• 한국인터넷방송통신학회논문지
• /
• 제21권1호
• /
• pp.87-92
• /
• 2021

빅데이터 기반의 추천시스템 모델링에서 바이어스, 분산, 오류 및 학습은 성능에 중요한 요소이다. 이러한 시스템에서는 추천 모델이 설명도를 유지하면서 복잡도를 줄여야 한다. 또한 데이터의 희소성과 시스템의 예측은 서로 반비례의 속성을 가지기 마련이다. 따라서 희소성의 데이터를 인수분해 방법을 활용하여 상품간의 유사성을 학습을 통한 상품추천모델이 제안되어 왔다. 본 논문에서는 이 모델의 손실함수에 대한 최적화 방안으로 max-norm 규제를 적용하여 모델의 일반화 능력을 향상시키고자 한다. 해결방안은 기울기를 투영하는 확률적 투영 기울기 강하법을 적용하는 것이다. 많은 실험을 통하여 데이터가 희박해질수록 기존의 방법에 비해 제안된 규제 방법이 상대적으로 효과가 있다는 것을 확인하였다.

• 한국ITS학회 논문지
• /
• 제20권1호
• /
• pp.70-85
• /
• 2021

최근 활발히 연구되는 딥러닝 방법론은 인공지능의 성능을 급속도로 향상시켰고, 이에 따라 다양한 산업 분야에서 딥러닝을 활용한 시스템이 제시되고 있다. 교통 시스템에서는 GNN을 활용한 공간-시간 그래프 모델링이 교통 속도 예측에 효과적인 것으로 밝혀졌지만, 이는 메모리 병목 현상을 유발하기 때문에 모델이 비효율적으로 학습된다는 단점이 있다. 따라서 본 연구에서는 그래프 분할 방법을 통해 도로 네트워크를 분할하여 메모리 병목 현상을 완화함과 동시에 우수한 성능을 달성하고자 한다. 제안 방법론을 검증하기 위해 인천시 UTIC 데이터 분석 결과를 바탕으로 Jensen-Shannon divergence를 사용하여 도로 속도 분포의 유사도를 측정하였다. 그리고 측정된 유사도를 바탕으로 스펙트럴 클러스터링을 수행하여 도로 네트워크를 군집화하였다. 성능 측정 결과, 도로 네트워크가 7개의 네트워크로 분할되었을 때 MAE 기준 5.52km/h의 오차로 비교 모델 대비 가장 우수한 정확도를 보임과 동시에 메모리 병목 현상 또한 완화되는 것을 확인할 수 있었다.

• 스마트미디어저널
• /
• 제10권1호
• /
• pp.39-46
• /
• 2021

본 연구는 뉴스 기사에서 기사문을 구성하는 문장별 중요도를 고려하여 요약문을 추출하는 방법에 관한 것으로 문장 중요도에 영향을 주는 특성으로 중심 문장(Topic Sentence)일 확률, 기사 제목 및 다른 문장과의 유사도, 문장 위치에 따른 가중치를 추출하여 문장 중요도를 계산하는 방법을 제안한다. 이때, 중심 문장(Topic Sentence)은 일반 문장과는 구별되는 특징을 가질 것이라는 가설을 세우고, 딥러닝 기반 분류 모델을 학습시켜 입력 문장에 대한 중심 문장 확률값을 구한다. 또한 사전학습된 ELMo 언어 모델을 활용하여 문맥 정보를 반영한 문장 벡터값을 기준으로 문장간 유사도를 계산하여 문장 특성으로 추출한다. LSTM 및 BERT 모델의 중심 문장 분류성능은 정확도 93%, 재현율 96.22%, 정밀도 89.5%로 높은 분석 결과가 나왔으며, 이렇게 추출된 문장 특성을 결합하여 문장별 중요도를 계산한 결과, 기존 TextRank 알고리즘과 비교하여 중심 문장 추출 성능이 10% 정도 개선된 것을 확인할 수 있었다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제44권4호
• /
• pp.327-333
• /
• 2021

