• Journal of Information Processing Systems
• /
• 제8권2호
• /
• pp.359-374
• /
• 2012

In this paper, we propose a new machine vision algorithm for automatic defect detection on patterned textures with the help of texture-periodicity and the Jensen-Shannon Divergence, which is a symmetrized and smoothed version of the Kullback-Leibler Divergence. Input defective images are split into several blocks of the same size as the size of the periodic unit of the image. Based on histograms of the periodic blocks, Jensen-Shannon Divergence measures are calculated for each periodic block with respect to itself and all other periodic blocks and a dissimilarity matrix is obtained. This dissimilarity matrix is utilized to get a matrix of true-metrics, which is later subjected to Ward's hierarchical clustering to automatically identify defective and defect-free blocks. Results from experiments on real fabric images belonging to 3 major wallpaper groups, namely, pmm, p2, and p4m with defects, show that the proposed method is robust in finding fabric defects with a very high success rates without any human intervention.

• 응용통계연구
• /
• 제34권2호
• /
• pp.167-175
• /
• 2021

준지도학습(semi-supervised learning)은 목표값이 있는 데이터와 없는 데이터를 모두 이용하는 학습방법이다. 준지도학습에서 최근에 많은 관심을 받는 일치성규칙(consistency regularization)과 데이터 증대를 이용한 준지도학습(unsupervised data augmentation; UDA)은 목표값이 없는 데이터를 증대하여 학습에 이용한다. 그리고 성능 향상을 위해 훈련신호강화(training signal annealing; TSA)와 신뢰기반 마스킹(confidence based masking)을 이용한다. 본 연구에서는 UDA에서 사용하는 KL-정보량(Kullback-Leibler divergence)과 TSA 대신 JS-정보량(Jensen-Shanon divergene)과 역-TSA를 사용하고 신뢰기반 마스킹을 제거하는 방법을 제안한다. 실험을 통해 제안된 방법의 성능이 더 우수함을 보였다.

• 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.

• 한국수자원학회논문집
• /
• 제56권1호
• /
• pp.35-43
• /
• 2023

미래 유량분석은 기후변화 시나리오와 수문모형의 매개변수에 영향을 받고 이에 따른 불확실성이 존재한다. 본 연구에서는 Shared Socioeconomic Pathway (SSP) 시나리오와 수문모형 매개변수에 따른 미래 유량 분석의 불확실성을 분석하고자 하였다. SSP 시나리오 중, 대표적으로 사용되는 SSP2-4.5와 SSP5-8.5시나리오를 사용하였으며, 수문모형으로는 Soil and Water Assessment Tool (SWAT) 모형을 사용하였다. SWAT 모형의 매개변수는 SWAT-CUP을 이용해 관측된 유량 데이터에 따라 총 11개의 기간에 대해 매개변수 최적화를 각각 수행하였다. 그 후 분포의 차이를 계산 할 수 있는 Jensen-Shannon Divergence (JS-D)를 이용해 과거 유량 대비 미래 추정된 유량의 불확실성 분석을 수행하였다. 분석결과 미래 유량의 불확실성은 SSP5-8.5에서 SSP2-4.5보다 더 크게 분석되었으며, 가까운 미래(2021-2060년) 보다 먼 미래(2061-2100년)에서 더 크게 분석되었다. 강우-유출 분석은 수문모형 매개변수에 따라 88.5%-108.5%까지 차이가 발생하였으며, 이에 따라 미래 유량을 추정하는데 불확실성이 발생하였다. 본 연구에서의 수문 모형의 매개변수에 따른 미래 유량 추정의 불확실성은 평년 대비 유량이 적은 연도의 관측 유량 데이터를 이용한 매개변수를 이용할 시 불확실성이 크게 분석되었다. 또한 평년 대비 유량 변화가 큰 기간의 매개 변수일수록 미래 유량 추정의 불확실성이 크게 분석되었다.

• International Journal of Computer Science & Network Security
• /
• 제23권11호
• /
• pp.93-98
• /
• 2023

Instagram is one of the fastest-growing online photo social web services where users share their life images and videos with other users. Image tagging is an essential step for developing Automatic Image Annotation (AIA) methods that are based on the learning by example paradigm. Hashtags can be used on just about any social media platform, but they're most popular on Twitter and Instagram. Using hashtags is essentially a way to group together conversations or content around a certain topic, making it easy for people to find content that interests them. Practically on average, 20% of the Instagram hashtags are related to the actual visual content of the image they accompany, i.e., they are descriptive hashtags, while there are many irrelevant hashtags, i.e., stophashtags, that are used across totally different images just for gathering clicks and for search ability enhancement. Hence in this work, Sorting instagram hashtags all the way through mass tagging using HITS (Hyperlink-Induced Topic Search) algorithm is presented. The hashtags can sorted to several groups according to Jensen-Shannon divergence between any two hashtags. This approach provides an effective and consistent way for finding pairs of Instagram images and hashtags, which lead to representative and noise-free training sets for content-based image retrieval. The HITS algorithm is first used to rank the annotators in terms of their effectiveness in the crowd tagging task and then to identify the right hashtags per image.