본 논문에서는 내용기반 영상 분류를 위한 방법론으로써 신경망을 이용한 계층적 분류 방법을 제안한다. 분류 대상 영상은 인터넷상의 다양한 영상들 중에서 전경과 배경의 구분이 있는 객체 영상이다. 전처리 과정에서 영역 분할을 이용하여 영상 내에서 배경을 제거하고 객체 영역을 추출한다. 분류를 위한 특징으로는 웨이블릿 변환 후 추출된 형태 특징과 질감 특징을 이용한다. 추출된 특징 값들을 Principal Component Analysis(PCA)와 K-means를 이용해서 군집화 시키고 유사한 군집들을 묶으면서, 5단계의 계층적 분류기를 구성한다. 계층적 분류기는 BP를 학습 알고리즘으로 사용하는 59개의 신경망분류기로 구성된다. 배경을 제거하고 질감특징 중 가장 높은 분류율을 보이는 대각 모멘트를 사용하여 실험하였을 때, 100종류에서 각 10개씩, 총 1000개의 학습 데이터와 1000개의 테스트 데이터에 대하여 각각 81.5%와 75.1%의 정분류율을 보였다.
본 연구에서는 높은 해상력의 IRS-1C PAN 데이터와 다양한 관측파장대를 갖고 있는 Landsat TM 데이터를 사용하여, 화상중합방법의 대표적 방법인 IHS방법으로 중합화상을 작성하고, IHS중합화상 및 원화상을 이용하여 토지이용분류를 수행하는데 있어서 어떤 칼라합성밴드가 유효한지를 밝히는데 그 목적이 있다. 분류결과를 평가하기 위해서 10개의 분류항목으로 구성된 sample data를 생성시켰으며, 생성된 sample data의 전체정확도(overall accuracy)로서 분류결과를 평가하였다. 그 결과 Landsat TM 데이터와 IRS-1C PAN데이터를 IHS방법으로 중합하여 토지이용분류를 수행할 경우, TM4, TM5 및 TM7의 적외선영역(infrared spectral region)의 밴드 중 2개 밴드를 포함시켜 분류를 수행하는 것이 좋았으며, 특히 TM 247 중합화상의 경우 분류정확도가 11.8%로 향상되어 가장 좋은 결과를 나타내었다. 또한 토지이용분류를 수행할 경우 3밴드를 중합하여 사용하는 경우보다 1% 원화상에 IRS-1C PAN화상을 추가하여 사용하는 경우의 정확도가 전체적으로 높았다.
사상의학은 우리나라의 대표적인 의학으로 사람의 체질을 4가지로 분류하고 각 체질별로 처치방법을 달리하는 독특한 의학이다. 이러한 사상체질에서 가장 중요한 것은 사상체질의 분류이며 이를 정확히 감별하는 일은 매우 어려운 과제이다. 이를 위해 본 논문에서는 체질별 분류를 행할 수 있는 하이브리드 형태의 진단기기 개발을 목표로 하고 이 중 본 논문은 용모사기론에 입각하여 이목구비에 대한 형태학적인 특징을 파악하는 방법에 대해 제안하고자 한다. 본 논문에서는 1단계에서 QSCC II 프로그램을 통해 사상체질군을 분류하고 이를 검증하였으며, 2단계에서 이목구비에 대한 실측으로 각 체질 간 이목구비 계측치를 분석하여 보다 정확하고 편리하게 체질을 분류할 수 있는 방법을 제시하고 이를 검증하였다. 또한 3단계에서는 정면 얼굴과 측면 얼굴에 대한 체질 분류 기반의 주요 영역을 추출, 분석하고 검증하였다. 이와 같은 실험, 고찰 및 검증과정을 통해 정확한 사상체질 분류 진단기기 개발을 위한 정면 얼굴과 측면 얼굴에서 안면 색상 기반의 주요 얼굴 영역을 추출하는 방법을 제안하고자 한다.
This research examines deep learning based image recognition models for beef sirloin classification. The sirloin of beef can be classified as the upper sirloin, the lower sirloin, and the ribeye, whereas during the distribution process they are often simply unified into the sirloin region. In this work, for detailed classification of beef sirloin regions we develop a model that can learn image information in a reasonable computation time using the MobileNet algorithm. In addition, to increase the accuracy of the model we introduce data augmentation methods as well, which amplifies the image data collected during the distribution process. This data augmentation enables to consider a larger size of training data set by which the accuracy of the model can be significantly improved. The data generated during the data proliferation process was tested using the MobileNet algorithm, where the test data set was obtained from the distribution processes in the real-world practice. Through the computational experiences we confirm that the accuracy of the suggested model is up to 83%. We expect that the classification model of this study can contribute to providing a more accurate and detailed information exchange between suppliers and consumers during the distribution process of beef sirloin.
