• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07a
• /
• pp.208-210
• /
• 2005

공격 방법의 다양화와 지능화에 대응하기 위해 침입탐지시스템(IDS)의 성능도 향상되고 있다. 특히, 데이터 마이닝 기반의 침입탐지시스템은 기존 침입탐지시스템의 많은 문제점을 개선시켰다. 그러나 데이터 마이닝에 기반한 침입탐지시스템의 탐지 정확도가 트레이닝 데이터(training data)에 포함된 속성(features)과 선택된 axis 및 reference 속성에 의해 결정됨에도 불구하고 현재의 데이터 마이닝 기반의 침입탐지시스템은 트레이닝 데이터에 포함된 고유의 속성만을 고려하기 때문에 탐지 정확도를 향상시키는 데는 한계가 있다. 따라서 본 논문에서는 데이터 마이닝에 기반한 침입탐지시스템의 탐지 정확도를 향상시키기 위하여 기존 데이터 마이닝 기반의 침입탐지시스템이 고려했던 고유의 속성 외에 침입과 밀접하게 관련되고 axis및 reference속성으로도 사용될 수 있는 새로운 속성을 제안한다.

• Journal of Digital Convergence
• /
• v.14 no.1
• /
• pp.195-201
• /
• 2016

In this paper, we present the direction finding accuracy of correlative interferometer method and amplitude-phase comparison method. Spiral antennas are used for amplitude-phase comparison method and blade antennas are used for correlative interferometer method. Those are made for uniform circular array (UCA) direction finding antenna systems. We simulate the accuracy of azimuth angle with 3 antennas UCA when SNR is 20 dB and baseline is 0.5 wave length. Correlative interferometer method has better accuracy than amplitude-phase comparison method.

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.9
• /
• pp.49-55
• /
• 2021

In this paper, an enhanced 2-stage vehicle license plate detection scheme using object segmentation is proposed to detect accurately the rotated license plates due to the inclined photographing angles in real-road situations. With the previous 3-stage vehicle license plate detection pipeline model, the detection accuracy is likely decreased as the license plates are declined. To resolve this problem, we propose an enhanced 2-stage model by replacing the frontal two processing stages which are for detecting vehicle area and vehicle license plate respectively in only rectangular shapes in the previous 3-stage model with one step to detect vehicle license plate in arbitrarily shapes using object segmentation. According to the comparison results in terms of the detection accuracy of the proposed 2-stage scheme and the previous 3-stage pipeline model against the rotated license plates, the accuracy of the proposed 2-stage scheme is improved by up to about 20% even though the detection process is simplified.

• Korean Journal of Remote Sensing
• /
• v.38 no.5_1
• /
• pp.559-570
• /
• 2022

When a satellite image has low spatial resolution, it is difficult to detect small objects. In this research, we aim to check the effect of super resolution on object detection. Super resolution is a software method that increases the resolution of an image. Unpaired super resolution network is used to improve Sentinel-2's spatial resolution from 10 m to 3.2 m. Faster-RCNN, RetinaNet, FCOS, and S²ANet were used to detect vessels in the Sentinel-2 images. We experimented the change in vessel detection performance when super resolution is applied. As a result, the Average Precision (AP) improved by at least 12.3% and up to 33.3% in the ship detection models trained with the super-resolution image. False positive and false negative cases also decreased. This implies that super resolution can be an important pre-processing step in object detection, and it is expected to greatly contribute to improving the accuracy of other image-based deep learning technologies along with object detection.

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.1
• /
• pp.93-101
• /
• 2021

In this paper, a vehicle license plate detection scheme is proposed that uses the spatial attention areas to detect accurately the license plates in various real-road situations. First, the previous WPOD-NET was analyzed, and its detection accuracy is evaluated as lower due to the unnecessary noises in the wide detection candidate areas. To resolve this problem, a vehicle license plate detection model is proposed that uses the candidate area of the license plate as a spatial attention areas. And we compared its performance to that of the WPOD-NET, together with the case of using the optimal spatial attention areas using the ground truth data. The experimental results show that the proposed model has about 20% higher detection accuracy than the original WPOD-NET since the proposed scheme uses tight detection candidate areas.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.15 no.4
• /
• pp.104-114
• /
• 2016

Potholes have caused diverse problems such as wheel damage and car accident. A pothole detection technology is the most important to provide efficient pothole maintenance. The previous pothole detections have been performed by manual reporting methods. Thus, the problems caused by potholes have not been solved previously. Recently, many pothole detection systems based on video cameras have been studied, which can be implemented at low costs. In this paper, we propose a new pothole detection algorithm based on saliency map information in order to improve our previously developed algorithm. Our previous algorithm shows wrong detection with complicated situations such as the potholes overlapping with shades and similar surface textures with normal road surfaces. To address the problems, the proposed algorithm extracts more accurate pothole regions using the saliency map information, which consists of candidate extraction and decision. The experimental results show that the proposed algorithm shows better performance than our previous algorithm.

