• 한국정보처리학회논문지
• /
• 제4권2호
• /
• pp.465-482
• /
• 1997

본 논문은 타이어에 각인된 타이어 분류 코드인(DOT(Department of Transportation) 코드 인식 처리를 위해 타이어 문자를 영상 처리한 후 신명망을 이용하여 인식 시스템을 구축한 것이다. 타이어에 각인된 문자부분을 영상 처리시, 타이어 표면에 각인된 문자가 조명에 민감한 반응을 보일 뿐아니라 난반사로 인한 문자 경계선이 왜곡되는 현상과 인접한 두 개의 문자가 한 레이블을 갖는 현상이 발생된다. 따라서 본 논문에서는 이러한 특성을 고려한 타이어 영상 처리 알고리즘을 제안하여 실헝을 통해 유효성을 증명하였다. 또한 타이어분류 코드인DOT 코드를 효율적으로 인식하기 위해 인식기를 다중 연결한 MCBP(Multi-Chained BackPropogation)망을 제안하였다. MCBP망에서는 타이어 개별 문자영역에 대한 X, Y축 투영 값을 추출하여 문자 영역 분류를 위한 특징 값과 가로, 세로 7$\times$8 정규화를 이용한 개별 문자의 특징을 추출하여 인식 처리한다. 본 논문에서는 MCBP망에 의해 인식된 결과와 DOT 코드 데이터 베이스를 비교 처리하는 후처리를 통해서 오인식율을 3% 줄였다. 학습 및 인식 결과는 단일 역전파망에 비해 학습시간에서는 60%의 개선과 효과를 얻었으며, 인식율은 90%에서 95%로 향상었다. 또한 후처리까지 포함하면 전체 인식율을 98%까지 증가되는 높은 인식율을 얻을 수 있었다.

• 한국축산시설환경학회지
• /
• 제11권1호
• /
• pp.35-44
• /
• 2005

본 연구는 병계 및 폐사계의 자동 판정을 위한 알고리즘을 개발하는 것을 목적으로 수행되었다. 알고리즘을 개발하기 위하여 산란계의 질병증상 및 행동을 분석하였고 개발된 알고리즘으로 시스템을 구축하고 프로그램을 제작하여 성능을 분석하였다. 그 결과는 다음과 같이 요약된다. 1. 병$\cdot$폐사계의 판정을 위한 적정 촬영시간을 찾아내기 위해 산란계의 먹이에 대한 관심도를 조사한 결과 관심도가 $90\%$를 넘는 급이후 5분 30초 이내가 가장 적절한 것으로 판단되었다. 2. 외부의 빛을 차단하고 균일한 조도의 영상 얻기 위하여 illumination chamber를 설치하였으며 보조 조명장치를 부착하여 조도를 45 lx 로 균일하게 하였다. 3. 산란계의 영상을 추출하기 위한 RGB의 농도범위를 Red 0${\~}$140, Green 0${\~}$130, Blue 0${\~}$130 으로 하였을 때 가장 좋은 영상을 얻을 수 있었다. 4. 병계 및 폐사계의 판별을 위하여 CCD 카메라로부터 얻은 이미지를 2진화하고 수축 및 팽창 처리를 하여 Noise를 제거하였으며, Label-ing 작업 후 중심점을 계산하여 정상인 산란계의 이미지를 제거하였다. 5. 개발된 알고리즘을 LABWindows/CVI를 이용하여 프로그램을 작성하였다. 6. 개발된 감시시스템을 이용하여 실험 유형별로 4개의 케이지 산란계 20마리에 대하여 100회의 판별시험을 실시하였으며 그 결과 A형의 실험에서 $92\%$의 정확도를 나타냈고, B형의 실험에서 $96\%$의 정확도를 나타냈다. 7. 개발된 영상처리알고리즘을 영상처리시스템에 적용하여 실험산란계사내의 고단직립식산란계케이지에서 실험을 실시한 결과 높은 성공률을 보였으며 앞으로 개발될 고단직립식산란계케이지의 원격자동화감시시스템을 구성하는 데 있어서 적합한 영상처리알고리즘인 것으로 판단되었다.

