• 한국지능시스템학회논문지
• /
• 제15권5호
• /
• pp.581-587
• /
• 2005

본 논문에서는 1차 모멘트와 뉴우턴법의 고정점 알고리즘 독립성분분석을 조합한 얼굴인식 기법을 제안하였다. 여기서 1차 모멘트는 입력되는 얼굴영상의 중심좌표를 계산하는 것이며, 이는 얼굴을 중심 이동하여 인식에 불필요한 배경을 배제시킴으로써 인식성능을 개선시키기 위함이다. 고정점 알고리즘의 독립성분분석은 통계적으로 독립인 얼굴특징들의 집합인 기저영상을 빠르게 얻기 위함이다. 제안된 기법을 64*64 픽셀의 48개(12명*4장) 얼굴영상을 대상으로 city-block, Euclidean, 그리고 negative angle의 3가지 거리 척도를 분류척도로 이용하여 실험하였다. 실험결과, 제안된 기법은 전처리과정을 거치지 않는 단순히 독립기저영상만을 이용하는 기법보다 우수한 인식성능이 있음을 확인하였다. 특히 city-block이 Euclidean이나 negative angle의 거리척도보다 상대적으로 정확하게 유사성을 측정할 수 있었다.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.149-154
• /
• 2021

초분광 이미지는 일반 이미지와 달리 전자기 스펙트럼을 파장에 따라 수많은 밴드로 나누어 촬영된 것으로 고용량 고해상도 이미지이다. 일반 이미지보다 정보량이 많아 물체나 물질 탐사에 활용된다. 처리할 초분광 이미지의 정보량을 줄이기 위해 밴드 선택(band selection)기법을 활용한다. 기존 밴드 선택기법들은 통계를 바탕으로 하는 휴리스틱한 기법으로, 시간이 오래 걸리며, 일반성과 보편성이 떨어지는 경우가 많다. 이를 보완하기 위해 본 논문에서는 양자화 개념(Quantization)를 활용하여, 이산 범위(Discrete Range)를 통해 범위별로 대표적인 밴드를 뽑아 밴드 선택에 사용한다. 실험 결과를 통해 제안 기법이 기존 밴드 선택 방식보다 수행 시간이 매우 빠르며 밴드 수를 1/10~1/7로 줄였음에도 원본과 성능 정확도가 유사함을 보였다.

• 한국정보통신학회논문지
• /
• 제24권6호
• /
• pp.700-705
• /
• 2020

생성적 적대 신경망(GAN, Generative Adversarial Network)은 두 개의 신경망을 대립하여 이미지를 생성하는 방법이다. 이미지를 생성할 때 랜덤으로 생성한 노이즈를 재배열하여 이미지를 생성하는데 이러한 방법으로 생성된 이미지는 노이즈에 따라 생성이 잘 이루어지지 않고, 이미지의 픽셀이 적은 경우 제대로 된 이미지를 생성하기 어렵다는 문제점이 발생할 수 있다. 또한 데이터 분류에서 데이터가 쌓이는 속도와 크기가 증가되는데 이들을 라벨링하는 데는 많은 어려움이 있다. 본 논문에서는 이를 해결하기 위해 랜덤으로 생성하던 노이즈에 실제 데이터를 사용하여 노이즈를 생성하고 이를 기반으로 이미지를 생성하는 기법을 제안한다. 제안하는 시스템은 기존에 있는 이미지를 기반으로 하는 이미지를 생성하는 것이므로 좀 더 자연스러운 이미지의 생성이 가능하다는 것을 확인하였고 이를 학습에 이용할 경우 기존의 생성적 적대 신경망을 사용한 방법보다 더 높은 적중률을 보임을 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제22권2호
• /
• pp.103-108
• /
• 2022

본 논문에서는 회귀 매니폴드 3-D PCA 기반 새로운 이미지 분석 방법을 제안한다. 제안된 방법은 대용량 이미지 데이터 입력 시 효율적인 차원 축소를 위해 개선된 매니폴드 3-D PCA와 PCA의 비선형 확장이 가능한 오토인코더를 기반으로 설계된 구조로 회귀분석 알고리즘으로 구성된 새로운 이미지 분석 방법이다. 오토인코더의 구성으로는 이미지 픽셀 값을 3차원 회전을 통한 최전의 초평면을 도출하는 회귀 매니폴드 3-D PCA와 딥러닝 구조와 유사한 Bayesian Rule 구조를 적용한다. 성능 검증을 위해 실험을 수행한다. 미세먼지 이미지를 활용하여 이미지를 향상되며, 이를 분류 모델을 통한 정확도 성능 평가를 수행한다. 그 결과 딥러닝 성능에 유효함을 확인할 수 있다.

