• 한국콘텐츠학회논문지
• /
• 제8권1호
• /
• pp.282-289
• /
• 2008

협력적 필터링을 개선하기 위하여 많은 기술들이 개발되고 실용화되었으나 아이템의 연관 관계를 정확하게 반영하지는 못한다. 본 논문에서는 협력적 필터링의 문제점을 보완하기 위하여 단어 빈도와 ${\alpha}$-cut에 의한 연관 웹문서 분류를 이용한 추천 시스템을 제안한다. 제안된 방법은 형태소 분석을 통한 웹문서에서 단어를 추출하고 빈도 가중치를 계산한다. 추출된 단어를 Apriori 알고리즘을 이용해서 연관 규칙을 생성하고 신뢰도에 단어 빈도 가중치를 적용한다. 그리고 연관 규칙 하이퍼그래프 분할을 이용하여 연관 단어간의 유사도를 계산한다. 마지막으로 유사 클래스를 기반으로 연관 웹문서를 ${\alpha}$-cut을 이용하여 분류하고 개선된 코사인 유사도를 이용하여 유사도를 계산한다. 실험 결과 제안한 방법이 기존의 방법들보다 우수함을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제16권3호
• /
• pp.367-371
• /
• 2006

MLP는 뛰어난 학습능력으로 인하여 많은 분야에 성공적으로 적용되고 있다. 그러나, 학습 방법으로서 최급경사법에 근거한 오차역전파 알고리즘을 적용하기 때문에 학습시간이 오래 걸리는 단점이 있다. 또한 입력차원의 크기가 크거나 클래스간 학습데이터의 유사성이 클 경우 최적의 파라미터를 구하는데는 한계가 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 LDA와 local MLP을 이용한 새로운 얼굴인식시스템을 제안하고자 한다. 제안된 방법은 우선 LDA 기법에 의해 차원이 축소된 얼굴의 특징벡터를 계산한다. 다음 단계로서 전체 학습영상을 사용하기 보다는 그룹별로 분할된 얼굴영상에 대해 MLP를 수행하므로서 그룹별로 최적인 파라미터를 결정한다. 마지막 단계로 그룹별로 수행된 local MLP를 결합함으로써 전체 얼굴인식 시스템을 구성한다. 제안된 방법의 타당성을 보이기 위해 ORL 얼굴영상을 대상으로 실험한 결과 기존 방법인 PCA나 LDA에 비해 향상된 결과를 보임을 확인할 수 있었다.

• 한국건축시공학회지
• /
• 제21권5호
• /
• pp.397-408
• /
• 2021

건설업은 업무상 재해 발생빈도와 사망자 수가 다른 산업군에 비해 높아 가장 위험한 산업군으로 불린다. 정부는 건설 현장에서 발생하는 산업 재해를 줄이고 예방하기 위해 CCTV 설치 의무화를 발표했다. 건설 현장의 안전 관리자는 CCTV 관제를 통해 현장의 잠재된 위험성을 찾아 제거하고 재해를 예방한다. 하지만 장시간 관제 업무는 피로도가 매우 높아 중요한 상황을 놓치는 경우가 많다. 따라서 본 연구는 딥러닝 기반 컴퓨터 비전 모형 중 개체 분할인 YOLACT와 다중 객체 추적 기법인 SORT을 적용하여 다중 클래스 다중 객체 추적 시스템을 개발하였다. 건설 현장에서 촬영한 영상으로 제안한 방법론의 성능을 MS COCO와 MOT 평가지표로 평가하였다. SORT는 YOLACT의 의존성이 높아서 작은 객체가 적은 데이터셋을 학습한 모형의 성능으로 먼 거리의 물체를 추적하는 성능이 떨어지지만, 크기가 큰 객체에서 뛰어난 성능을 나타냈다. 본 연구로 인해 딥러닝 기반 컴퓨터 비전 기법들의 안전 관제 업무에 보조 역할로 업무상 재해를 예방할 수 있을 것으로 판단된다.

