• 대한원격탐사학회지
• /
• 제36권5_2호
• /
• pp.975-988
• /
• 2020

변화탐지는 서로 다른 시점에 촬영된 영상에서 일어난 변화를 관측하는 기술로 위성영상을 활용한 원격탐사 분야에서 중요한 기술이다. 변화탐지 기법 중 하나인 무감독 변화탐지 기법은 단시간 내에 변화지역을 추출할 수 있는 장점을 지니지만, 임계값을 통해 변화된 지역을 이진영상으로 나타내기 때문에 토지피복변화를 파악하기 어렵다는 단점이 있다. 본 연구는 이러한 무감독 변화탐지의 단점을 보완하기 위해 공간정보를 기반으로 생성된 격자 포인트를 이용하여 위성영상의 토지피복변화 및 정확도 평가를 수행하였다. 변화탐지 알고리즘은 Spectral Angle Mapper(SAM)를 사용하였으며, 김제자유무역지역 일대를 촬영한 KOMPSAT-3A(K3A) 위성영상을 대상으로 진행하였다. 변화탐지결과는 자동 임계값 추출 알고리즘들 중 Otsu, Kittler, Kapur, Tsai 방법을 사용하여 이진영상으로 나타냈다. 또한, 변화탐지에 사용된 두 시점의 위성영상은 계절에 의한 식생 변화가 존재하기 때문에 확률밀도함수를 통한 Differenced Normalized Difference Vegetation Index(dNDVI)의 임계값으로 계절적 영향을 받는 지역을 제거하였다. 연구 결과, 자동 임계값 추출 알고리즘 중 Otsu와 Kapur의 정확도가 58.16%로 나타났고, dNDVI를 통해 계절적 영향을 제거하였을 때 85.47%로 정확도가 개선된 결과를 보였다. 본 연구결과를 기반으로 생성된 알고리즘은 무감독 변화탐지를 수행할 때 정확도 평가와 토지피복변화를 정량적으로 파악하여 기존의 단점을 보완할 수 있다고 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제16권1호
• /
• pp.133-142
• /
• 2011

멀티홉 무선 네트워크에서 TCP가 동작하는 경우, 유선 네트워크와 무선 네트워크의 서로 다른 특성으로 인하여 TCP의 심각한 성능저하가 초래된다. 이것은 TCP가 무선오류로 인해 발생되는 패킷손실을 혼잡으로 인해 발생한 패킷손실로 간주하여 데이터 전송률을 불필요하게 감소시키기 때문이다. 이러한 성능저하를 피하기 위해서 혼잡손실과 무선손실을 구별하는 많은 기법들이 연구되어 왔으나, 이들 기법들은 무선손실에 대한 탐지정확도가 기대만큼 높지 않거나, 무선손실에 대한 탐지정확도가 높으면 혼잡손실에 대한 정확도가 낮아지는 경향을 보인다. 본 논문은 혼잡손실에 대한 탐지정확도의 희생을 최소화하면서, 무선손실에 대한 탐지정확도를 높이는 송신자 기반의 패킷손실 구별기법을 제안한다. 본 기법은 네트워크 혼잡과 상호 관련성이 높은TCP 송 수신자간의 큐 사용률을 추정하고, 추정된 큐 사용률과 특정 임계값을 비교하여 혼잡손실과 무선손실을 구별한다. 네트워크 시뮬레이터인 QualNet을 이용한 실험에서는 기존 기법과 제시된 기법간의 혼잡손실에 대한 탐지정확도와 무선손실에 대한 탐지정확도를 구분하여 비교평가하고, 홉 수 증가에 따른 성능향상을 비교평가 한다. 실험 결과는 멀티홉 무선 네트워크상에서 본 기법이 가장 높은 탐지정확도를 가질 뿐만 아니라 TCP의 성능을 가장 높게 향상시킴을 보인다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.89-92
• /
• 2005