• 한국산업정보학회논문지
• /
• 제27권4호
• /
• pp.1-10
• /
• 2022

컴퓨터 비전을 활용하여 인간의 시각을 해석하려는 시도가 다양한 분야에서 발전되어 왔다. 본 논문에서는 도로영상으로부터 영상의 의미론적 분할 결과를 통해 보행 환경을 평가하는 방법을 제안한다. 먼저 도로영상을 수집하기 위해 카카오 지도 API를 활용하였으며 전주시지역의 약 5만 점에서 4방향 영상을 수집한다. 수집된 영상의 20%는 크라우드 소싱기반 쌍체 비교를 통해 데이터 셋을 구축하고, 쌍체 비교 데이터를 이용하여 다양한 회귀 모델을 훈련한다. 영상 데이터의 보행성 점수를 도출하기 위해 순위 알고리즘인 Trueskill 알고리즘을 활용하여 랭킹 점수를 계산하고, 구축된 데이터를 활용하여 다양한 회귀모델을 사용한 보행성 평가 및 분석 작업을 수행한다. 본 연구를 통해 사람의 시각이 아닌 픽셀 분포 분류 정보 간의 상관관계를 통해 컴퓨터 시스템만으로 전주시의 보행 환경을 평가하고 점수를 도출해 낼 수 있다는 것을 보여준다.

• 정보처리학회논문지B
• /
• 제19B권2호
• /
• pp.99-106
• /
• 2012

본 연구에서는 각기 다른 측정 부위에서 도출된 골밀도와 골소주 패턴 간의 상관관계를 복합적으로 분석하여 측정부위에 따른 평가변수의 골다공증 예측 가능성을 평가하고자 하였다. 실험대상은 40대 이상의 폐경기 이후 여성 40명을 선정하였고, T-Score 분류법에 따라 각각 20명의 정상군 및 골다공증군으로 분류하였다. 실험대상의 골밀도는 이중 에너지 X선 흡수 계측법을 통해 대퇴경부(Femoral Neck), 전자부(Trochanter) 및 워드 삼각부(Ward's Triangle)에서 측정하였다. 또한 각 측정부위에 $50{\times}50$ 픽셀 크기의 관심영역을 지정하고, 기존 연구에서 제안된 영상처리기법을 적용하여 각 영역의 골소주 패턴을 추출하였다. 골다공증을 예측하기 위한 평가변수는 구조적 변수(평균 회색조, 골면적, 골둘레, 골두께, 말단거리), 골격화 변수(골개수, 골길이) 및 프랙탈 차원(fractal dimension)으로 구분되는 총 8가지를 선정하였다. 실험결과, 골면적, 골둘레, 골두께, 말단거리, 골개수, 골길이 및 프랙탈 차원이 골밀도를 유의하게 반영하였고(p<0.003), 평가변수의 분석을 통한 골다공증의 높은 예측 가능성을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1693-1705
• /
• 2023

국토 면적의 약 90%를 차지하는 농촌은 여러가지 공익적 기능을 수행하는 공간으로서 중요성과 가치가 증가하고 있지만 주거지 인근에 축사, 공장, 태양광패널 등 주민생활에 불편을 미치는 시설들이 무분별하게 들어서면서 농촌 환경과 경관이 훼손되고 주민 삶의 질이 낮아지고 있다. 농촌지역의 무질서한 개발을 방지하고 농촌 공간을 계획적으로 관리하기 위해서는 농촌지역 내 위해시설에 대한 탐지 및 모니터링이 필요하다. 주기적으로 취득 가능하고 전체 지역에 대한 정보를 얻을 수 있는 위성영상을 통해 데이터의 취득이 가능하고, 합성곱 신경망 기법을 통한 영상 기반 딥러닝 기술을 활용하여 효과적인 탐지가 가능하다. 따라서 본 연구에서는 의미적 분할(Semantic segmentation)에서 높은 성능을 보이는 U-Net 모델을 이용하여 농촌 지역에서 잠재적으로 위해시설이 될 수 있는 농촌시설을 분류하는 연구를 수행하였다. 본 연구에서는 2020년에 제작된 공간해상도 0.7 m의 KOMPSAT 정사모자이크 광학영상을 한국항공우주연구원으로부터 제공받아 사용하였으며 축사, 공장, 태양광 패널에 대한 AI 학습용 데이터를 직접 제작하여 학습 및 추론을 진행하였다. U-Net을 통해 학습시킨 결과 픽셀 정확도(pixel accuracy)는 0.9739, mean Intersection over Union (mIOU)은 0.7025의 값을 도출하였다. 본 연구 결과는 농촌 지역의 위험 시설물 모니터링에 활용될 수 있으며, 농촌계획 수립에 있어 기초 자료로 활용될 수 있을 것으로 기대된다.

