• 대한원격탐사학회지
• /
• 제29권4호
• /
• pp.361-373
• /
• 2013

공간해상도 약 1 m의 고해상도 X-band SAR 위성이 이용되면서 SAR를 이용한 도심지 모니터링, 표적탐지, 건물 재구성에 관한 연구가 진행되고 있다. 본 연구에서는 고해상도 TerraSAR-X SAR 영상을 이용한 도심지 건물 재구성을 수행하였다. 도심지 건물 재구성을 위하여 1:25,000 수치지형도로부터 건물의 외곽선을 추출하였으며, 추출한 건물의 외곽선을 기반으로 SAR 영상에서 모서리반사 위치를 찾았다. KS 테스트(Kolmogorov-Smirnov Test)에 기반하여 고해상도 SAR 진폭영상의 건물 모서리반사 위치로부터 레이오버 길이를 측정하여 건물의 초기 높이를 설정하였다. 진폭영상을 이용하여 추출한 건물의 초기 높이 기준 -10 m에서 +10 m로 건물의 높이를 변화시키며 도심지에 적합한 간섭위상 시뮬레이션을 수행하여 TerraSAR-X 간섭위상과의 위상 일치성 계산을 하였다. 위상 일치의 경향성 분석을 통해 건물의 높이를 설정해 줌으로써 고해상도 SAR 영상을 이용한 도심지 건물 재구성 연구를 진행하였다. 대전지역의 아파트 단지에 적용한 결과, 진폭영상과 간섭위상을 이용하여 추정된 건물 높이는 LiDAR로부터 추출된 높이를 기준으로 약 1~2 m 정도의 RMSE (Root Mean Square Error)를 보였다. 개발된 알고리즘은 향후 TerraSAR-X와 TanDEM-X 간섭쌍 자료에 적용할 경우, 보다 도심지 모니터링에 효과적으로 이용될 수 있을 것이다.

• 지질공학
• /
• 제30권1호
• /
• pp.17-30
• /
• 2020

광학영상화검층은 광원과 CMOS 영상 센서를 이용하여 시추공벽을 이미지로 구현하는 물리검층 기술로 지하의 불연속면에 대한 여러 가지 원위치 정보를 고분해능으로 제공한다. 최근 시추공영상화검층은 지반침하 모니터링, 암반 무결성 평가, 응력으로 인한 단열 변화 탐지, 극지에서의 빙하 연대측정 등 그 활용범위가 매우 다양해졌다. 현재 국내외로 많이 이용되고 있는 시추공영상화검층 시스템은 장비 사양에 따라 한계점을 가지고 있어 적용 범위에 대한 검증과 여러 가지 시추공 환경에 대한 적절한 품질관리가 필요하다. 그러나 광학영상화검층의 자료로 도출되는 이미지는 원위치 정보로 정확도, 구현도, 신뢰성에 대한 검증에 직접적인 비교 확인이 어렵다. 본 논문에서는 신뢰성 있는 고품질 자료 취득 방법과 자료 처리 방법을 확인하기 위해 시추공 환경과 유사한 모듈화 된 균열모형시추공을 설계·제작하여 현재까지 보고되지 않은 실험에 대한 결과를 얻고자 하였다. 검출기 자기계 방향 확인의 정확성을 검증하고, 노출시간에 따른 색상의 구현도 및 균열의 분해능 관계, 정확한 간극 측정을 위한 자료 처리 방법 등을 제시하였다. 다양한 시추공 환경을 모사한 균열모형시추공 실험을 통해 고분해능의 신뢰성 높은 광학영상화검층의 자료 취득 및 해석이 가능할 것으로 기대된다.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2002년도 추계학술대회 논문집 Vol.15
• /
• pp.432-435
• /
• 2002