Using natural speech commands for controlling a human-robot is an interesting topic in the field of robotics. In this paper, our main focus is on the verification of a speaker who gives a command to decide whether he/she is an authorized person for commanding. Among possible dynamic features of natural speech, pitch period is one of the most important ones for characterizing speech signals and it differs usually from person to person. However, current techniques of pitch detection are still not to a desired level of accuracy and robustness. When the signal is noisy or there are multiple pitch streams, the performance of most techniques degrades. In this paper, we propose a two-level approach for pitch detection which in compare with standard pitch detection algorithms, not only increases accuracy, but also makes the performance more robust to noise. In the first level of the proposed approach we discriminate voiced from unvoiced signals based on a neural classifier that utilizes cepstrum sequences of speech as an input feature set. Voiced signals are then further processed in the second level using a modified standard AMDF-based pitch detection algorithm to determine their pitch periods precisely. The experimental results show that the accuracy of the proposed system is better than those of conventional pitch detection algorithms for speech signals in clean and noisy environments.

• 한국지능시스템학회논문지
• /
• 제20권5호
• /
• pp.645-651
• /
• 2010

최근 지능형 범죄가 늘면서 첨단 보안 기술에 대한 요구가 점차 늘어나고 있다. 현재까지 보고된 위조영상검출방법은 실용화를 위하여 정확도 개선이 요구된다. 본 논문에서는 사람의 얼굴에 대하여 동공의 반사광을 이용한 얼굴위조판별 시스템을 제안한다. 제안된 시스템은 먼저 다중 스케일 가버특징 벡터를 기반으로 눈의 위치를 찾은 후 2단계의 템플릿 매칭을 통해서 설정된 적용범위를 벗어나는 눈에 대하여 위조판별을 고려하지 않음으로써 정확도를 높이는 방법을 사용한다. 신뢰도가 확보된 눈의 위치를 기반으로 적외선 조명에 반사되는 동공의 특징을 이용하여 눈위치 근처에서의 화소값을 계산하여 위조 여부를 판단한다. 실험을 통하여 본 논문에서 제안한 방법이 더욱 신뢰성 높은 위조판별시스템임을 확인하였다.

• 정보보호학회논문지
• /
• 제32권2호
• /
• pp.267-277
• /
• 2022

최근 클라우드 및 원격 근무 환경의 비중이 증가함에 따라 다양한 정보보안 사고들이 발생하고 있다. 조직의 내부자가 원격 접속으로 기밀 자료에 접근하여 유출을 시도하는 사례가 발생하는 등 내부자 위협이 주요 이슈로 떠오르게 되었다. 이에 따라 내부자 위협을 탐지하기 위해 기계학습 기반의 방법들이 제안되고 있다. 하지만, 기존의 내부자 위협을 탐지하는 기계학습 기반의 방법들은 편향 및 분산 문제와 같이 예측 정확도와 관련된 중요한 요소를 고려하지 않았으며 이에 따라 제한된 성능을 보인다는 한계가 있다. 본 논문에서는 편향 및 분산을 고려하는 부스팅 유형의 앙상블 학습 알고리즘들을 사용하여 악의적인 내부자 탐지 성능을 확인하고 이에 대한 면밀한 분석을 수행하며, 데이터셋의 불균형까지도 고려하여 최종 결과를 판단한다. 앙상블 학습을 이용한 실험을 통해 기존의 단일 학습 모델에 기반한 방법에서 나아가, 편향-분산 트레이드오프를 함께 고려하며 유사하거나 보다 높은 정확도를 달성함을 보인다. 실험 결과에 따르면 배깅과 부스팅 방법을 사용한 앙상블 학습은 98% 이상의 정확도를 보였고, 이는 사용된 단일 학습 모델의 평균 정확도와 비교하면 악의적인 내부자 탐지 성능을 5.62% 향상시킨다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권5호
• /
• pp.1433-1449
• /
• 2023

