-152
• /
• 2024

터널 내 CCTV를 통한 딥러닝 객체인식 적용에 있어서 터널의 열악한 환경조건, 즉 낮은 조도 및 심한 원근현상으로 인해 오탐지가 대량 발생한다. 이 문제는 객체인식 성능에 기반한 영상유고시스템의 신뢰성 문제로 직결되므로 정탐지 향상과 더불어 오탐지의 저감 방안이 더욱 필요한 상황이다. 이에 본 논문은 딥러닝 객체인식 모델을 기반으로, 오탐지 데이터의 재학습을 통해 오탐지의 저감뿐만 아니라 정탐지 성능 향상도 함께 추구하는 오탐지 학습법을 제안한다. 본 논문의 오탐지 학습법은 객체인식 단계를 기반으로 진행되며, 학습용 데이터셋 초기학습 - 검증용 데이터셋 추론 - 오탐지 데이터 정정 및 데이터셋 구성 - 학습용 데이터셋에 추가 후 재학습으로 이어진다. 본 논문은 이에 대한 성능을 검증하기 위해 실험을 진행하였으며, 우선 선행 실험을 통해 본 실험에 적용할 딥러닝 객체인식 모델의 최적 하이퍼파라미터를 결정하였다. 그리고 본 실험에서는 학습영상 포맷을 결정하기 위한 실험, 반복적인 오탐지 데이터셋의 재학습을 통해 장기적인 성능향상을 확인하기 위한 실험을 순차적으로 진행하였다. 그 결과, 첫 번째 본 실험에서는 추론된 영상 내에서 객체를 제외한 배경을 제거시키는 경우보다 배경을 포함시키는 경우가 객체인식 성능에 유리한 것으로 나타났으며, 두 번째 본 실험에서는 재학습 차수별 독립적으로 오탐지 데이터를 재학습시키는 경우보다 차수마다 발생하는 오탐지 데이터를 누적시켜 재학습 시키는 경우가 지속적인 객체인식 성능 향상 측면에서 유리한 것으로 나타났다. 두 실험을 통해 결정된 방법으로 오탐지 데이터 재학습을 진행한 결과, 차량 객체 클래스는 1차 재학습 이후부터 AP값이 0.95 이상 우수한 추론 성능이 발현되었으며, 5차 재학습까지 초기 추론 대비 약 1.06배 추론성능이 향상되었다. 보행자 객체 클래스는 재학습이 진행됨에 따라 지속적으로 추론 성능이 향상되었으며, 18차 재학습까지 초기 추론대비 2.3배 이상 추론성능이 자가 향상될 수 있음을 보였다.

• Clinical and Experimental Reproductive Medicine
• /
• 제23권3호
• /
• pp.341-349
• /
• 1996

초기배의 성판정은 대상가축의 성을 선발하는 수단으로써 뿐만아니라 인간의 유전적 질병의 조기진단법으로서 매우 가치가 크다. 체외수정 소 초기배의 성을 결정하기 위해 PCR과 PRINS를 이용하였으며 성판정에 이용된 8 세포${\sim)$배반포기 초기배는 체외수정후 난관상피세포와의 공배양에 의해 생산되었다. 초기배 의 DNA는 $200{\mu}g/ml$ proteinase K가 함유된 PCR lysis buffer에 하나의 초기배를 부유한 후 $50^{\circ}C$에서 1시간동안 처리하여 준비하였다. 중기 염색체 spreads는 초기배를 nocodazole로 처리한 후 air-drying 방법을 이용하여 준비하였다. 가능한 false positive signals을 배제하기 위해 소특이 및 Y 염색체 특이 primers를 이용하여 PCR을 수행한 결과, 웅성 초기배에서는 두 개의 증폭산물 (소특이 및 Y 염색체 특이)이 합성된 반면 자성 초기배에서는 하나의 증폭산물만 합성되었다. 한편 중기염색체상의 Y 염색체를 동정하기 위해 FISH와 PRINS를 수행한 결과, FISH에서보다 PRINS에서 더 강한 Y 염색체 특이 형광 signals이 탐지되었다. 이러한 결과는 PCR에 의한 체외생산 소 초기배의 신속정확하고 효율적인 성판정이 가능함을 보여주었다. 또한 PRINS를 통해 PCR 에 이용된 Y 특이 probe의 신뢰성이 염색체 수준에서 확인되었다.

