• 한국의류학회지
• /
• 제46권1호
• /
• pp.165-181
• /
• 2022

The fashion industry is creating innovative business models using artificial intelligence. To efficiently utilize artificial intelligence (AI), fashion data must be classified. Until now, such data have been classified focusing only on the objective properties of fashion products. Their subjective attributes, such as fashion brand sensibilities, are holistic and heuristic intuitions created by a combination of design elements. This study aims to improve the performance of collaborative filtering in the fashion industry by extracting fashion brand sensibility using computer vision technology. The image data set of fashion brand sensibility consists of high-end fashion brand photos that share sensibilities and communicate well in fashion. About 26,000 fashion photos of 11 high-end fashion brand sensibility labels have been collected from the 16FW to 21SS runway and 50 years of US Vogue magazines beginning from 1971. We use EfficientNet-B1 to establish the main architecture and fine-tune the network with ImageNet-ILSVRC. After training fashion brand sensibilities through deep learning, the proposed model achieved an F-1 score of 74% on accuracy tests. Furthermore, as a result of comparing AI machine and human experts, the proposed model is expected to be expanded to mass fashion brands.

• 한국건설순환자원학회논문집
• /
• 제10권4호
• /
• pp.593-599
• /
• 2022

본 연구에서는 콘크리트 구조물의 주요 손상인 균열에 대한 효과적인 점검을 위하여 이미지 처리 기법을 이용한 균열 검출이 가능한 균열 모니터링 자동화 시스템 개발의 일환으로 머신비전을 이용하여 균열 촬영 장비를 제작하고 균열 이미지 촬영 및 분석이 가능한 프로그램을 개발하였다. 본 시스템은 기존의 육안으로 균열을 점검하는 외관조사를 대체하여 객관적이고 정량적인 데이터를 제공한다. 개발 시스템의 검증은 자기치유 콘크리트 수조 시공 현장에 적용하여 균열 검출 및 재령에 따른 균열폭의 변화량을 모니터링하였다. 이미지 분석을 통해 검출된 균열폭의 경우 디지털 현미경을 이용한 실측값과 차이가 최대 0.036 mm로 나타났으며, 자기치유 콘크리트의 재령 경과에 따른 균열 치유 효과를 균열폭 감소를 통해 확인할 수 있었다.

• 한국재료학회지
• /
• 제32권8호
• /
• pp.345-353
• /
• 2022

In this study, using deep learning, super-resolution images of transmission electron microscope (TEM) images were generated for nanomaterial analysis. 1169 paired images with 256 × 256 pixels (high resolution: HR) from TEM measurements and 32 × 32 pixels (low resolution: LR) produced using the python module openCV were trained with deep learning models. The TEM images were related to DyVO₄ nanomaterials synthesized by hydrothermal methods. Mean-absolute-error (MAE), peak-signal-to-noise-ratio (PSNR), and structural similarity (SSIM) were used as metrics to evaluate the performance of the models. First, a super-resolution image (SR) was obtained using the traditional interpolation method used in computer vision. In the SR image at low magnification, the shape of the nanomaterial improved. However, the SR images at medium and high magnification failed to show the characteristics of the lattice of the nanomaterials. Second, to obtain a SR image, the deep learning model includes a residual network which reduces the loss of spatial information in the convolutional process of obtaining a feature map. In the process of optimizing the deep learning model, it was confirmed that the performance of the model improved as the number of data increased. In addition, by optimizing the deep learning model using the loss function, including MAE and SSIM at the same time, improved results of the nanomaterial lattice in SR images were achieved at medium and high magnifications. The final proposed deep learning model used four residual blocks to obtain the characteristic map of the low-resolution image, and the super-resolution image was completed using Upsampling2D and the residual block three times.

