• 한국전자통신학회논문지
• /
• 제12권3호
• /
• pp.451-456
• /
• 2017

컴퓨터비전에서 가장 기본적이고, 복잡한 문제를 수반하는 의미론적 분할(Semantic segmentation)은 이미지의 각 픽셀을 특정 객체로 분류하며, 레이블(label)을 지정하는 작업을 수행한다. 기존에 연구되어온 확률적 그래프 모델인 MRF와 CRF는 픽셀 수준의 라벨링 작업의 정확도를 높이는 효과적인 방법으로 연구되어왔다. 본 논문에서는 최근 각광받고 있는 딥러닝의 한 부류인 CNN과 확률 모델인 CRF를 결합한 형태의 의미론적 분할 방법을 제안하였다. 학습과 성능 검증을 위하여 Pascal VOC 2012 이미지 데이터베이스를 사용하였고, 학습에 사용되지 않은 임의의 이미지를 이용하여 테스트를 진행 하였다. 연구의 결과로서 기존 의미론적 분할 알고리즘보다 더욱 뛰어난 분할 성능을 보여주었다.

• 한국산업정보학회논문지
• /
• 제22권2호
• /
• pp.1-13
• /
• 2017

본 논문에서는 낮은 SNR을 가지는 적외선 영상에서 강인한 소형 표적 검출을 위해 모폴로지 차 연산을 수행하여 표적 후보 영역을 찾고 화소 라벨링을 통해 후보 영역의 위치를 찾는다. 기존의 모폴로지 연산 기반의 표적 검출 방법들은 적외선 영상에 존재하는 클러터에 취약하다는 단점으로 인해 검출 정확도가 낮다. 이러한 문제를 해결하기 위해 본 논문에서는 후보 영역에서 표적과 배경 잡음을 분류하기 위해 Moravec 알고리즘과 LCM(Local Contrast Measure) 알고리즘을 결합함으로써 표적 향상과 배경 잡음 억제를 동시에 달성한다. 또한, 제안하는 알고리즘은 기존에 실시간 표적 검출을 위해 개발되었던 모폴로지 연산과 가우시안 거리 함수를 이용한 표적 검출 방법의 단일 객체에 제한적인 검출 문제를 해결하여 복수 객체를 효율적으로 검출할 수 있다.

• 전자공학회논문지CI
• /
• 제46권4호
• /
• pp.102-110
• /
• 2009

본 논문은 적외선영상(infrared image)에서 배경모델링 기반의 실시간 객체 탐지 기법과 고속 PPC(PowerPC) & FPGA(Field Programmable Gate Array) 기반 개방형 구조의 하드웨어 설계 방법을 제안한다. 개방형 구조는 하드웨어 및 소프트웨어의 이식이 용이하고, 확장, 호환성, 관리 및 유지보수 등이 편리한 장점이 있다. 제안된 배경모델링 방법을 개방형 구조에 탑재하기 위하여 입력영상에서 검색영역 템플릿을 성긴 블록으로 구성하여 탐색영역의 크기를 줄인다. 또한, 이전 프레임과 현재 프레임에서 영상의 흔들림이 발생했을 때 보정하기 위해 전역움직임 보상방법을 적용한다. 배경과 객체를 분리는 픽셀 밝기의 시간 분석을 통해 적응적 값을 적용한다. 분리된 객체주변에 발생하는 클러터 제거 방법은 중앙값 필터를 적용한다. 설계된 임베디드 시스템에서 배경모델링, 객체탐지, 중앙값 필터, 라벨링, 합병 등의 방법은 PPC에서 구현하였다. 실험결과 제안된 임베디드 시스템에서 전역 움직임 보정과 배경예측을 통해 실시간으로 객체가 탐지될 수 있음을 보였다.

• 스마트미디어저널
• /
• 제5권1호
• /
• pp.15-23
• /
• 2016

본 논문은 한국의 차량 번호판 인식에 효과적인 방법을 제안한다. 획득한 자동차 이미지로부터 Haar-Like Feature를 이용해 대략적인 번호판 후보 영역을 찾아낸 후, 랭크 필터를 사용하여 전처리를 하고 캐니 에지 추출 (Canny Edge Detecting) 알고리즘을 이용하여 연결된 사각형을 찾아 번호판을 추출한다. 추출된 번호판의 색상 정보를 이용하여 흰색/녹색 번호판을 구분하고, 각 번호판을 OTSU 이진화와 주변 전경 픽셀 전파 알고리즘인 CLNF (CCLUF with NFPP)을 통해 문자를 제외한 잡음을 제거하고 레이블링하여 숫자 및 문자 영역을 분리한다. 분리된 문자 영역은 메쉬 방법 및 세선화 후 X-Y 투영 방법으로 특징 벡터를 추출한다. 추출된 특징 벡터는 역전파 알고리즘을 사용하여 학습된 신경망을 이용하여 문자 인식을 수행한다. 제안된 차량 번호판 인식 알고리즘의 효과적 동작은 실험을 통해 확인하였다.