• 대한한방내과학회지
• /
• 제43권6호
• /
• pp.1105-1121
• /
• 2022

Objectives: The purpose of this study is to explore the effectiveness and safety of frequently used clinical herbal medicines (Yijung-tang [Lizhong-tang, LJT], Pyeongwi-san [Pingwei-san, PWS], and Shihosogan-tang [Chaihu Shugan-tang, SST]) in patients with functional dyspepsia (FD) when administered according to herbal medicine and Korean medicine pattern identification. The results of this study will be used to standardize the diagnostic instrument used in Korean medicine and to investigate biomarkers of Korean medicine pattern identification. Methods: This study will be a randomized, assessor-blind, 3-arm, parallel, open-label, multi-center clinical trial. A total of 300 FD participants will be recruited from 3 Korean medical hospitals and assigned to the LJT (n=100), PWS (n=100), and SST (n=100) groups according to FD pattern identification. The patients will take the medication for 8 weeks, 3 times a day, before or between meals. The primary outcome will be total dyspepsia symptom (TDS) and the secondary outcomes will be adequate relief (AR) for dyspepsia, overall treatment effect (OTE), visual analogue scale (VAS), functional dyspepsia-related quality of life (FD-QoL), gastrointestinal symptom score (GIS), and pattern identification questionnaires. For the exploratory outcomes, we will analyze blood and fecal metabolome profiles, microbiota from fecal and saliva samples, single nucleotide polymorphism (SNP), and results of Korean medicine diagnosis device measurements (heart rate variability, and tongue, pulse, and abdominal diagnosis). Conclusions: The results of this study will prove objectivity for Korean medicine pattern identifications, and the effectiveness and safety of herbal medicines for the population with FD.

• 한국농림기상학회지
• /
• 제25권2호
• /
• pp.80-98
• /
• 2023

본 연구에서는 계절내-계절(Subseasonal to seasonal, S2S) 기후예측의 주별 예측 성능을 개선하기 위해서 딥러닝 기반의 후보정(post processing) 기술을 개발하였다. 그 첫 단계로, 일 최고, 최저기온과 일 강수를 목표 변수로, 자료의 특성과 분포에 적합한 자료 변환 및 특성 공학 기법을 규명하고자 하였다. 먼저, 6개 개별 기후모델의 S2S 예측 자료를 딥러닝 모델에 입력하기 위한 훈련자료로 변환하고, 이로부터 다중모델앙상블(Multi-Model Ensemble, MME) 기반 훈련자료를 구축하였다. 참값(label)으로는 ECMWF의 ERA5 재분석 자료를 사용하였다. 자료 변환 알고리즘은 최고 및 최저 차이를 계산하여 입력자료의 범위를 변형시키는 MinMax 및 MaxAbs 변환, 표준편차를 이용하는 Standard 변환 및 분위수를 지정하여 변형하는 Robust와 Quantile 변환으로 구성된 전처리 파이프라인을 구축하였으며, 변환된 훈련자료와 예측 변수와의 상관관계를 계산하여 순위에 따라 훈련자료의 특성을 선택하는 특성 선택 기법을 추가하였다. 본 연구는 U-Net 모델에 TimeDistributed wrapper를 모든 합성곱 층(convolutional layer)에 적용하여 활용하였다. 5개 알고리즘으로부터 변환된 6개 개별 기후모델 및 MME S2S 훈련자료(일 최고 및 최저기온, 강수)에 훈련 모델을 적용한 결과와 훈련 모델을 적용하지 않은 결과를 ERA5와의 공간상관계수(spatial Pattern Correlation Coefficient)를 계산하고 그 개선율인 기술 점수(skill score)를 평가한 결과, 일 강수의 PCC 기술 점수는 Standard 및 Robust 변환으로 처리된 것에서 전체 예측선행(1~4주)에 대해 모두 높았고, 일 최고 및 최저기온에서는 예측 선행시간 3~4주에서만 높게 나타났다. 또한, 일 강수에서 특성 선택에 따른 훈련자료의 차원 감소가 예측 성능 변화에 영향을 미치지 않는 것으로 나타났다. 일 최고 및 최저기온의 경우에는 특성 선택에 의한 훈련자료의 특성 정보 감소가 오히려 예측 성능을 저하시킬 수 있는 것으로 확인되었으며, 원시자료에서 예측성이 높은 1~2주 기온 예측 개선을 위한 적합한 전처리 변환 알고리즘이나 특성 선택을 찾을 수 없었다. 후속 연구에서는 원시 예측 성능이 강수에 비해 높으나 딥러닝 훈련 모델에 의한 후보정 효과가 미미한 예측 선행 1~2주 기온 예측의 저조 원인에 대해 탐색하고, 다양한 딥러닝 훈련 모델로의 적용 및 초매개변수 조정 등 학습 과정의 최적화를 통해 S2S 기후 예측 성능을 개선하고자 한다.