• 대한원격탐사학회지
• /
• 제33권5_1호
• /
• pp.547-557
• /
• 2017

본 연구에서는 탐지하고자 하는 표적신호를 초기 엔드멤버로 하여 Iterative Error Analysis를 통해 배경물질들의 반사 스펙트럼을 순차적으로 엔드멤버로 추출하고, 추출된 엔드멤버들을 이용하여 분광 혼합분석함으로써 표적물질의 분포를 탐지하는 새로운 초분광 표적탐지 기법을 제안한다. 제안된 기법에서는 표적물질에 대한 점유율의 변화가 주어진 문턱값보다 작아질 때 엔드멤버 추출을 위한 반복을 멈추게 된다. 이 기법은 Orthogonal Subspace Projection과 같은 모델 기반 표적 탐지기법들과 달리 사전에 엔드멤버들을 확보해야 할 필요가 없으며, Matched Filter와 같은 확률론적 표적 탐지 기법들과 달리 배경 전체를 하나의 신호로 특징화하지 않기 때문에 표적의 희소성 여부에 의한 영향을 받지 않는다는 장점을 가지고 있다. 실제 항공 초분광 영상자료 및 다양한 인공 표적물질들이 삽입된 모의 초분광 영상자료를 이용한 실험 결과, 제안된 방법이 희소 및 비 희소 표적의 탐지에 매우 효과적임이 확인되었다. 제안된 방법은 표적 물체 탐지뿐만 아니라 광물, 오염물질 등 자원 및 환경 분야에서 다양한 피복 물질을 탐지하는데 효과적으로 사용될 수 있을 것으로 기대된다.

• 토지주택연구
• /
• 제14권3호
• /
• pp.145-155
• /
• 2023

최근 건설산업 분야에 BIM 기술의 활용이 보편화되면서 3D 모델과 실제 시공 부위의 오류 확인 등을 위해 다양한 객체 탐지 알고리즘들이 활용되고 있다. 객체 탐지 기술은 건축물, 교량, 터널 등 건설시설물의 종류에 따라 객체 특성이 상이하므로 객체 탐지 기술도 적절한 방법을 사용할 필요가 있다. 또한 객체 탐지를 위해서는 초기 객체 이미지가 있어야 하며 이를 위해서도 드론, 스마트폰 등 다양한 방법으로 이미지 취득이 가능하다. 본 연구에서는 철도와 도로 시설의 터널 부위에 대하여 초기 이미지 구축을 위해 터널 내부 촬영에 최적화된 360° 카메라를 이용하여 이미지를 촬영하고, 촬영된 이미지로부터 실제 객체를 탐지하기 위한 객체 탐지 방법론으로 YOLO 알고리즘, SSD 알고리즘 및 R-CNN 알고리즘을 적용하여 방법론별 객체 탐지의 정확도를 비교 분석한다. 분석 결과 Faster R-CNN 알고리즘이 SSD, YOLO v5 알고리즘에 비해 높은 인식률 및 mAP 값을 가졌으며 인식률들의 최소·최대 값의 차이가 작아 균등한 검측 능력을 나타냈다. 이러한 연구는 철도와 도로 시설공사에 BIM 적용이 확산되고 있는 점을 고려하면 360° 카메라의 활용 방법 확대와 유지보수를 위한 터널 시설 부위의 객체 탐지 방법론 적용에 활용될 수 있다.

• 한국측량학회지
• /
• 제35권6호
• /
• pp.599-608
• /
• 2017

아스팔트 도로표면의 균열은 자동차 속도, 연료 소비량, 도로주행 시 승차감, 도로표면의 내구성 등에 영향을 미친다. 이러한 도로의 균열은 장시간 방치 시 상당히 위험한 결과를 초래할 수 있다. 사람이 직접 균열을 찾아 내어 적절한 조치를 취하기에는 너무 많은 시간과 비용이 소모된다. 또한 고가의 레이저 장비 차량들을 활용하기에는 초기 비용과 장비 운용에 어려움을 가진다. 이에 본 연구에서는 UAV 영상을 이용해 컴퓨터 비전 기반의 관심영역(ROI: Region of Interest) 설정과 에지 검출 알고리즘을 적용하여 도로표면의 균열탐지 방안을 제시하였다. 본 연구 결과는 무인항공기를 활용한 효율적인 도로표면 결함탐지 및 유지보수 방안으로 제시될 수 있다. 또한 도로 이외 건물빌딩의 외벽, 대규모 저장 탱크 등 다양한 건축, 토목 구조물에 발생된 균열 탐지에 활용이 가능하며 비용저감 효과를 기대할 수 있을 것이다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2010년도 춘계학술대회
• /
• pp.121-127
• /
• 2010