Magnetic resonance imaging(MRI) uses strong magnetic field to image the cross-section of human body and has excellent image quality with no risk of radiation exposure. Because of above-mentioned advantages, MRI has been widely used in clinical fields. However, the noise generated in MRI degrades the quality of medical images and has a negative effect on quick and accurate diagnosis. In particular, examining a object with a detailed structure such as brain, image quality degradation becomes a problem for diagnosis. Therefore, in this study, we acquired T2 weighted 3D data of multiple sclerosis disease using BrainWeb simulation program, and used quantitative evaluation factors to find appropriate slice thickness among 1, 3, 5, and 7 mm. Coefficient of variation and contrast to noise ratio were calculated to evaluate the noise level, and root mean square error and peak signal to noise ratio were used to evaluate the similarity with the reference image. As a result, the noise level decreased as the slice thickness increased, while the similarity decreased after 5 mm. In conclusion, as the slice thickness increases, the noise is reduced and the image quality is improved. However, since the edge signal is lost due to overlapped signal, it is considered that selecting appropriate slice thickness is necessary.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권11호
• /
• pp.4084-4104
• /
• 2021

Visual place recognition (VPR) is a fundamental yet challenging task of mobile robot navigation and localization. The existing VPR methods are usually based on some pairwise similarity of image descriptors, so they are sensitive to visual appearance change and also computationally expensive. This paper proposes a simple yet effective four-step method that achieves adaptive convolutional neural network (CNN) landmark matching for VPR. First, based on the features extracted from existing CNN models, the regions with higher significance scores are selected as landmarks. Then, according to the coordinate positions of potential landmarks, landmark matching is improved by removing mismatched landmark pairs. Finally, considering the significance scores obtained in the first step, robust image retrieval is performed based on adaptive landmark matching, and it gives more weight to the landmark matching pairs with higher significance scores. To verify the efficiency and robustness of the proposed method, evaluations are conducted on standard benchmark datasets. The experimental results indicate that the proposed method reduces the feature representation space of place images by more than 75% with negligible loss in recognition precision. Also, it achieves a fast matching speed in similarity calculation, satisfying the real-time requirement.

• 한국광학회지
• /
• 제34권5호
• /
• pp.192-201
• /
• 2023

Band-limited angular spectrum method (BL-ASM)는 공간주파수 제어의 문제로 aliasing 오류가 발생한다. 본 논문에서는 위상 홀로그램에 대한 표본화 간격 조정 기법과 딥 러닝 기반의 U-net 모델을 사용한 스펙클 노이즈 감소 및 이미지 품질 향상 기법을 제안하였다. 제안한 기법에서는 넓은 전파 범위에서 aliasing 오류를 제거할 수 있도록 먼저 샘플링 팩터를 계산하여 표본화 간격 조절에 의한 공간주파수를 제어함으로써 스펙클 노이즈를 감소시킨다. 그 후 딥 러닝 모델을 적용한 위상 홀로그램을 학습시켜 복원 이미지의 품질을 향상시킨다. 다양한 샘플 이미지에 대한 S/W 시뮬레이션에서 기존의 BL-ASM과의 peak signal-to-noise ratio (PSNR), structural similarity index measure (SSIM)을 비교할 때 각각 평균 5%, 0.14% 정도 비율이 향상됨을 확인하였다.

• 방송공학회논문지
• /
• 제7권2호
• /
• pp.126-135
• /
• 2002

영상은 색상, 형태, 위치, 질감 같은 다양한 특성을 갖고 있기 때문에 하나의 특성만을 이용하여 일괄적으로 영상을 검색할 경우, 만족할 만한 검색효율을 얻기가 어렵다. 특히, 대용량의 영상 데이터베이스일수록 그 같은 현상은 빈번하게 일어나기 때문에 기존의 내용 기반 영상 검색 시스템들은 대부분 하나 이상의 특성을 이용하여 검색효율 향상을 죄하고 있다. 본 논문에서는 Centroid 위치벡터를 이용하여 영상 내의 색상 정보뿐만 아니라, 특정 색상에 대한 위치정보를 고려하는 기법을 제안한다. 질의영상의 한 색상에 대해 Centroid 위치벡터를 추출하고 비교영상의 같은 색상의 Centroid 위치벡터와의 거리를 비교하여 그 거리가 짧을수록 각 색상의 위치 유사도를 높게 책정하는 방식을 제안한다. 제안된 검색 기법은 기존의 색상 분포만을 이용하는 검색 기법에 비해, 원근 처리된 영상에 강인하고, 회전되거나 뒤집힌 영상의 변별력이 향상되었다. 또한, 제안된 방식은 색상정보와 위치정보의 추출을 이원화시키지 않고 동시에 추출함으로써 계산량을 줄이고, 효율적인 색인 파일을 생성하여 검색속도를 향상시켰다.