• 한국컴퓨터정보학회논문지
• /
• 제14권4호
• /
• pp.31-38
• /
• 2009

렌즈 왜곡현상은 머신비전 시스템에 있어 필연적인 현상이며 가격과 시스템의 크기를 줄이기 위한 렌즈의 선택으로 왜곡현상은 점점 더 심해지고 있다. 이와 같은 추세로 왜곡보정의 필요성은 중대한 문제가 되고 있지만 기존의 카메라 모델을 이용한 왜곡보정 방식은 그 비선형 때문에 복잡하고 많은 연산이 필요한 문제점이 있다. 또한 최근 각광을 받고 있는 인공신경 망을 이용한 보정방법 역시 정확성과 효율성의 측면에서 문제점이 발견되고 있다. 본 연구에서는 이러한 문제점을 해결할 수 있는 새로운 형태의 알고리즘을 제안한다. K-means 군집분석 방법을 사용하여 왜곡영상을 실제 왜곡정도에 따라 분할한 후 각 영역에 인공신경 망을 적용하여 영상을 보정한다. 그 결과 새롭게 제안된 영상분할을 적용한 신경망 알고리즘은 영상분할을 하지 않은 기존 방법들보다 더 정확한 왜곡보정 결과를 나타내었다.

• 한국전자통신학회논문지
• /
• 제17권2호
• /
• pp.291-298
• /
• 2022

생성적 적대 신경망(Generative Adversarial Networks, GAN)은 내부의 두 신경망(생성망, 판별망)이 상호 경쟁하면서 학습하는 네트워크이다. 생성자는 현실과 가까운 이미지를 만들고, 구분자는 생성자의 이미지를 더 잘 감별하도록 프로그래밍 되어있다. 이 기술은 전체 이미지 X를 다른 이미지 Y로 생성, 변환 및 복원하기 위해 다양하게 활용되고 있다. 본 논문에서는 원본 이미지에서 부분 이미지만 추출한 후, 이를 자연스럽게 다른 객체로 위변조할 수 있는 방법에 관해 기술한다. 먼저 원본 이미지에서 부분 이미지만 추출한 후, 기존에 학습시켜놓은 DCGAN 모델을 통해 새로운 이미지를 생성하고, 이를 전체적 스타일 전이(overall style transfer) 기술을 사용하여 원본 이미지의 질감과 크기에 어울리도록 리스타일링(re-styling) 한 후, 원본 이미지에 자연스럽게 결합하는 과정을 거친다. 본 연구를 통해 원본 이미지의 특정 부분에 사용자가 원하는 객체 이미지를 자연스럽게 추가/변형할 수 있음으로써 가짜 이미지 생성의 또 다른 활용 분야로 사용될 수 있을 것이다.

• International Journal of Computer Science & Network Security
• /
• 제23권6호
• /
• pp.17-26
• /
• 2023

Blockchain technology has emerged as one of the most crucial solutions in numerous industries, including healthcare. The combination of blockchain technology and cloud computing results in improving access to high-quality telemedicine and healthcare services. In addition to developments in healthcare, the operational strategy outlined in Vision 2030 is extremely essential to the improvement of the standard of healthcare in Saudi Arabia. The purpose of this survey is to give a thorough analysis of the current state of healthcare technologies that are based on blockchain and cloud computing. We highlight some of the unanswered research questions in this rapidly expanding area and provide some context for them. Furthermore, we demonstrate how blockchain technology can completely alter the medical field and keep health records private; how medical jobs can detect the most critical, dangerous errors with blockchain industries. As it contributes to develop concerns about data manipulation and allows for a new kind of secure data storage pattern to be implemented in healthcare especially in telemedicine fields is discussed diagrammatically.

• 한국산업융합학회 논문집
• /
• 제27권3호
• /
• pp.563-572
• /
• 2024

Image processing and computer vision technologies are becoming increasingly important in a variety of application fields that require techniques and tools for sophisticated image analysis. In particular, image segmentation is a technology that plays an important role in image analysis. In this study, in order to identify recent research trends on image segmentation techniques, we used the Web of Science(WoS) database to analyze the R&D topography based on the network structure of the author's keyword co-occurrence matrix. As a result, from 2015 to 2023, as a result of the analysis of the R&D map of research articles on image segmentation, R&D in this field is largely focused on four areas of research and development: (1) researches on collecting and preprocessing image data to build higher-performance image segmentation models, (2) the researches on image segmentation using statistics-based models or machine learning algorithms, (3) the researches on image segmentation for medical image analysis, and (4) deep learning-based image segmentation-related R&D. The scientometrics-based analysis performed in this study can not only map the trajectory of R&D related to image segmentation, but can also serve as a marker for future exploration in this dynamic field.