• 한국음향학회지
• /
• 제26권3호
• /
• pp.123-128
• /
• 2007

본 논문에서는 수중 천이 신호에 대한 식별 알고리즘을 제안한다. 일반적으로 해양의 배경잡음은 스펙트럼 특성 및 에너지 변화가 적은 정재성을 갖는 반면에 천이 신호는 스펙트럼 및 에너지 변화가 큰 비정재성을 가진다. 따라서 수중 천이 신호 식별을 위하여 선행되어져야 하는 수중 천이 신호 탐지에서는 프레임 단위로 스펙트럼 변이와 에너지 변화를 이용한다. 제안한 수중 천이 신호 식별 알고리즘에서는 특징 벡터를 추출하기 위하여 위그너-빌 분포 함수를 기반으로 고유치 분해를 이용한다. 추출된 특징 벡터를 기반으로 탐지된 수중 천이 신호의 특징 벡터와 식별하고자 하는 데이터베이스에 있는 기준 신호의 특징 벡터와의 상관 값을 프레임 단위로 계산하고, 각 클래스별로 프레임 사상도를 산출하여 최대 값을 갖는 기준 신호로 탐지된 수중 천이 신호를 식별한다.

• 한국멀티미디어학회논문지
• /
• 제14권1호
• /
• pp.33-43
• /
• 2011

고밀도 파장 분할 다중화 방식(DWDM: Dense-Wavelength Division Multiplexing)을 백본 기술에 활용한 IP/DWDM 차세대 광 인터넷 백본망에서 중요한 문제점 중 하나는, 다양한 하이퍼미디어 응용 서비스들이 요구하는 서비스 품질(QoS: Quality-of-Service)을 고려하여 효율적인 유니캐스트 및 멀티캐스트 라우팅 방법을 제공하는 것이다. 백본망에서 DWDM 기술을 적용하면 파이버 당 여러 개의 파장을 사용할 수 있으므로, 클래스 별로 결합된 IP 트래픽 들을 QoS별로 분류하여 파장 별로 차등화한 전송이 가능하므로 망 대역폭의 효율적인 사용이 가능하다. QoS별로 여러 가지 제약조건을 만족하는 광 파장 패스를 찾는 문제는 일반적으로 NP-complete 문제로 간단한 알고리즘으로 해결하기가 쉬지 않다. 일반적으로 DWDM 망에서 연구된 대부분의 휴리스틱 방법들은 현재 인터넷 라우팅 패러다임 하에서 연구된 개념을 확장하여 활용하는 데, 망 자체가 견고하지 않고 노드 수가 많을 때에는 더더욱 복잡하고 구현하기가 쉽지 않다. 본 논문에서는 이를 해결하기 위해 가상소스와 플러딩에 기초한 QoS 제공 유니캐스트 라우팅 및 멀티캐스트 라우팅 방법인 VS-QUR(Virtual Source-Qualified Unicast Routing)과 VS-QMR(Virtual Source-Qualified Multicast Routing) 방법을 제안한다. 제안된 방법들은 라우팅 패스를 찾기 위해 훨씬 적은 수의 메시지 오버헤드와 같은 조건에서 더 많은 수의 연결이 보장됨을 시뮬레이션 결과로 증명한다.