The ultimate study of this research is to improve the properties of digital X-ray receptor based on amorphous selenium. There are being two prominent studying for Digital Radiography. Direct and Indirect method of Digital Radiography are announced for producing high quality digital image. But each two systems have strength and weakness. This is a basic research for developing of Hybrid digital radiography which is a new type X-ray detector. ln this study, we investigated the electrical characteristic of multi-layer$(CaWO_4+a-Se)$ as a photoconductor according to the changing iodine composition ratio. The iodine composition ratio of a-Se compound is classified into 5 different kinds which have 30ppm, 100ppm, 300ppm, 500ppm, 700ppm and were made test sample throught thermo-evaporation. The phosphor layer of $CaWO_4$ was overlapped on a-Se using EFIRON optical adhesives. We measured the dark and photo current about the test sample and compared the electrical characteristic of the net charge and signal-to-noise ratio. Among other things, test sample of compound material of 700ppm iodine showed good characteristic of $2.53nA/cm^2$ dark current and $479nC/cm^2{\cdot}mR$ net charge at $3V/{\mu}m$.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 춘계학술대회
• /
• pp.279-282
• /
• 2017

마이크로소프트에서 게임용 자연스러운 사용자 인터페이스를 위해 개발된 깊이 카메라인 키넥트 깊이 측정 센서는 컴퓨터 비전 분야에 있어 매우 유용한 도구이다. 키넥트의 깊이 측정 센서와 그 높은 프레임률로 인해, 본 논문에서는 키넥트 카메라를 사용해 거리 측정 시스템을 개발하였으며, 이를 이동 시 인간과 같이 사물을 감지하는데 주변 환경을 인지하기 위해 시각 시스템이 필요한 무인 차량에 시험하였다. 즉, 키넥트 깊이 측정 센서를 이용해 가시 범위 내 사물을 감지하고 사물에서 시각 센서의 거리 측정 시스템을 개선한다. 감지된 사물을 정밀하게 확인하여 실제 사물인지, 또는 픽셀 노즈(nose)인지 판단해 실제 사물이 아닌 픽셀을 무시함으로써 처리 시간을 줄인다. 이미지 처리를 위한 오픈 CV 라이브러리와 함께 깊이 분할 기법을 활용하여, 키넥트 카메라의 가시 범위 내 사물을 확인할 수 있으며, 해당 사물과 센서 사이의 거리를 측정할 수 있다. 시험 결과에 따르면 본 시스템은 저가 범위 센서인 키넥트 카메라가 장착된 자율주행차에 사용하여 감지된 사물로부터 측정 거리에 이르면 어플리케이션 방식에 따라 프로세스를 처리할 수 있는 것으로 나타났다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.50-53
• /
• 2022

최근 위조 외국 선박이 국내항을 여러번 입출항한 경우가 있었다. 선박에는 국제해사기구(IMO)가 선박을 식별하기 위해 부여한 선박 고유 일련번호가 있으며 2004년 이후 건조된 모든 선박에 IMO 표시를 의무적으로 해야 한다. 대표적인 물류 플랫폼인 공항과 항만의 경우 보안체계가 필수적이지만 항만에서의 보안체계를 세우는 것은 어렵고 사각지대가 많아 보안체계의 미흡으로 인한 보안문제가 발생할 수 있다. 본 논문에서는 딥러닝 객체인식 및 OpenCV를 이용하여 항만 보안시스템을 설계한다. 보안시스템 프로세스는 선박 입항시 객체 인식 후, 선박의 IMO번호를 추출하여 입항 기록이 있는 선박의 경우 특징점 매칭을 통해 동일한 선박인지 판단하고, 최초 입항 선박의 경우 입출항 DB에 선박 이미지 및 IMO번호를 저장한다. 본 논문의 시스템을 통해 항만보안시스템을 활용하여 입항 관리 인력 단축으로 인한 효율성 증가와 미허가 입항으로 발생하는 부대 비용 절감을 통한 항만 물류 업무 효율성 및 체계 개선과 보안시스템 도입을 통해 항만 보안을 강화할 수 있다.