In recent years, the rapid development of social networks has led to a rapid increase in the amount of information available on the Internet, which contains a large amount of sensitive information related to pornography, politics, and terrorism. In the aspect of sensitive image detection, the existing machine learning algorithms are confronted with problems such as large model size, long training time, and slow detection speed when auditing and supervising. In order to detect sensitive images more accurately and quickly, this paper proposes a multiclassification sensitive image detection method based on lightweight Convolutional Neural Network. On the basis of the EfficientNet model, this method combines the Ghost Module idea of the GhostNet model and adds the SE channel attention mechanism in the Ghost Module for feature extraction training. The experimental results on the sensitive image data set constructed in this paper show that the accuracy of the proposed method in sensitive information detection is 94.46% higher than that of the similar methods. Then, the model is pruned through an ablation experiment, and the activation function is replaced by Hard-Swish, which reduces the parameters of the original model by 54.67%. Under the condition of ensuring accuracy, the detection time of a single image is reduced from 8.88ms to 6.37ms. The results of the experiment demonstrate that the method put forward has successfully enhanced the precision of identifying multi-class sensitive images, significantly decreased the number of parameters in the model, and achieved higher accuracy than comparable algorithms while using a more lightweight model design.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2009년도 IWAIT
• /
• pp.592-595
• /
• 2009

In this paper, we propose a face detection technique for still pictures which sequentially uses a skin-color model and a support vector machine (SVM). SVM is a learning algorithm for solving the classification problem. Some studies on face detection have reported superior results of SVM over neural networks. The SVM method searches for a face in a picture while changing the size of the window. The detection accuracy and the processing time of SVM vary largely depending on the complexity of the background of the picture or the size of the face. Therefore, we apply a face candidate area detection method using a skin-color model as a preprocessing technique. We compared the method using SVM alone with that of the proposed method in respect to face detection accuracy and processing time. As a result, the proposed method showed improved processing time while maintaining a high recognition rate.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권7호
• /
• pp.3076-3092
• /
• 2020

An IKPCA-ELM-based intrusion detection method is developed to address the problem of the low accuracy and slow speed of intrusion detection caused by redundancies and high dimensions of data in the network. First, in order to reduce the effects of uneven sample distribution and sample attribute differences on the extraction of KPCA features, the sample attribute mean and mean square error are introduced into the Gaussian radial basis function and polynomial kernel function respectively, and the two improved kernel functions are combined to construct a hybrid kernel function. Second, an improved particle swarm optimization (IPSO) algorithm is proposed to determine the optimal hybrid kernel function for improved kernel principal component analysis (IKPCA). Finally, IKPCA is conducted to complete feature extraction, and an extreme learning machine (ELM) is applied to classify common attack type detection. The experimental results demonstrate the effectiveness of the constructed hybrid kernel function. Compared with other intrusion detection methods, IKPCA-ELM not only ensures high accuracy rates, but also reduces the detection time and false alarm rate, especially reducing the false alarm rate of small sample attacks.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.625-627
• /
• 2022

In the construction and development of modern industrial production technology, the traditional technology management mode is faced with many problems such as low qualification rates and high application costs. In the research, an improved workpiece defect detection method based on deep learning is proposed, which can control the application cost and improve the detection efficiency of irregular defects. Based on the research of the current situation of deep learning applications, this paper uses the improved Faster R-CNN network structure model as the core detection algorithm to automatically locate and classify the defect areas of the workpiece. Firstly, the robustness of the model was improved by appropriately changing the depth and the number of channels of the backbone network, and the hyperparameters of the improved model were adjusted. Then the deformable convolution is added to improve the detection ability of irregular defects. The final experimental results show that this method's average detection accuracy (mAP) is 4.5% higher than that of other methods. The model with anchor size and aspect ratio (65,129,257,519) and (0.2,0.5,1,1) has the highest defect recognition rate, and the detection accuracy reaches 93.88%.

• 대한산업공학회지
• /
• 제38권1호
• /
• pp.17-24
• /
• 2012

We address some potential problems with the existing procedures of outlier detection in time series. Also we propose modifications in estimating model parameters and outlier effects in order to reduce the number of tests and to increase the detection accuracy. Experiments with some artificial data sets show that the proposed procedure significantly reduces the number of tests and enhances the accuracy of estimated parameters as well as the detection power.