• 한국건설관리학회:학술대회논문집
• /
• 한국건설관리학회 2003년도 학술대회지
• /
• pp.180-185
• /
• 2003

도로를 통과하는 차량 통행량의 증가는 장기적으로 교량에 구조적인 손상을 유발시키기 때문에 교량의 유지관리 측면에서 심각한 문제로 대두되고 있으며 준공 단계부터 구조물의 유지관리에 대하여 관심을 기울이지 않으면 공용기간 중 만족할 만한 기능의 유지 및 확보는 불가능하다. 또한, 공황 중에 균열이나 변형 등과 같은 열화손상을 조기에 발견하여 기능상의 장애나 사고를 미연에 방지하기 위해서는 정기적인 점검을 통하여 유지관리를 실시해야 하나 이에 관한 관심도가 상대적으로 낮아 구조물 유지관리에 대한 새로운 인식의 전환과 이와 관련된 기술개발이 절실히 요구되고 있다. 본 연구는 현재 굴절차 또는 점검차에 점검 인력이 직접 탑승하여 실시하는 육안조사를 대체하기 위하여 작은 카메라가 부착된 로봇(Machine Vision System)이 장착된 Linear Motion Control of System을 교량 하부에 설치하고 작업자는 교량 상부에서 외관조사를 수행함으로써 점검자에 따라 주관적으로 점검결과가 도출되는 문제를 근본적으로 해결하고 점검시 안전성을 대폭 개선하며 화상에 검측된 열화 손상 자료를 이미지 프로세싱 기법을 이용하여 객관적이고 정량적인 자료로 저장 및 제공함으로써 교량 유기관리시스템을 위한 데이터베이스를 구축하는데 기여할 수 있는 교량 하부 외관조사 자동화 시스템을 개발하는 데에 그 목적을 두고 있으며 본 시스템을 통하여 교량의 보수 보강 시기를 보다 객관적으로 산정할 수 있어서 현재 매년 기하급수적으로 늘어나는 교량의 보수 보강 비용을 상당히 절감할 수 있을 것으로 기대된다.저장기간을 계산하면, 아세설팜칼륨의 혼용 비율이 높아질수록 저장기간이 길어져서, $50\%$로 혼용하였을 때 가장 긴 저장기간이 산정되어 $20^{\circ}C$에서는 178일, $30^{\circ}C$에서는 88일이 예측되었다. 아스파탐과 아세설팜칼륨의 혼용비율을 5:5, 7:3, 9:1로 달리하여 구연산 완충액 상에 녹인 후, 20, 40, $60^{\circ}C$에서 저장하였다 크기 추정법을 이용하여 단맛을 측정한 결과 20일간의 저장 기간 동안 $20^{\circ}C$와 $40^{\circ}C$에서는 단맛이 유지되는 것으로 나타났다.산도 $0.4\~0.8\%^{(10)}$에서도 식품 유해가능성을 가진 균이 상당수 검출되므로 원료의 수송, 김치의 제조 및 유통과정에서 병원균에 대한 오염방지에 유의하여야 할 것이다. 확인할 수 있었다. 이상의 결과에 의하면 고농도의 유기물이 함유된 음식물쓰레기는 Hybrid Anaerobic Reactor (HAR)를 이용하여 HRT 30일 정도에서 충분히 직접 혐기성처리가 가능하며, 이때 발생된 $CH_{4}$를 회수하여 이용하면 대체에너지원으로 활용 가치가 높은 것으로 판단된다./207), $99.2\%$(238/240), $98.5\%$(133/135) 및 $100\%$ (313)였다. 각각 두 개의 요골동맥과 우내흉동맥에서 부분협착이나

