본 논문에서는 세선화 지문 영상의 순차적 레이블링을 이용하여 위치 이동, 크기 변화 그리고 회전에 무관한 새로운 지문 융선 특징 검출 알고리즘을 제안한다. 제안한 알고리즘은 먼저 지문의 중심점을 지나는 수직선을 이용하여 세선화 지문 영상의 융선을 순차적으로 레이블링 한다. 그리고 레이블링한 개개의 융선들로부터 특징을 검출한다 검출하는 특징은 융선의 종류와 융선에 존재하는 특징점의 융선 각도이다. 이러한 방법을 이용하여 지문 융선의 특징을 검출하면, 지문을 이루고 있는 여러 융선들의 종류를 알 수 있고, 각 융선에 존재하는 특징점의 종류 및 이들의 각도를 알 수 있다. 두 개의 세선화 지문 영상을 이용하여 실험한 결과, 제안하는 알고리즘이 위치 이동, 크기 변화 그리고 회전에 무관한 지문 융선 특징을 검출함을 확인하였다.
사람의 눈동자는 얼굴 크기와 비교해 볼 때 상대적으로 일정한 거리를 가지고 있기 때문에 이미지 정규화에 있어서 중요한 지표로 사용된다. 이 논문은 이러한 특징을 이용해 최적화된 세그멘테이션 방법을 사용하여 눈동자 검출의 새로운 접근방법을 소개한다. 눈 검출 방법은 세 가지 중요한 단계로 나눌 수 있다. (1)흑백 영상에서 눈 영역에 적합한 에지 추출 방법, (2)레이블링(labeling) 기법을 이용한 눈 영역 추출, (3)밝기값 정보를 이용한 눈동자 위치 검출. 실험 결과로는 다양한 조명 환경과 얼굴표정을 가진 2408장의 FERET 영상을 이용하여 98.9%의 검출 성능을 보였다.
The malignant melanoma accounts for about 1 to 3% of the total malignant tumor in the West, especially in the US, it is a disease that causes more than 9,000 deaths each year. Generally, skin lesions are difficult to detect the features through photography. In this paper, we propose a computer-aided diagnosis algorithm based on deep learning for classification of malignant melanoma and benign skin tumor in RGB channel skin images. The proposed deep learning model configures the tumor lesion segmentation model and a classification model of malignant melanoma. First, U-Net was used to segment a skin lesion area in the dermoscopic image. We could implement algorithms to classify malignant melanoma and benign tumor using skin lesion image and results of expert's labeling in ResNet. The U-Net model obtained a dice similarity coefficient of 83.45% compared with results of expert's labeling. The classification accuracy of malignant melanoma obtained the 83.06%. As the result, it is expected that the proposed artificial intelligence algorithm will utilize as a computer-aided diagnosis algorithm and help to detect malignant melanoma at an early stage.
최근 네트워크의 발달로 인해 데이터가 축적되는 속도와 크기가 증가되고 있다. 이 데이터들을 분류하는데 많은 어려움이 있는데 그 어려움 중에 하나가 라벨링의 어려움이다. 라벨링은 보통 사람이 진행하게 되는데 모든 사람이 같은 방식으로 데이터를 이해를 하는데 무리가 있어 동일한 기준으로 라벨링하는 것은 매우 어렵다는 문제가 있다. 이를 해결하기 위해 본 논문에서는 GAN을 이용하여 입력 이미지를 기반으로 새로운 이미지를 생성하고 이를 학습을 하는 데 사용을 하여 입력 데이터를 간접적으로 학습할 수 있게 구현하였다. 이를 통해 학습 데이터의 개수를 늘려 분류의 정확도를 높일 수 있을 것으로 사료된다.
In order to enhance a model's capability for detecting facial expressions, this research suggests a pipeline that makes use of the GradCAM component. The patching module and the pseudo-labeling module make up the pipeline. The patching component takes the original face image and divides it into four equal parts. These parts are then each input into a 2Dconvolutional layer to produce a feature vector. Each picture segment is assigned a weight token using GradCAM in the pseudo-labeling module, and this token is then merged with the feature vector using principal component analysis. A convolutional neural network based on transfer learning technique is then utilized to extract the deep features. This technique applied on a public dataset MMI and achieved a validation accuracy of 96.06% which is showing the effectiveness of our method.
