• 한국정보통신학회논문지
• /
• 제23권5호
• /
• pp.508-515
• /
• 2019

소프트웨어 관련 R&D 사업의 결과의 성공여부를 판단하는 기준으로 다양한 정량지표를 많이 사용하고 있으나, 어떠한 정량지표를 선정하는 것이 적절한지에 대한 판단은 다소 어려운 부분이 있다. 본 논문에서는 소프트웨어 개발의 정량적 평가지표 선정에 기준을 제공하기 위해 소프트웨어 품질 수준의 표준으로 활용되고 있는 ISO/IEC25023를 활용하여 소프트웨어 제품 개발의 정량적 평가지표 생성프로세스를 제안한다. 제안 프로세스는 2단계로 구성되어 있다. 첫 번째 단계에서는 ISO/IEC25023 표준규격의 품질특성과 부특성을 도출하고, 두 번째 단계에서는 1단계 결과인 품질특성과 부특성에 부합하는 평가지표 가이드를 도출한다. 제안하는 정량적 평가지표 생성 프로세스는 소프트웨어 개발 프로젝트의 특성에 맞는 정량적 평가지표 선정에 도움이 될 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1109-1124
• /
• 2022

본 연구에서는 단시간 내 광범위한 지역에 대한 해양쓰레기 발생 실태 파악이 가능하도록 위성 및 드론다중분광 영상을 이용한 해안쓰레기 모니터링 기법을 제안한다. Sentinel-2 위성 영상을 이용한 해안쓰레기 탐지를 위해 multi-layer perceptron (MLP) 모델을 적용하였고, 드론 다중분광 영상을 이용한 해안쓰레기 탐지를 위해 딥러닝 모델 중 U-Net, DeepLabv3+ (ResNet50), DeepLabv3+ (Inceptionv3)의 탐지 성능평가 및 비교를 수행하였다. 위성 영상을 이용한 해안쓰레기 탐지 결과 F1-Score 0.97을 보였다. 드론 다중분광 영상을 이용한 해안쓰레기 탐지는 초목류와 플라스틱류에 대한 탐지를 수행하였고, 탐지 결과 DeepLabv3+ (Inceptionv3) 모델이 mean Intersection over Union (mIoU) 0.68로 가장 우수한 성능을 보였다. 초목류는 F1-Score 0.93, IoU는 0.86을 보인 반면에 플라스틱류의 F1-Score 0.5, IoU는 0.33으로 낮은 성능을 보였다. 그러나 플라스틱류 마스크 영상 생성을 위해 적용된 분광 지수식의 F1-Score는 0.81로 DeepLabv3+ (Inceptionv3)의 플라스틱류 탐지 성능보다 높은 성능을 보이며, 분광 지수식을 이용한 플라스틱류 모니터링이 가능할 것으로 판단된다. 본 연구에서 제안된 해안쓰레기 모니터링 기법을 통해 해안쓰레기 발생에 대한 정량적 자료 제공과 더불어 해안쓰레기 수거·처리 계획 수립에 활용할 수 있다.