• 전기전자학회논문지
• /
• 제25권3호
• /
• pp.493-500
• /
• 2021

본 논문에서는 다각형 용기의 품질 향상을 위한 딥러닝 구조 개발을 제안한다. 딥러닝 구조는 convolution 층, bottleneck 층, fully connect 층, softmax 층 등으로 구성된다. Convolution 층은 입력 이미지 또는 이전 층의 특징 이미지를 여러 특징 필터와 convolution 3x3 연산하여 특징 이미지를 얻어 내는 층이다. Bottleneck 층은 convolution 층을 통해 추출된 특징 이미지상의 특징들 중에서 최적의 특징들만 선별하여 convolution 1x1 ReLU로 채널을 감소시키고convolution 3x3 ReLU를 실시한다. Bottleneck 층을 거친 후에 수행되는 global average pooling 연산과정은 convolution 층을 통해 추출된 특징 이미지의 특징들 중에서 최적의 특징들만 선별하여 특징 이미지의 크기를 감소시킨다. Fully connect 층은 6개의 fully connect layer를 거쳐 출력 데이터가 산출된다. Softmax 층은 입력층 노드의 값과 연산을 진행하려는 목표 노드 사이의 가중치와 곱을 하여 합하고 활성화 함수를 통해 0~1 사이의 값으로 변환한다. 학습이 완료된 후에 인식 과정에서는 학습 과정과 마찬가지로 카메라를 이용한 이미지 획득, 측정 위치 검출, 딥러닝을 활용한 비원형 유리병 분류 등을 수행하여 비원형 유리병을 분류한다. 제안된 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과, 양품/불량 판별 정확도 99%로 세계최고 수준과 동일한 수준으로 산출되었다. 검사 소요 시간은 평균 1.7초로 비원형 머신비전 시스템을 사용하는 생산 공정의 가동 시간 기준 내로 산출되었다. 따라서 본 본문에서 제안한 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능의 그 효용성이 입증되었다.

• Investigative Magnetic Resonance Imaging
• /
• 제1권1호
• /
• pp.94-102
• /
• 1997

목적: 자기공명혈관조영술(magnetic resonance angiography: MRA)을 이용하여 뇌동맥류를 비침습적 방법으로 진단하고자 하는 시도가 있었지만 크기가 3mm 이하인 경우 진단에 애로가 많았다. 뇌동맥류의 진단에 있어 최근 개발된 고해상도, 고속의 slice interpolation 자기 공명혈관조영술과 디지탈 감산 혈관조영술(digital subtraction angiography: DSA)의 결과를 전향적으로 비교하여 보편적인 선별 검사법으로 가능성을 확인하고자 하였다. 대상 및 방법: 총 19명의 환자에서 26개의 뇌동맥류를 대상으로 하였다. 모두 자기공명혈관조영술을 먼저 촬영하여 기원혈관, 동맥류경부의 확인, 인근 작은 혈관과의 연관관계등을 확인한 후 디지탈 감산 혈관조영술을 시행하여 비교하였다. 영상은 1.5T 초전도형기계(Vision, Siemens, erlangen, Germany)를 이용하여 slice interpolation 을 이용한 자기공명혈관조영술로 촬영하였다. 촬영은 TR / TE / FA = 30 / 6.4 / 25, matrix $512{\times}160$, 관찰면 $200{\times}150$, 촬영시간 7분 42초, 유효 두께 0.7mm, 총 두께가 102.2mm로 하여 대공(foramen magnum)에서 전뇌동맥(anterior cerebral artery)의 A3 부위까지 충분히 포함되도록 하였다. 영상분석은 최대강도투사(maximum intensity projection: MIP)를 사용하였으며 두개강내 동맥류가 있는 경우 다면재구성(multiplanar reconstruction: MPR) 기법을 사용하였다. 결과: 19명의 환자중 2명이 3개, 3명이 2개, 나머지 14명이 각각 1개씩의 두개강내 동맥류를 가져 모두 26개 였으며 파열된 동맥류가 14개였고 파열되지 않은 동맥류가 12 개이었다. 크기가 2mm 이하가 8개, 3-5mm가 9개, 6-9mm가 7개이며 10mm이상이 2개가 있었다. 처음 검사에서 자기공명혈관조영술과 디지탈 감산 혈관조영술에서 23개의 동맥류중 내경동맥에 1mm 크기의 동맥류 1개를 제외한 25개를 각각 발견할 수 있어 96%의 예민도를 보였으나 진음성과 위음성은 없어 특이도를 측정할 수 없었다. 크기와 모양을 확인하는데 자기공명혈과조영술과 다면재구성을 동시에 사용한 경우 디지탈 감산 혈관조영술과 같은 성적을 보인 반면 동맥류 경부와 기원혈관을 확인하는데도 자기공명혈관조영술의 다면재구성을 동시에 사용한 경우가 자기공명혈관조영술 또는 디지탈 감산 혈관조영술만 사용한 경우 보다 월등히 좋았다. 결론: Slice interpolation 기법을 이용한 고해상 자기공명혈관조영술은 두개강내 동맥류를 검사하는데 디지탈 감산 혈관조영술과 동일한 성적을 보여 앞으로 비침습적 일차 선별 검사법으로 가능할 것으로 생각된다.