• 한국음향학회지
• /
• 제42권4호
• /
• pp.329-344
• /
• 2023

본 논문에서는 소량 및 불균형 능동소나 데이터세트에 적용된 다양한 딥러닝 기반 표적식별기의 일반화 성능을 종합적으로 분석하였다. 서로 다른 시간과 해역에서 수집된 능동소나 실험 데이터를 이용하여 두 가지 능동소나 데이터세트를 생성하였다. 데이터세트의 각 샘플은 탐지 처리 이후 탐지된 오디오 신호로부터 추출된 시간-주파수 영역 이미지이다. 표적식별기의 신경망 모델은 다양한 구조를 가지는 22개의 Convolutional Neural Networks(CNN) 모델을 사용하였다. 실험에서 두 가지 데이터세트는 학습/검증 데이터세트와 테스트 데이터세트로 번갈아 가며 사용되었으며, 표적식별기 출력의 변동성을 계산하기 위해 학습/검증/테스트를 10번 반복하고 표적식별 성능을 분석하였다. 이때 학습을 위한 초매개변수는 베이지안 최적화를 이용하여 최적화하였다. 실험 결과 본 논문에서 설계한 얕은 층을 가지는 CNN 모델이 대부분의 깊은 층을 가지는 CNN 모델보다 견실하면서 우수한 일반화 성능을 가지는 것을 확인하였다. 본 논문은 향후 딥러닝 기반 능동소나 표적식별 연구에 대한 방향성을 설정할 때 유용하게 사용될 수 있다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.221-241
• /
• 2018

최근 딥러닝 기술이 주목을 받고 있다. 대중들의 관심을 받았던 국제 이미지 인식 기술 대회(ILSVR)와 알파고(AlphaGo)에서 사용된 딥러닝 기술이 바로 합성곱 신경망(CNN; Convolution Neural Network)이다. 합성곱 신경망은 입력 이미지를 작은 구역으로 나누어 부분적인 특징을 인식하고 이것을 결합하여 전체를 인식하는 특징을 가진다. 이러한 딥러닝 기술이 우리의 생활에 있어 많은 변화를 야기할 것이라는 기대를 주고 있지만 현재까지는 이미지 인식과 자연어 처리 등에 그 성과가 국한되어 있다. 비즈니스 문제에 대한 딥러닝 활용은 아직까지 초기 연구 단계로 향후 마케팅 응답 예측이나 허위 거래 식별, 부도 예측과 같은 전통적 비즈니스 문제들에 대해 보다 깊게 활용되고 그 성능이 입증된다면 딥러닝 기술의 활용 가치가 보다 더 주목받게 될 것으로 기대된다. 이러한 때 비교적 고객 식별이 용이하고 활용 가치가 높은 빅데이터를 보유하고 있는 전자상거래 기업의 사례를 바탕으로 하여 딥러닝 기술의 비즈니스 문제 해결 가능성을 진단해보는 것은 학술적으로 매우 의미 있는 시도라 할 수 있겠다. 이에 본 연구에서는 전자상거래 기업의 고객 행태 예측력을 높이기 위한 방안으로 합성곱 신경망을 활용한 '이종 정보 결합(Heterogeneous Information Integration)의 CNN 모델'을 제시한다. 이는 정형과 비정형 정보를 결합하여 다층 퍼셉트론 구조의 합성곱 신경망에서 학습시키는 모델로서 최적의 성능을 발휘하도록 '이종 정보 결합'과 '비정형 정보의 벡터 전환', 그리고 '다층 퍼셉트론 설계'로 하는 3개의 내부 아키텍처를 정의하고 각 아키텍처 단위로 구성되는 방식에 따른 성능을 평가하여 그 결과를 바탕으로 제안 모델을 확정하고 그 성능을 평가해보고자 한다. 고객 행태 예측을 위한 목표 변수는 전자상거래 기업에서 중요하게 관리하고 있는 재구매 고객, 이탈 고객, 고빈도 구매 고객, 고빈도 반품 고객, 고단가 구매 고객, 고할인 구매 고객 등 모두 6개의 이진 분류 문제로 정의한다. 제안한 모델의 유용성을 검증하기 위해서 국내 특정 전자상거래 기업의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 정형과 비정형 정보를 결합하여 CNN을 활용한 제안 모델이 NBC(Naïve Bayes classification)과 SVM(Support vector machine), 그리고 ANN(Artificial neural network)에 비해서 예측 정확도와 F1 Measure가 높게 평가되었다. 또 NBC, SVM, ANN에서 정형 정보만을 사용할 때 보다 정형과 비정형 정보를 결합하여 입력 변수로 함께 활용한 경우에 예측 정확도가 향상되는 것으로 나타났다. 따라서 실험 결과로부터 비정형 정보의 활용이 고객 행태 예측의 정확도 향상에 기여한다는 점과 CNN 기법의 특징 추출 알고리즘이 VOC에 사용된 단어들의 분포와 위치 정보를 해석하여 문장의 의미를 파악하는데 효과적이라는 점을 실증적으로 확인하였다는데 그 의미가 있다고 할 수 있겠다. 이를 통해서 CNN 기법이 지금까지 소개된 이미지 인식이나 자연어 처리 분야 외에 비즈니스 문제 해결에도 활용 가치가 높다는 점을 확인하였다는데 이 연구의 의의가 있다 하겠다.