• 융합신호처리학회논문지
• /
• 제11권2호
• /
• pp.177-182
• /
• 2010

시스템수준 설계방법론에서 널리 사용하고 있는 설계흐름도는 시스템명세, 시스템수준의 하드웨어/소프트웨어 분할, 하드웨어/소프트웨어 통합설계, 가상 또는 물리적 프로토타입을 이용한 통합검증, 시스템통합으로 구성된다. 시스템의 하드웨어 구성요소를 개발하는 과정에서 이전까지는 디자인단계가 많은 시간 및 노력을 요구하는 단계였지만, 현재에는 설계한 디자인의 기능적 검증단계가 중요 요소로 간주되고 있다. 본 논문에서는 시스템수준 설계언어인 SystemC 기반의 테스트벤치 구조를 이용하여 Verilog HDL로 설계된 하드웨어 구성요소의 올바른 동작여부를 판별하는 기능검증시스템을 설계하였다. 설계된 기능검증시스템에서 SystemC 모듈의 멤버 변수와 Verilog 모듈의 와이어 및 레지스터 변수간의 데이터 전달은 본 논문에서 정의되는 SystemC 사용자 정의 통신채널을 통하여 이루어진다. 제안된 기능검증시스템을 UART에 적용하여 올바른 동작여부를 판별하였다. 본 논문의 기능검증시스템 설계에 사용된 SystemC는 C++기반의 하드웨어 모델링용 클래스 라이브러리를 제공하므로 RT 수준보다 높은 추상화수준에서 소프트웨어와 하드웨어 또는 이 둘을 결합한 시스템수준의 모델링을 단일 언어와 환경에서 설계할 수 있는 이점이 있다. 또한 기능검증시스템 설계에 작성된 SystemC 모듈 코드들은 부분적인 코드 수정 후 다른 하드웨어 구성요소의 기능을 검증하는데 재사용할 수 있는 이점이 있다.

• 한국멀티미디어학회논문지
• /
• 제6권2호
• /
• pp.194-207
• /
• 2003

본 논문에서는 객체 데이터베이스 시스템에서 중포 속성에 대한 색인구조로 다차원 색인구조를 이용하는 다차원 중포 속성 색인구조(Multidimensional Hefted Attribute Index: MD-NAI)의 최적 설계 기법을 제시한다. MD-NAI는 $B^{+}$-tree와 같은 일차원 색인구조를 이용한 중포 속성 색인구조에서 지원할 수 없는 클래스 계층과 중포 속성이 포함된 복합 형태의 질의들에 대한 처리를 잘 지원할 수 있다. 그러나, MD-NAI는 사용자 질의 형태에 따라 색인검색의 성능이 매우 나빠질 수 있다 본 논문에서는 질의 형태에 따른MD-NAI의 성능 개선을 위하여, 먼저 중포 술어에 대한 질의 정보로서 색인 페이지 영역의 최적 모양을 결정하고, 이 최적 모양을 갖는 색인페이지 영역의 모양이 되도록 하는 영역분할 전략을 적용하여 최적의 MD-NAI를 구성한다. 또한, 성능평가를 위하여 MD-NAI를 이용하여 다양한 중포 술어의 형태와 객체 분포에 대하여 실시한 실험 결과를 제시한다. 성능평가의 결과에 의하면, 주어진 질의 패턴에 따라 최적 의 MD-NAI를 구성할 수 있었으며, 삼차원 MD-NAI의 경우에 질의 영역의 구간비가 1:16:256일 때 기존의 순환분할 전략에 의한 MD-NAI에 비해 성능이 5.5배 이상까지 향상되었다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.112-119
• /
• 2019

본 논문에서는 불꽃 감지를 위한 임베디드 시스템에 적합한 딥러닝 구조를 제안한다. 제안하는 딥러닝 구조의 불꽃 감지 과정은 불꽃 색깔 모델을 사용한 불꽃 영역 검출, 불꽃 색깔 특화 딥러닝 구조를 사용한 불꽃 영상 분류, 검출된 불꽃 영역의 $N{\times}N$ 셀 분리, 불꽃 모양 특화 딥러닝 구조를 사용한 불꽃 영상 분류 등의 4가지 과정으로 구성된다. 첫 번째로 입력 영상에서 불꽃의 색만을 추출한 다음 레이블링하여 불꽃 영역을 검출한다. 두 번째로 검출된 불꽃 영역을 불꽃 색깔에 특화 학습된 딥러닝 구조의 입력으로 넣고, 출력단의 불꽃 클래스 확률이 75% 이상에서만 불꽃 영상으로 분류한다. 세 번째로 앞 단에서 75% 미만 불꽃 영상으로 분류된 영상들의 검출된 불꽃 영역을 $N{\times}N$ 단위로 분할한다. 네 번째로 $N{\times}N$ 단위로 분할된 작은 셀들을 불꽃의 모양에 특화 학습된 딥러닝 구조의 입력으로 넣고, 각 셀의 불꽃 여부를 판단하여 50% 이상의 셀들이 불꽃 영상으로 분류될 경우에 불꽃 영상으로 분류한다. 제안된 딥러닝 구조의 성능을 평가하기 위하여 ImageNet의 불꽃 데이터베이스를 사용하여 실험하였다. 실험 결과, 제안하는 딥러닝 구조는 기존의 딥러닝 구조보다 평균 29.86% 낮은 리소스 점유율과 8초 빠른 불꽃 감지 시간을 나타내었다. 불꽃 검출률은 기존의 딥러닝 구조와 비교하여 평균 0.95% 낮은 결과를 나타내었으나, 이는 임베디드 시스템에 적용하기 위해 딥러닝 구조를 가볍게 구성한데서 나온 결과이다. 따라서 본 논문에서 제안하는 불꽃 감지를 위한 딥러닝 구조는 임베디드 시스템 적용에 적합함이 입증되었다.