In this paper, we present a system which enables a real-time measurement of the number and also the body length of the fry (baby fish) using a line image sensor. Here, we consider a situation that fry are transported from a pond to another, pond through a pipe. At one position of the pipe a transparent rectanglar channel is mounted. The images of the fry, which run through this rectanglar channel, are detected by a line image sensor. The image signals are digitized to binary ones and the contour of the fry are detected. After that, a real-time image analysis is executed with a digital signal processor. Labeling program analyses the connection of every pixel. The results are transfered to a personal computer and displayed on the online monitor graphically.
This study was conducted to develop an image processing system which can classify the pig's thermoregulatory behavior under the different environmental conditions. The 4 pigs of 25kg were housed in the environmentally controlled chamber(1.4m$\times$2.2m floor space). Postural behavior of the pigs was captured with an CCD color camera. The raw behavioral images were processed by thresholoding, reduction, separation of slightly contacted pigs, labeling, noise removal, computation of number of labels, and classification of the pig's behavior. The correct classification rate of the image processing system was 97.8%(88 out of 90 testing images). The results of this study showed that the image processing system could be used for a behavior-based automatic environmental controller.
본 논문은 흉부 CT에서 폐, 기관지 및 폐혈관을 자동으로 분할 할 수 있는 알고리즘을 제안 하였다. 제안된 방법은 3단계로 진행된다. 첫째는 최적 임계값과 3차원 레이블링을 통한 영역성장법으로 폐 및 기관지를 분할한다. 둘째는 기관지의 형태학적 정보를 활용하여 기관지의 첫 번째 분기점(용골)까지는 차감연산으로, 이후부터는 가변적 임계값 기법을 적용하여 기관지를 분할한다. 셋째는 폐에 대한 복원 과정으로 좌/우측 폐를 분리하고, 개선된 롤링 볼 알고리즘을 적용하여 폐 외곽의 이상 유무를 확인하며, 이상이 발견되면 그 부분을 제거하고, 2차 다항식 형태로 폐 외곽을 연결시킴으로서 정상적인 폐로 복원한다. 마지막으로 폐혈관은 임계 값 기법의 3 차원 레이블링과 3 차원 영역성장법을 적용하여 분할하였다. 시뮬레이션 결과 폐 주변조직의 손실 없이 정확하게 분할됨을 확인 할 수 있었다.
Ethylcystein dimer (ECD) was synthesized by dimerizatlon of L-thiazolidine-4-carboxylic acid in liquid ammania with sodium metal and successive esterification in ethanolic solution of hydrogen chlorde. The purified product was labeled with $^{99m}Tc$ in the presence of sodium glucarate(pH= 5.6) and stannous chloride. Best result was obtained from the preparation con sisting of 0.1mg ECD, $40{\mu}l$ of 0.4M sodium glucarate (pH=5.6), and $20{\mu}g$ of stannous chloride. The labeling efficiency was 90% with previous condition. The labeled $^{99m}Tc$-ECD was stable at least for 3 hours in PBS(pH=7.4) at room temperature. About 10mCi of $^{99m}Tc$-ECD was injected to normal volunteer, and SPECT image of brain was obtained by triple head camera 10 minutes after inection. The image showed similar distribution of radioactivity in brain with that of HMPAO image.
본 논문에서는 초점/비초점 영상에서 깊이 지도를 효율적으로 추출하기 위하여 그래프 컷(Graph Cut)과 이산 웨이블릿 변환(Discrete Wavelet Transform)을 이용한 깊이 지도 생성 기법을 제안한다. 제안하는 방법은 우선 해당 영상을 영역 별로 처리하기 위해 그래프 컷 방법으로 각 픽셀 간의 유사도를 이용하여 분할한다. 그 다음 분할 영역을 레이블링 하여 원 영상의 분할 영역 정보를 생성한다. 그리고 이산 웨이블릿 변환을 이용하여 원 영상 내의 주파수 정보를 나타내는 LL, LH, HH, HL 부대역(Subband)을 생성한다. 마지막으로 4개의 부대역 중 영상의 초점/비초점 영역을 분석할 단서가 되는 HH, HL 대역을 이용하여 주파수 지도를 생성한 뒤 분할 영역에 따라 깊이 정보를 계산함으로써 깊이 지도를 추출한다. 제안하는 방법은 초점 정보인 블러(Blur)의 양에 따라 동적인 깊이의 할당이 가능하여 효율적인 깊이 지도의 생성이 가능하였다. 실험으로 PSNR(Peak Signal to Noise Ratio) 방법을 통해 제안하는 방법의 성능을 평가하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.