• 한국의학물리학회지:의학물리
• /
• 제20권1호
• /
• pp.21-29
• /
• 2009

유방암은 우리나라 여성에게 발생하는 암 중에서 발병률이 높은 암이다. 따라서 유방자가진단, 임상적 검사, 유방 X선촬영 등과 같은 유방암 초기 검출검사는 중요하다. 이들 중 유방 X선촬영은 무자각증상 시기에 유방암 초기 검출을 위해 40대 이상의 여성들에게 매년마다 시행하기를 권고하고 있다. 그러나 유방의 유선조직은 방사선 민감성 조직이다. 이에 유방 X선촬영장치의 평가 중 평균 유선선량 측정은 매우 중요한 부분이 된다. 평균 유선선량의 직접측정은 어렵기 때문에 incident air kerma 측정, 적절한 변환계수 등을 적용하여 계산하게 된다. 따라서 본 연구의 첫 번째 목적은 평균 유선선량의 측정 방법의 표준화이다. 두 번째는 몬테칼로 시뮬레이션을 이용하여 평균 유선선량과 유방 실질양상 및 두께와 의 상관관계를 분석하고자 했다. 본 연구 결과, IAEA 가이드라인(CoP)에 따라 평균 유선선량 측정방법을 제시하였다. 전반적으로 우리나라는 유방촬영 시 받는 평균 유선선량이 식품의약품안전청 및 한국의료영상품질관리원에서 제시하는 3mGy 이하로 측정되었다. 측정된 평균 유선선량과 시뮬레이션된 평균 유선선량은 각각 1.7과 1.6 mGy로 큰 차이를 보이지 않았다. 시뮬레이션된 평균 유선선량은 주로 유방의 유선조직의 비율에 따라 의존한다. 유방의 glandularity 증가에 따라 낮은 에너지의 광자의 흡수가 증가하여 평균 유선선량도 증가하였다. 또한 유방의 두께가 두꺼울수록 평균 유선선량은 증가하였다. 결과적으로, 본 연구는 유방촬영의 진단 참고준위 확립을 위한 기초자료로 활용될 것이다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.1-23
• /
• 2018