• 대한전자공학회논문지TC
• /
• 제41권12호
• /
• pp.41-49
• /
• 2004

최근 인터넷 사용자 수의 증가와 새로운 서비스의 등장으로 각 응용의 요구 대역폭이 증가하였다. 따라서 Internet 트래픽은 폭주하게 되었고, 고속의 백본(backbone) 네트워크가 필요하게 되었다. 이러한 요구는 IP packet switching과 wavelength switching 모두를 동시에 수행하면서 대용량의 대역폭을 지원할 수 있는 GMPLS(Generalized Multi-protocol Label Switching) 기반의 OXC(Optical cross-connects)에 의해 만족될 수 있다. 이러한 요구를 위해서는 Core망에 많은 수의 파장 변환기가 필요하고, 구축 및 운용비용(cost-effective)이 효율적일 뿐만 아니라 최적의 트래픽 전송제한을 받는 문제점을 갖고 있다. 따라서 본 논문에서는 GMPLS망에서 개선된 Lightpath setup을 위한 GMPLS의 RSVP-TE 시그널링을 제안하였다. 제안한 알고리즘은 setup 시그널링이 블로킹 되었을 때, edge router까지 PathErr 메시지를 전송하는 것이 아니라 파장 변환을 수행할 수 있는 최단거리에 위치한 람다 라우터를 찾고, 그 노드로부터 setup 시그널링을 다시 수행한다. 본 알고리즘은 Lightpath setup 시그널링의 블로킹 확률을 줄일 수 있으며, 적절한 파장 변환기 수를 산출하여 core망에서 람다 라우터의 효율적인 배치도 구현할 수 있을 것으로 사료된다.

• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.123-132
• /
• 2023

Git의 커밋 메시지는 프로젝트 진행 혹은 운영 과정에서 소스가 변경되는 이력을 관리한다. 이러한 이력 데이터를 활용하면 프로젝트 리스크와 프로젝트 현황을 파악할 수 있어 비용 절감과 시간 효율개선을 높일 수 있다. 이와 관련된 많은 연구가 진행되고 있고 이러한 연구 분야 중 커밋 메시지를 소프트웨어 유지관리의 유형으로 분류하는 연구가 있다. 발표된 연구 중 최대 분류 정확도는 95%로 보고되어 있다. 본 논문에서는 커밋 분류 모델을 이용한 솔루션 등의 활용을 목적으로 연구를 시작했고, 기존 연구 중 정확도가 가장 높은 모델이 JAVA 언어로 작성된 프로그램에만 적용할 수 있는 제약을 없애기 위한 연구를 수행하였다. 이를 위해 GPT를 이용해서 소스 변경 데이터를 자연어로 표준화하는 단계를 추가 설계하고 구현하였다. 본문은 Git에서 커밋 메시지와 소스 변경 데이터를 추출하고, GPT로 소스 변경 데이터를 표준화하는 과정과 디스틸버트(DistilBERT) 모델을 이용한 학습 과정을 설명한다. 검증 결과 91%의 정확도를 측정하였다. 제안하는 모델은 정확도를 확보하고 특정 프로그램에 종속되지 않고 분류할 수 있는 모델을 구현 및 검증하였다. 향후 Bard를 이용한 분류 모델 연구와 제안한 분류 모델을 이용해 프로젝트에 도움이 되는 관리 도구 모델에 관해 연구할 계획이다.