• The Journal of Korean Institute of Electromagnetic Engineering and Science
• /
• v.28 no.8
• /
• pp.653-660
• /
• 2017

In this paper, the author analyzes direction finding accuracy based on phase comparisons to estimate elevation and azimuth angles of arrival signals. This paper considers the uniform array configurations using four and three elements. In that direction finding structures, I present the analytic expressions for estimated elevation and azimuth angles and then analyze the direction finding errors. And one presents the design guideline of direction finding system in comparison with aspects of accuracy, structure, the number of channels in that structures. The analysis result is similar with simulation one and has difference within $1.2^{\circ}RMS$. From the proposed analysis results, one knows that when SNR is 20 dB and the baseline is half of wavelength, the estimated elevation accuracy of the uniform array using four elements is 1.15 times better than the one of the uniform array using three elements and the estimated azimuth accuracy is same each other. In addition, one knows coning error is eliminated in 2-D direction finding structure.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2007.06a
• /
• pp.127-132
• /
• 2007

위성영상 기술의 발달과 고해상도 위성영상의 해상도 규제가 완화됨에 따라 건물의 높이 정보를 획득하는데 있어 고해상도 위성영상의 그림자 정보를 이용하는 연구들이 활발히 수행되어지고 있다. 그림자 정보를 이용하여 건물 높이 정보를 획득하는 연구의 정확도를 높이기 위해서는 정확한 건물의 그림자 탐지가 선행되어야 한다. 따라서 본 논문에서는 단영상을 이용한 그림자 탐지기법인 임계값법(Thresholding), 영상분류법, 영역확장법(Region Growing)을 건물의 그림자 탐지에 적용하여 각 기법의 장단점과 정확도를 평가하였다. 영상에서 수동으로 건물의 그림자를 디지타이징한 참조 자료와 기법들을 적용하여 탐지한 결과 영상을 시각적으로 비교하였고, 오차행렬(Confusion Matrix)을 이용한 전체정확도(Accuracy), F-measure, AOR(Area Overlap Ratio)을 이용하여 정량적인 정확도평가를 수행하였다. 실험결과 영역확장법을 적용한 경우 시각적 정량적으로 가장 높은 정확도를 보였으며, 영상분류법을 적용한 경우 시각적으로는 임계값을 적용한 경우보다 좋은 결과를 보였으나 정량적으로는 가장 낮은 정확도를 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11b
• /
• pp.949-952
• /
• 2002

비정상 행위를 탐지하는 네트워크 기반 침입탐지 시스템은 다른 네트워크 환경에서도 같은 학습정확도와 탐지 성능을 보여야 한다. 그러나 학습을 통한 패턴생성 알고리즘의 특성에 따라 정확도의 불일치가 나타날 수 있으며, 이에 따른 탐지 성능 또한 네트워크 환경에 따라 다르게 보고될 수 있는 가능성을 가진다. 본 논문은 침입탐지를 위한 학습 알고리즘으로 Instance 기반의 알고리즘인 IBL(Instance Based Learning)을 선택하여 학습시간의 단축과 패턴생성에 따른 분류근거의 명확성을 고려하였으며, 학습 환경 즉, 네트워크 환경의 차이에서 나타날 수 있는 정확도의 저하를 고려하여 COBWEB 과 C4.5 로 구성된 평가 요소를 침입탐지 모델에 추가함으로써 네트워크 보안관리자에게 좀더 유연한 비정상 행위 수준 탐지결과를 보고할 수 있게 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.2-2
• /
• 2023

기후변화가 가속화로 인해 수재해의 빈도와 강도 예측이 어려워짐에 따라 실시간 홍수 모니터링에 대한 수요가 증가하고 있다. 합성개구레이다는 광원과 날씨에 무관하게 촬영이 가능하여 수재해 발생시에도 영상을 확보할 수 있다. 합성개구레이다를 활용한 수체 탐지 알고리즘 개발이 활발히 연구되어 왔고, 딥러닝의 발달로 CNN을 활용하여 높은 정확도로 수체 탐지가 기능해졌다. 하지만, CNN 기반 수체 탐지 모델은 훈련시 높은 정량적 정확성 지표를 달성하여도 추론 후 정성적 평가시 경계와 소하천에 대한 탐지 정확성이 떨어진다. 홍수 모니터링에서 특히 중요한 정보인 경계와 좁은 하천에 대해서 정확성이 떨어짐에 따라 실생활 적용이 어렵다. 이에 경계를 강화한 적대적 학습 기반의 수체 탐지 모델을 개발하여 더 세밀하고 정확하게 탐지하고자 한다. 적대적 학습은 생성적 적대 신경망(GAN)의 두 개의 모델인 생성자와 판별자가 서로 관여하며 더 높은 정확도를 달성할 수 있도록 학습이다. 이러한 적대적 학습 개념을 수체 탐지 모델에 처음으로 도입하여, 생성자는 실제 라벨 데이터와 유사하게 수체 경계와 소하천까지 탐지하고자 학습한다. 반면 판별자는 경계 거리 변환 맵과 합성개구레이다 영상을 기반으로 라벨데이터와 수체 탐지 결과를 구분한다. 경계가 강화될 수 있도록, 면적과 경계를 모두 고려할 수 있는 손실함수 조합을 구성하였다. 제안 모델이 경계와 소하천을 정확히 탐지하는지 판단하기 위해, 정량적 지표로 F1-score를 사용하였으며, 육안 판독을 통해 정성적 평가도 진행하였다. 기존 U-Net 모델이 탐지하지 못하던 영역에 대해 제안한 경계 강화 적대적 수체 탐지 모델이 수체의 세밀한 부분까지 탐지할 수 있음을 증명하였다.