• 한국지반공학회논문집
• /
• 제40권3호
• /
• pp.77-84
• /
• 2024

도로 하부의 노후하 된 매설물이 손상되면 공동 및 지반 함몰 등의 재해가 발생할 가능성이 있고 이는 사회적인 비용을 발생시킨다. 본 연구의 목적은 적외선 카메라를 활용하여 공동 위치에 따른 열적 특성을 평가하고 CNN 알고리즘으로 각 공동 위치에 적합한 분류를 수행하고자 하였다. 가로×세로×깊이가 400cm×50cm×40cm인 대상 부지에서 PVC pipe를 상부, 중부 그리고 하부에 매설하여 공동을 조성하였다. 실험부지의 상부에는 포장층을 모사하기 위하여 콘크리트 블록을 설치하였고, 오후 4시부터 다음날 12시까지 측정이 진행되었다. 적외선 카메라로 측정된 초기 온도는 각각 43.7℃, 43.8℃ 그리고 41.9℃로 관측되었고, 측정값은 대기온도 변화가 반영되었다. CNN 알고리즘으로 분류를 진행하기 위해서는 이미지 데이터가 필요하며, 해당 연구에서는 RP 알고리즘을 통해 수치데이터를 이미지로 변환하였다. RP 알고리즘은 4가지 방법을 활용하여 이미지를 생성하였고, 각각의 이미지는 10,000×10,000, 2,000×2,000, 1,000×1,000 그리고 100×100 픽셀로 구성된다. CNN 학습 정확도는 각각 99%, 97%, 98% 그리고 96%로 매우 높게 나타났다. 제안된 방법의 신뢰성은 수치데이터의 정확도와 비교하였으며, 신뢰성이 약 20% 이상 향상된 결과가 나타났다. 이와 같은 결과는 RP 알고리즘으로 전환된 데이터가 적외선 측정된 값의 신뢰성 있는 결과 제공이 가능함을 시사한다.

• 대한핵의학회지
• /
• 제36권3호
• /
• pp.166-176
• /
• 2002

목적: 이 연구의 목적은 시각 활성 자극에 의한 뇌 활성영역을 확인하고 국소 뇌 혈류량을 정량적으로 분석하는데 그 목적이 있다. $^8F-fluoro-2-deoxy\;glucose\;(FDG)\;PET$과 $^{15}O-water\;PET$에서 시각 자극을 가하는 동안 시각피질에서의 기전이 확인되었으며 PET에 비해 적은 비용으로 널리 사용되고 있는 $^{99m}Tc-HMPAO$ Brain SPECT를 이용하여 시각자극을 주었을 때 대뇌 후두엽의 일차시각피질과 시각 연합 피질에서의 국소 뇌 혈류 변화율을 정량적으로 분석하고자 하였다. 대상 및 방법: 오른손을 주로 사용하는 25세에서 33세의 나이 분포를 갖는 남자 3, 여자 3명(평균나이 26.7세)의 정상인을 대상으로 $^{99m}Tc-HMPAO$ Brain SPECT (925 MBq)를 시행하였고 8 Hz의 발광다이오드를 이용하여 $4{\sim}5$분 동안 시각활성 자극을 주었을 때와 대조군으로 자극을 가하지 않은 비 활성상태에서의 경우로 나누어 스캔하고 해부학적 기준정보를 제공하기 위해 MR 영상과 융합하였으며 관심영역을 설정하여 혈류량을 정량적으로 분석하였다. 결과: 정량적인 분석을 위해 대뇌의 전체 용적과 계수율을 계산하고 관심 영역을 설정하여 관심영역에 대한 복셀 당 평균 계수율을 측정하여 각 대상의 시각 활성자극을 가한 영상에서 정상 상태의 영상을 픽셀 당 픽셀로 감산하여 통계적 파라미터를 이용한 뇌 지도를 구성하였으며 뇌 활성이 Brodmann 영역의 시각피질(Ba 17)과 시각연합피질(Ba 18,19)에서 활성화되어 있음을 Talairach 좌표를 통해 확인하였고 regional index를 계산하여 국소 뇌혈류 변화율을 측정하였다. 결론: $^{99m}Tc-HMPAO$ Brain SPECT에서 8 Hz의 발광 다이오드로 시각 자극을 주었을 때 후두엽의 일차 시각피질과 시각 연합 피질에서 뇌 활성화를 확인하였고 통계적 파라미터를 이용한 SPM99에서 뇌 지도를 작성하여 시각자극에 의한 활성영역을 Talairach 좌표와 Brodmann 분류에 의해 확인하여 T1 강조 MR 영상에 융합하였다. 후두엽의 일차시각피질에서 시각 활성자극에 의해 국소 뇌 혈류량이 $32.50{\pm}5.67%$ 증가하고 있음을 정량적으로 분석하였다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.925-938
• /
• 2022

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다.