• 한국정보처리학회논문지
• /
• 제7권2호
• /
• pp.542-551
• /
• 2000

본 논문에서는 MR 영상의 3차원 가시화 및 분석을 위한 단일 채널 MR 영상의 자동 뇌영역 분할 방법을 제안한다. 이 방법은 4단계의 2차원 및 3차원 처리에 의하여 뇌윤곽을 찾아낸다. 1,2단계에서는 곡선 적합을 이용한 자동 문턱치화에 의하여 머리마스크와 초기 뇌마스크를 생성한다. 3단계에서 입방보간으로 초기 뇌마스크의 3차원 볼륨을 생성하여 형태학적 연산, 연결부위 레이블링에 의하여 중기 뇌마스크를 생성한다. 최종적으로 곡선 적합에 의한 자동 문턱치화를 이용하여 뇌마스크를 정련한다. 제안한 알고리즘은 영상의 슬라이스 방향을 고려할 필요가 없고 영상이 뇌 전체를 포함하지 않아도 되며, T1, T2, PD, SPGR등 다양한 종류의 MR 영상의 자동적인 뇌영역의 분할에 유용하다. 실험에서 20세트 MR 영상에 대하여 수동분할을 기준으로 0.97 이상의 유지도를 보였다.

• 한국산학기술학회논문지
• /
• 제11권3호
• /
• pp.847-852
• /
• 2010

자연 영상 내에 포함된 텍스트는 영상의 다양하고 중요한 특징을 갖는다. 그러므로 텍스트를 검출하고 추출하여 인식하는 것이 중요한 연구대상으로 연구되고 있다. 최근 모바일 폰 카메라를 기반으로 다양한 분야에서 많은 응용 기술이 연구 개발되고 있다. 본 논문은 에지 및 연결요소를 이용한 장면 텍스트 검출 방법을 제안한다. 그레이스케일 영상으로부터 에지 성분 검출과 지역적 표준편차를 이용하여 텍스트 영역의 경계선을 검출하고, RGB 컬러공간의 유클리디안 거리를 기준으로 연결요소를 검출한다. 검출된 에지 및 연결요소를 레이블링하고 각각 영역의 외곽사각형을 구한다. 텍스트의 휴리스틱 이용하여 후보 텍스트를 추출한다. 후보 텍스트 영역을 병합하여 하나의 후보 텍스트 영역을 생성하고, 후보 텍스트의 지역적 인접성과 구조적 유사성으로 후보 텍스트를 검증함으로서 최종적인 텍스트 영역을 검출하였다. 실험결과 에지 및 컬러 연결요소 특징을 상호 보완함으로서 텍스트 영역의 검출률을 향상시켰다.

• 한국컴퓨터정보학회논문지
• /
• 제28권5호
• /
• pp.17-28
• /
• 2023

포장도로에서 발생하는 포트홀은 고속 주행 차량에 치명적인 영향을 미치며, 사망사고를 유발할 수 있는 도로상의 장애물이다. 이를 방지하기 위해 일반적으로는 작업자가 직접 포트홀을 탐지하는 방식을 사용해왔으나, 이는 작업자의 안전 문제와 예측하기 어려운 범주에서 발생하는 모든 포트홀을 인력으로 탐지하는 것이 비효율적이기 때문에 한계가 있다. 또한, 도로 환경과 관련된 지반 환경이 포트홀 생성에 영향을 미치기 때문에, 완벽한 포트홀 방지는 어렵다. 데이터셋 구축을 위해서는 전문가의 지도하에 라벨링 작업이 필요하지만, 이는 매우 시간과 비용이 많이 필요하다. 따라서, 본 논문에서는 Mean Teacher 기법을 사용하여 라벨링된 데이터의 샘플 수가 적더라도 지도학습보다 더욱 강인한 포트홀 이미지 분류 성능을 보여준다. 이러한 결과는 성능지표와 GradCAM을 통해 입증되었으며, 준지도학습을 사용할 때 15개의 사전 학습된 CNN 모델이 평균 90.41%의 정확도를 달성하며, 지도학습과 비교하여 2%에서 9%의 차이로 강인한 성능을 나타내는 것을 확인하였다.