• 대한원격탐사학회지
• /
• 제38권6_4호
• /
• pp.1925-1934
• /
• 2022

원격탐사 기술을 활용한 접근불능 지역에 대한 핵활동 모니터링은 핵 비확산을 위해 필수적이다. 최근에는 딥러닝을 이용하여 핵활동 관련 객체를 탐지하는 연구가 활발하게 수행되고 있으나, 고해상도 위성영상 내 소형객체는 클래스 불균형 발생 빈도가 높다. 이로 인해 소형객체 탐지 성능이 저하되는 문제점이 존재한다. 이에 본 연구에서는 입력 데이터 내 핵활동 관련 소형객체의 비율이 딥러닝 모델 성능에 미치는 영향을 분석하여 탐지 정확도를 개선하기 위한 방안을 도출하고자 한다. 이를 위해 소형객체 비율이 상이한 6가지 학습자료를 구축하여 학습자료별로 U-Net 모델 학습을 진행하고, 다양한 종류의 소형객체가 포함된 test dataset을 이용하여 학습된 U-Net 모델 간 정량적·정성적 비교평가를 수행하였다. 그 결과, 입력영상 내 객체 픽셀 비율을 조절하였을 때 핵활동 관련 소형객체를 효과적으로 탐지할 수 있는 것이 확인되었으며, 이를 통해 훈련 자료 내 객체 비율을 조정하여 딥러닝 모델 성능을 향상시킬 수 있을 것으로 판단된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권2호
• /
• pp.77-82
• /
• 2023

본 논문은 농림축산식품부에서 구축한 농경지 전자지도인 팜맵을 딥러닝을 이용하여 농경지 속성정보인 논, 밭, 인삼, 과수, 시설, 비경지의 속성 정보를 판독하는 방안을 제안한다. 팜맵은 항공 및 위성 영상을 이용하여 현실 세계의 농경지를 디지털화하여 작물 생산 현황 파악과 드론 운영에 공간정보로 활용되고 있으며, 판독 매뉴얼을 작성하여 매년 사람을 통해 농경지의 경계를 구획하고 속성을 판독하여 갱신한다. 사람을 통한 농경지 속성판독은 사람의 판독 역량과 경험에 따라 차이를 보이며, 판독 오류는 예산과 공간적 시간적 한계로 직접 현장에 갈 수 없어 현실적으로 검증이 쉽지 않다. 팜맵은 5가지의 농경지 속성의 이미지에 해당 객체의 위치 정보와 클래스 정보를 가지고 있어 적합한 AI의 기법은 인스턴스 분할 모델인 ResNet50으로 실험을 진행하였으며, 딥러닝을 이용한 농경지 속성판독과 사람에 의한 속성판독 결과를 비교하여, 향후 다른 결과를 나타내는 속성판독에 집중하여 기술을 개발한다면 속성 오류를 줄이고 농경지 전자지도의 정확성 향상에 큰 역할을 할 것으로 기대된다.