• 정보처리학회 논문지
• /
• 제13권7호
• /
• pp.335-347
• /
• 2024

개방형 어휘 3차원 포인트 클라우드 개체 분할은 3차원 장면 포인트 클라우드를 훈련단계에서 등장하였던 기본 클래스의 개체들뿐만 아니라 새로운 신규 클래스의 개체들로도 분할해야 하는 어려운 시각적 작업이다. 본 논문에서는 중요한 모델 설계 이슈별 기존 모델들의 한계점들을 극복하기 위해, 새로운 개방형 어휘 3차원 개체 분할 모델인 Open3DME를 제안한다. 첫째, 제안 모델은 클래스-독립적인 3차원 마스크의 품질을 향상시키기 위해, 새로운 트랜스포머 기반 3차원 포인트 클라우드 개체 분할 모델인 T3DIS[6]를 마스크 제안 모듈로 채용한다. 둘째, 제안 모델은 각 포인트 세그먼트별로 텍스트와 의미적으로 정렬된 시각적 특징을 얻기 위해, 사전 학습된 OpenScene 인코더와 CLIP 인코더를 적용하여 포인트 클라우드와 멀티-뷰 RGB 영상들로부터 각각 3차원 및 2차원 특징들을 추출한다. 마지막으로, 제안 모델은 개방형 어휘 레이블 할당 과정동안 각 포인트 클라우드 세그먼트별로 추출한 2차원 시각적 특징과 3차원 시각적 특징을 상호 보완적으로 함께 이용하기 위해, 특징 앙상블 기법을 적용한다. 본 논문에서는 ScanNet-V2 벤치마크 데이터 집합을 이용한 다양한 정량적, 정성적 실험들을 통해, 제안 모델의 성능 우수성을 입증한다.

• 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.

• Korean Circulation Journal
• /
• 제52권9호
• /
• pp.699-711
• /
• 2022

Background and Objectives: We investigated whether extra-pulmonary vein (PV) ablation targeting a high maximal slope of the action potential duration restitution curve (Smax) improves the rhythm outcome of persistent atrial fibrillation (PeAF) ablation. Methods: In this open-label, multi-center, randomized, and controlled trial, 178 PeAF patients were randomized with 1:1 ratio to computational modeling-guided virtual Smax ablation (V-Smax) or empirical ablation (E-ABL) groups. Smax maps were generated by computational modeling based on atrial substrate maps acquired during clinical procedures in sinus rhythm. Smax maps were generated during the clinical PV isolation (PVI). The V-Smax group underwent an additional extra-PV ablation after PVI targeting the virtual high Smax sites. Results: After a mean follow-up period of 12.3±5.2 months, the clinical recurrence rates (25.6% vs. 23.9% in the V-Smax and the E-ABL group, p=0.880) or recurrence appearing as atrial tachycardia (11.1% vs. 5.7%, p=0.169) did not differ between the 2 groups. The post-ablation cardioversion rate was higher in the V-Smax group than E-ABL group (14.4% vs. 5.7%, p=0.027). Among antiarrhythmic drug-free patients (n=129), the AF freedom rate was 78.7% in the V-Smax group and 80.9% in the E-ABL group (p=0.776). The total procedure time was longer in the V-Smax group (p=0.008), but no significant difference was found in the major complication rates (p=0.497) between the groups. Conclusions: Unlike a dominant frequency ablation, the computational modeling-guided V-Smax ablation did not improve the rhythm outcome of the PeAF ablation and had a longer procedure time.

• 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.