• 마이크로전자및패키징학회지
• /
• 제30권4호
• /
• pp.69-78
• /
• 2023

산업 인공지능의 발달과 함께 반도체의 수요가 크게 증가하고 있다. 시장 수요에 대응하기 위해 패키징 공정에서 자동 결함 검출의 중요성 역시 증가하고 있다. 이에 따라, 패키지의 자동 불량 검사를 위한 딥러닝 기반의 방법론들의 연구가 활발히 이루어 지고 있다. 딥러닝 기반의 모델은 학습을 위해서 대량의 고해상도 데이터를 필요로 하나, 보안이 중요한 반도체 분야의 특성상 관련 데이터의 공유 및 레이블링이 쉽지 않아 모델의 학습이 어려운 한계를 지니고 있다. 또한 고해상도 이미지를 생성하기 위해 상당한 컴퓨팅 자원이 요구되는데, 본 연구에서는 분할정복 접근법을 통해 적은 컴퓨팅 자원으로 딥러닝 모델 학습을 위한 충분한 양의 데이터를 확보하는 방법을 소개한다. 제안된 방법은 높은 해상도의 이미지를 분할하고 각 영역에 조건 레이블을 부여한 후, 독립적인 부분 영역과 경계를 학습시켜, 경계 손실이 일관적인 이미지를 생성하도록 유도한다. 이후, 분할된 이미지를 하나로 통합하여, 최종적으로 모델이 고해상도의 이미지를 생성하도록 구성하였다. 실험 결과, 본 연구를 통해 증강된 이미지들은 높은 효율성, 일관성, 품질 및 범용성을 보였다.

• 대한본초학회지
• /
• 제25권4호
• /
• pp.31-37
• /
• 2010

Objects : This study was performed in order to evaluate the effects of Agrimoniae herba (AH) ethanol extract on intrastriatal hemorrhage (ISH). Method : ISH was induced by the stereotaxic intrastriatal injection of bacterial collagenase type IV in Sprague-Dawley rats. AH was orally given once a day for 3 days after ISH. Hematoma volume and percentage edema were examined. Immunohistochemistry was processed for iNOS, c-Fos, MMP-9, and MMP-12 expressions in the brain sections and each immuno-labeling were calculated with image analysis. Results : results are as follows; 1. AH reduced the hematoma volume and percentage edema of the ISH-induced rat brain. 2. AH swollen apoptotic bodies and neurons in the peri-hematoma regions of the ISH-induced rat brain. 3. AH significantly reduced c-Fos, MMP-9 and MMP-12 positive cells in the peri-hematoma regions of the ISH-induced rat brain. 4. AH swollen iNOS expressions in the peri-hematoma regions of the ISH-induced rat brain. Conclusion : These results suggest that AH plays an anti-apoptotic neuroprotective effect through control of ISH, suppression of c-Fos, and down-regulation of MMP-9 and MMP-12 expressions in the brain tissues.

• 한국콘텐츠학회논문지
• /
• 제17권1호
• /
• pp.137-144
• /
• 2017

얼굴 검출은 복잡한 배경 내에서 다양한 얼굴의 자세로 인해 여전히 어려운 문제에 직면하고 있다. 본 논문은 피부색과 깊이 정보를 기반으로 한 한명 또는 여러 명의 얼굴을 검출하는 효과적인 알고리즘을 제안한다. 먼저 우리는 컬러 영상에서 가우시안 혼합 모델을 이용한 피부색 검출 방법에 대해 소개한다. 그리고 Kinect V2의 깊이 센서를 이용하여 획득한 3차원의 깊이 정보는 배경으로부터 사람의 몸을 분할할 때 유용하다. 그리고 레이블링 과정에서 여러 개의 특징을 이용하여 얼굴이 아닌 영역은 성공적으로 제거된다. 실험 결과를 통해 제안한 얼굴 검출 알고리즘은 다양한 조건과 복잡한 배경에서 얼굴이 효과적으로 검출되는 것을 확인할 수 있다.