• 한국멀티미디어학회논문지
• /
• 제2권3호
• /
• pp.289-296
• /
• 1999

본 논문에서는 데이타 의존성과 벡터왜곡척도를 이용하여 개선된 칼라영상을 복호화하였다. 프랙탈칼라영상의 복원방법은 Zhang과 Po의 벡터왜곡척도를 이용한 RGB 칼라 성분간의 상관관계를 고려하여 부호화한 압축파일을 사용하여 수렴 될 복원영상을 부호화시 만들어진 변환표의 정보를 바탕으로 참조된 정 의 역 부분이 기존의 독립적인 반복변환에 의해 수렴되었고 참조되지 않은 부분의 정의역은 데이타의존성을 갖는 영역으로 이미 수렴된 부분에 존재하므로 마지막 반복변환시 한번만에 복호화가 가능하다. 데이타의존성 부분이 차지 하는 만큼 복호화 과정에서 불필요한 계산량이 제거되었고, R영역에서 검색한 데이타 의존영역을 G,B영역에 그대로 사용하여 고속복호화가 가능하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권8호
• /
• pp.980-990
• /
• 2004

컴포넌트 기반 개발 방법론은 클래스보다 더 큰 단위인 컴포넌트를 통해 높은 추상화와 재사용을 목표로 하는 개발 방법론이다. 컴포넌트 기반 시스템과 개별 컴포넌트의 품질 향상을 위해서는 개발 이전에 측정하고, 그 결과를 컴포넌트 개발 과정에 반영할 수 있어야 한다. 그러므로 컴포넌트 분석 및 설계 단계에 적용 가능한 컴포넌트 메트릭에 대한 연구가 필요하다. 따라서 본 논문에서는 컴포넌트 설계 정보에 기반한 컴포넌트 응집도, 결합도, 독립도 메트릭을 제안한다. 제안한 메트릭은 컴포넌트의 서비스를 제공하기 위한 오퍼레이션들의 동작 유형의 유사도에 기반 한다. 또한, 기능적으로 응집도가 높으며 복잡도가 낮고 유지 보수가 용이한 컴포넌트 설계가 되도록 하기 위한 클러스터링 기법을 사용한 컴포넌트 재설계 과정을 제안한다. 그리고 개발 이전에 컴포넌트 측정과 컴포넌트 재설계 과정을 통해 바람직한 컴포넌트 설계가 되도록 할 수 있음을 사례 연구를 통해 확인했다.

• 한국콘텐츠학회논문지
• /
• 제7권1호
• /
• pp.48-57
• /
• 2007

눈좌표 검출은 얼굴 인식 및 관련된 응용 분야 등에서 필요한 작업이다. 현재까지 보고된 대부분의 눈좌표 검출 방법은 성공적인 적용을 위해서는 여전히 정확도 및 검출 속도의 개선을 필요로 한다. 본 논문에서는 다중스케일 가버 특징 벡터 모델 기반의 개선된 눈좌표 검출 방법을 제안한다. 제안된 방법은 먼저 다운샘플링된 입력 얼굴 이미지에서 초기 눈좌표에서의 가버 특징 벡터와 해당 스케일의 눈 모델 번치와의 가버젯 유사도를 이용하여 눈좌표를 추정한다. 이후 추정된 눈좌표를 상위 스케일의 얼굴 이미지에서의 눈좌표 초기값으로 취하고 상위 스케일 얼굴 이미지에서 같은 방법으로 눈좌표를 찾으며, 이를 반복적으로 하여 최종적으로 원래 얼굴 이미지에서의 눈좌표를 확정한다. 실험을 통해, 본 논문에서 제안한 다중스케일 가버 특징 벡터 모델 기반 눈좌표 검출 방법이 계산량은 크게 증가시키지 않으면서 기존 연구들에서 보고된 다른 눈좌표 검출 방법에 비해 정확도가 개선된 검출 방법임을 확인하였다.