본 연구에서는 피해 전 후 고해상도 항공영상을 이용하여 풍수해 피해정보를 자동 추출하는데 있어 결과물의 신뢰성 제고 방안에 대해 연구하였다. 연구 대상지역은 2008년 집중호우로 인해 큰 피해를 입은 경상북도 봉화지역을 선정하였으며, 해당 지역 중 특히 피해가 집중된 서벽리, 애당리 지역에 대하여 피해 전 후 영상을 확보하고 자동탐지를 수행하였다. 피해 지역의 자동탐지 수행 전 Normalizing, 대비강조, Equalizing 등의 영상처리를 수행하고, 자동추출 결과의 정확도를 비교하여 피해항목별 최적의 영상처리를 결정하였다. 최적의 영상처리가 적용된 영상에 대하여 피해 항목별 피해형태를 파악하였으며, 가장 정확한 결과물이 추출되는 최적의 임계치를 결정하였다. 도로 항목의 경우 Normalizing 영상처리를 수행하고 임계치를 120으로 부여하여 자동탐지를 수행한 경우 가장 정확한 추출 결과가 나타났으며, 농경지 항목의 경우 대비강조 영상처리와 임계치가 100으로 부여된 경우 피해 지역의 추출이 가장 정확하게 나타났다. 본 연구결과는 향후 유사한 재해 발생 시 초기 신속한 피해규모 산출이 가능하게 하여 적절한 후속 조치를 취할 수 있도록 한다. 또한, 다중밴드 피해 전 후 영상 확보가 가능할 경우 추가적인 피해 항목의 최적 영상처리와 임계치 결정이 가능해지며, 토지피복 분류를 거쳐 피해지역 자동탐지 수행 시 원하는 피해항목만을 선택적으로 추출하는 것도 가능할 것으로 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제25권10호
• /
• pp.15-22
• /
• 2020

본 연구에서는 가중치 오차 함수를 적용하여, 미세한 콘크리트 균열을 감지하는 U-Net 모델을 만들 수 있도록 개선 방안을 제안한다. 콘크리트 균열은 안전을 위협하는 요소이기 때문에 그 상태를 주기적으로 파악하고 신속하게 초기 대응을 하는 것이 중요하다. 하지만 현재는 점검자가 직접 육안으로 검사하고 평가하는 외관 검사법이 주로 사용되고 있다. 이는 정확성뿐만 아니라 비용과 시간, 안전성 측면에서도 한계점을 가진다. 이에 콘크리트 구조물에 생성되는 미세한 균열을 신속하고 정밀하게 탐지할 수 있도록 딥러닝을 활용한 기술들이 연구되고 있다. 본 연구에서 U-Net을 활용한 균열 탐지를 시도한 결과, 미세한 균열을 탐지하지 못하는 것을 확인하였다. 이에 제시한 가중치 오차 함수를 적용하여 학습한 모델에 대해 성능을 검증한 결과, 정확도(Accuracy) 99% 이상, 조화평균(F1_Score) 89%에서 92%의 신뢰성 높은 수치를 도출해내었고, 미세한 균열을 정확하고 선명하게 탐지한 결과를 통해 학습 개선 방안의 성능을 검증하였다.