E-commerce 환경의 발전으로 소비자들은 다양한 상품들을 한 자리에서 폭 넓게 비교할 수 있게 되었다. 하지만 온라인 쇼핑몰에 올라와있는 상당량의 주요 상품 정보들이 이미지 형태이기 때문에 컴퓨터가 인지할 수 있는 텍스트 기반 검색 시스템에 반영될 수 없다는 한계가 존재한다. 이러한 한계점은 일반적으로 기존 기계학습 기술 및 OCR(Optical Character Recognition) 기술을 활용해, 이미지 형태로 된 키워드를 인식함으로써 개선할 수 있다. 그러나 기존 OCR 기술은 이미지 안에 글자가 아닌 그림이 많고 글자 크기가 작으면 낮은 인식률을 보인다는 문제가 있다. 이에 본 연구에서는 기존 기술들의 한계점을 해결하기 위하여, 딥러닝 기반 사물인식 모형 중 하나인 SSD(Single Shot MultiBox Detector)를 개조하여 이미지 형태의 상품 카탈로그 내의 텍스트 인식모형을 설계하였다. 하지만 이를 학습시키기 위한 데이터를 구축하는 데 상당한 시간과 비용이 필요했는데, 이는 지도학습의 방법론을 따르는 SSD 모형은 훈련 데이터마다 직접 정답 라벨링을 해줘야 하기 때문이다. 본 연구는 이러한 문제점을 해결하기 위해 '훈련 데이터 자동 생성 프로그램'을 함께 개발하였다. 훈련 데이터 자동 생성 프로그램을 통해 수작업으로 데이터를 만드는 것에 비하여 시간과 비용을 대폭 절감할 수 있었으며, 생성된 훈련용 데이터를 통해 모형의 인식 성능을 높일 수 있었다. 더 나아가 실험연구를 통해 자동으로 생성된 훈련 데이터의 특징별로 인식기 모형의 성능에 얼마나 큰 영향을 끼치는지 알아보고, 성능 향상에 효과적인 데이터의 특징을 분석하였다. 본 연구를 통해서 개발된 상품 카탈로그 내 텍스트 인식모형과 훈련 데이터 자동 생성 프로그램은 온라인 쇼핑몰 판매자들의 상품 정보 등록 수고를 줄여줄 수 있으며, 구매자들의 상품 검색 시 결과의 정확성을 향상시키는 데 기여할 수 있을 것으로 기대한다.

• Nuclear Medicine and Molecular Imaging
• /
• 제43권5호
• /
• pp.459-467
• /
• 2009

목적: ML-EM (The maximum likelihood-expectation maximization) 기법은 방출과 검출 과정에 대한 통계학적 모델에 기반한 재구성 알고리즘이다. ML-EM은 결과 영상의 정확성과 유용성에 있어 많은 이점이 있는 반면 반복적인 계산과 방대한 작업량 때문에 CPU(central processing unit)로 처리할 때 상당한 연산시간이 소요되었다. 본 연구에서는 GPU(graphic processing unit)의 병렬 처리 기술을 ML-EM 알고리즘에 적용하여 영상을 재구성하였다. 대상 및 방법: 엔비디아사(社)의 CUDA 기술을 이용하여 ML-EM 알고리즘의 투사 및 역투사 과정을 병렬화 전략을 구상하였으며 Geforce 9800 GTX+ 그래픽 카드를 이용하여 병렬화 연산을 수행하여 기존의 단일 CPU기반 연산법과 비교하였다. 각 반복횟수마다 투사 및 역투사 과정에 걸리는 총 지연 시간과 퍼센트 오차(percent error)를 측정하였다. 총 지연 시간에는 RAM과 GPU 메모리 간의 데이터 전송 지연 시간도 포함하였다. 결과: 모든 반복횟수에 대해 CPU 기반 ML-EM 알고리즘보다 GPU 기반 알고리즘이 더 빠른 성능을 나타내는 것을 확인하였다. 단일 CPU 및 GPU 기반 ML-EM의 32번 반복연산에 있어 각각 3.83초와 0.26초가 걸렸으며 GPU의 병렬연산의 경우 15배 정도의 개선된 성능을 보였다. 반복횟수가 1024까지 증가하였을 경우, CPU와 GPU 기반 알고리즘은 각각 18분과 8초의 연산시간이 걸렸다. GPU 기반 알고리즘이 약 135배 빠른 처리속도를 보였는데 이는 단일 CPU 계산이 특정 반복횟수 이후 나타나는 시간 지연에 따른 것이다. 결과적으로, GPU 기반 계산이 더 작은 편차와 빠른 속도를 보였다. 결론: ML-EM 알고리즘에 기초한 GPU기반 병렬 계산이 처리 속도와 안정성을 더 증진시킴을 확인하였으며 이를 활용해 다른 영상 재구성 알고리즘에도 적용시킬 수 있을 것으로 기대한다.