• 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.

• Clinical and Experimental Pediatrics
• /
• 제48권9호
• /
• pp.960-968
• /
• 2005

목 적 : 본 연구는 한국인 소아를 대상으로 MMR 약독화 생백신인 프리오릭스주를 단독 접종한 후 공개, 다 기관, 비비교 시험으로 프리오릭스주의 안전성과 면역성 평가를 목적으로 수행되었다. 방 법 : 2002년 7월부터 2003년 2월까지 한일병원, 경희대학교 부속병원, 가톨릭대학교 성바오로병원, 고려대의과대학부속 안산병원 등 4개의 병원에 예방 접종을 위해 내원한 12-15개월 또는 4-6세의 건강한 남녀 소아 252명을 대상으로 하였으며, 이중에서 임상시험계획서의 모든 기준을 충족하는 피험자를 최종 분석대상군에 포함시켰다. 접종 후 이상 반응 및 중대한 이상 반응에 대하여 42일간의 추적관찰을 통하여 증례기록서의 이상 반응란에 기록하였다. 각 피험자들은 시험백신 투여 직전과 투여 후 42일 후 혈액검체를 채취하여 벨기에 GlaxoSmithKline Biologicals 실험실에서 면역분석법을 통하여 항체가를 측정하였다. 결 과 : 등록된 피험자 총 252명 중 최종적으로 12-15개월군에서 103명, 4-6세군에서 96명으로 총 199명이 분석대상으로 선정되었다. 본 임상시험 기간 동안 발생한 이상반응 중 시험약물과 관련 있는 국소 반응은 10.1% 전신 반응은 6.5%에 불과하였으며, 우려하였던 이상 반응, 예를 들면 무균성 뇌막염, 열성 경련 등은 발생하지 않았으며, 시험백신과 관련된 중대한 이상 반응은 없었다. 유효성 분석에서, 항체 음성인 피험자들의 혈청전환율은 홍역인 경우 99%, 유행성 이하선염인 경우 93%, 풍진인 경우 100%이었다. 시험백신 투여 전 항체 음성인 피험자군의 혈청전환시 항체가의 기하평균은, 홍역의 경우 12-15개월에 속하는 피험자군에서는 $383{\pm}8.6mIU/mL$, 4-6세에 속하는 피험자군에서는 $188{\pm}6.2mIU/mL$, 유행성 이하선염의 경우 12-15개월에 속하는 피험자군에서는 $95{\pm}6.3U/mL$, 4-6세에 속하는 피험자군에서는 $247{\pm}3.8U/mL$, 풍진의 경우 12-15개월에 속하는 피험자군에서는 $94.5IU/m{\pm}$, 4-6세에 속하는 피험자군에서는 $16{\pm}8.9IU/mL$을 보였다. 결 론 : 12-15개월 또는 4-6세의 건강한 소아를 대상으로 프리오릭스주를 접종하였을 때, 이와 관련된 이상 반응은 대부분의 백신 접종 후 나타날 수 있는 일반 반응에 한정된 것으로 나타나 한국인 소아에게서도 안전하게 사용될 수 있으며 또한 매우 높은 항체양전율 및 항체가의 기하평균치를 보여 우수한 면역효과를 기대할 수 있는 백신으로 사료된다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.1-19
• /
• 2018

최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.