• 대한전자공학회논문지SP
• /
• 제40권6호
• /
• pp.98-105
• /
• 2003

본 논문은 유전자 알고리즘을 이용한 새로운 레이더 펄스열 탐지 기법을 제안하며, 전자전 시스템의 위협식별을 위한 펄스열 분리에 사용될 목적으로 개발되었다. 기존의 펄스열 탐지는 히스토그램 혹은 연속 웨이브렛 변환을 이용한 결정론적 접근이 일반적이었으나, 전자전 신호환경에서 빈번히 발생하는 신호누락, 잡음 및 대전자전 레이더 신호에 대해서는 탐지 신뢰성이 떨어진다. 제안한 기법은 펄스 도래시간만을 이용하는 펄스열 탐지 기법으로서 유전자 알고리즘의 확률론적 특성을 이용하여 설계되었다. 본 기법에서는 펄스의 도래 시간차를 초기 염색체로 구성하였으며, 펄스위상을 정의하여 이를 이용한 적합도 검증을 수행하였다. 그리고 다중 신호원의 분리를 목적으로 하는 레이더 펄스열 탐지를 위해서 비용함수를 이용한 조기 종료 및 그룹화를 적용하였다. 제안한 기법을 이용하여 모의 레이더 신호에 대해 실험한 결과 기존의 방법에 비해 탐지 위협개수 및 펄스 반복 주기의 탐지 정확도가 향상되었음을 확인하였다.

• 정보처리학회논문지B
• /
• 제16B권4호
• /
• pp.289-298
• /
• 2009

능동 윤곽선 모델, 즉 스네이크 알고리즘은 물체 탐지 및 추적에 사용되는 유용한 알고리즘이다. 그러나 이 알고리즘은 요소별 가중치 부여 및 반복단계 시 많은 변수가 필요하고, 초기화 애로 및 계산상 불안정성 등의 단점이 있다. 따라서 본 논문에서는 이러한 단점을 개선하여 보다 효과적인 이동물체 탐지 및 추적을 위해 기존 스네이크 알고리즘의 외부 에너지를 개선한 새로운 에너지 보정 스네이크(ECS) 알고리즘을 제안한다. 이를 위해 이동물체 이동 시 획득한 차영상 이미지를 4개의 방향성 이미지로 복사하고 각 이미지 픽셀에 대해 누적 연산 후 에너지 강화배열 내 저장 및 노이즈 제거를 통해 안정적인 이미지, 즉 외부 에너지를 획득한다. 또한 별도로 계산된 내부 에너지를 통해 얻어진 윤곽선(contour)을 외부 에너지에 병합함으로써 빠르고 쉬운 이동물체 탐지 및 추적이 가능하다. 제안한 알고리즘의 효용성을 확인하기 위해 3가지 상황을 대상으로 실험하였다. 실험 결과, 제안한 알고리즘이 기존 스네이크 알고리즘에 비해 탐지율은 평균 6$\sim$9%, 추적율은 6$\sim$11% 정도의 향상을 보였다.

• 정보보호학회논문지
• /
• 제32권6호
• /
• pp.1139-1150
• /
• 2022

SW 산업의 급속한 발전과 함께 새롭게 개발되는 코드와 비례해서 취약한 코드 또한 급증하고 있다. 기존에는 전문가가 수동으로 코드를 분석하여 취약점을 탐지하였지만 최근에는 증가하는 코드에 비해서 분석하는 인력이 부족하다. 이 때문에 기존 Vuldeepecker와 같은 많은 연구에서는 RNN 기반 모델을 이용하여 취약점을 탐지하였다. 그러나 RNN 모델은 코드의 양이 방대할수록 새롭게 입력되는 코드만 학습되고 초기에 입력된 코드는 최종 예측 결과에 영향을 주지 못하는 한계점이 있다. 또한 RNN 기반 방법은 입력에 Word2vec 모델을 사용하여 단어의 의미를 상징하는 embedding을 먼저 학습하여 고정 값으로 RNN 모델에 입력된다. 이는 서로 다른 문맥에서 다른 의미를 표현하지 못하는 한계점이 있다. BERT는 Transformer 모델을 기본 레이어로 사용하여 각 단어가 전체 문맥에서 모든 단어 간의 관계를 계산한다. 또한 MLM과 NST 방법으로 문장 간의 앞뒤 관계를 학습하기 때문에 취약점 탐지와 같은 코드 간 관계를 분석해야 할 필요가 있는 문제에서 적절한 방법이다. 본 논문에서는 BERT 모델과 결합하여 취약점 탐지하는 연구를 수행하였고 실험 결과 취약점 탐지의 정확성이 97.5%로 Vuldeepecker보다 정확성 1.5%. 효율성이 69%를 증가하였다.