The purpose of this study is to evaluate the classification performance and applicability when land cover datasets constructed for AI training are cross validation to other areas. For study areas, Gyeongsang-do and Jeolla-do in South Korea were selected as cross validation areas, and training datasets were obtained from AI-Hub. The obtained datasets were applied to the U-Net algorithm, a semantic segmentation algorithm, for each region, and the accuracy was evaluated by applying them to the same and other test areas. There was a difference of about 13-15% in overall classification accuracy between the same and other areas. For rice field, fields and buildings, higher accuracy was shown in the Jeolla-do test areas. For roads, higher accuracy was shown in the Gyeongsang-do test areas. In terms of the difference in accuracy by weight, the result of applying the weights of Gyeongsang-do showed high accuracy for forests, while that of applying the weights of Jeolla-do showed high accuracy for dry fields. The result of land cover classification, it was found that there is a difference in classification performance of existing datasets depending on area. When constructing land cover map for AI training, it is expected that higher quality datasets can be constructed by reflecting the characteristics of various areas. This study is highly scalable from two perspectives. First, it is to apply satellite images to AI study and to the field of land cover. Second, it is expanded based on satellite images and it is possible to use a large scale area and difficult to access.
과학기술 문헌을 활용한 계량정보분석에서 학과정보의 활용은 매우 유용하다. 본 논문에서는 국내 과학기술 분야 학술지 논문에 출현하는 대학기관 소속 저자의 학과정보 선별, 데이터 정제와 학과유형 분류 처리 과정을 통해 학과정보 데이터셋을 구축하고 학습데이터와 검증데이터로 이용하여 딥러닝 기반의 자동분류 모델을 구현하였다. 또한 학과정보 데이터셋과 국내 학술지 저자소속 정보를 활용하여 컴퓨터 분야의 공저 구성 현황과 네트워크를 분석하였다. 연구결과, 자동분류 모델은 한글 학과정보 기준 98.6% 정확률을 보였으며 컴퓨터 분야 연구자들의 공저 패턴과 기관유형, 지역, 기관, 학과유형 측면별 공저 네트워크의 속성과 중심성이 자세히 파악되고 맵으로 시각화되었다.
Choi, Seok Keun;Kim, Gu Hyeok;Choi, Jae Wan;Lee, Soung Ki;Choi, Do Yoen;Jung, Sung Heuk;Chun, Sook Jin
한국측량학회지
/
제35권1호
/
pp.11-22
/
2017
In recent years, coastal dune erosion has accelerated as various structures have been developed around the coastal dunes. A land cover map should be developed to identify the characteristics of sand dunes and to monitor the condition of sand dunes. The Korean Ministry of Environment's land cover maps suffer from problems, such as limited classes, target areas, and durations. Thus, this study conducted experiments using RGB and multispectral images based on UAV (Unmanned Aerial Vehicle) over an approximately one-year cycle to create a land cover map of coastal dunes. RF (Random Forest) classifier was used for the analysis in accordance with the experimental region's characteristics. The pixel- and object-based classification results obtained by using RGB and multispectral cameras were evaluated, respectively. The study results showed that object-based classification using multispectral images had the highest accuracy. Our results suggest that constant monitoring of coastal dunes can be performed effectively.
대한원격탐사학회 1999년도 Proceedings of International Symposium on Remote Sensing
/
pp.386-389
/
1999
In this study, visible and near infrared channels of NOAA/AVHRR data were used to classify land use and vegetation types over Korean peninsula. Analyzing forest stand structures and prediction of forest productivity using satellite data were also reviewed. Land use and land cover classification was made by unsupervised clustering methods. After monthly Normalized Difference Vegetation Index (NDVI) composite images were derived from April to November 1998, the derived composite images were used as temporal feature vector's in this clustering analysis. Visually interpreted, the classification result was satisfactory in overall for it matched well with the general land cover patterns. But subclassification of forests into coniferous, deciduous, and mixed forests were much confused due to the effects of low ground resolution of AVHRR data and without defined classification scheme. To investigate into the forest stand structures, digital forest type maps were used as an ancillary data. Forest type maps, which were compiled and digitalized by Forestry Research Institute, were registered to AVHRR image coordinates. Two data sets were compared and percent forest cover over whole region was estimated by multiple regression analysis. Using this method, other forest stand structure characteristics within the primary data pixels are expected to be extracted and estimated.
이 연구는 특정 주제 분야를 사회학적 관련 이론 및 기법을 적용하여 고찰하고 있는 문헌의 분류를 효율적으로 수행하기 위해 국내에서 가장 많이 사용되고 있는 한국십진분류법(KDC)과 듀이십진분류법(DDC)의 특수사회학 분류항목들을 비교분석 하였다 특히 특수사회학 관련 분류항목들을 종교, 예·체능, 과학, 언어, 사회, 지역 등 6개 분야로 구분하여 분석한 결과 분류항목 설정이 상이함으로 인한 문제점과 분류항목이 설정되지 않음으로 인한 문제점이 나타났다. 이를 토대로 이 연구에서는 특정주제의 이론 및 기법 적용에 일관성을 기하도록 하고 분류번호 부여를 위한 추가의 항목 전개 등 분류 실무자의 판단을 도와주는 한편 나아가 KDC의 제5판 개정에 일조하는 데 그 의의를 두었다.
본 논문에서는 특정 시점, 특정 장소의 대기 중에 발생하는 악취의 발생원을 추적하기 위한 악취분류 및 악취원 분석 방법을 제안한다. 이를 위해 악취원별 대표패턴의 생성이 필요하다. 이에 주요 악취원에서 측정한 67개의 악취를 악취 대표패턴으로 생성하였다. 또한, 여러 악취가 대기 중에서 섞였을 경우를 고려하여 2~3개의 악취들을 조합하여 복합 악취 대표패턴을 생성하였고, pseudo inverse method를 이용하여 악취에 대한 악취원들의 가중치를 계산하였다. 그 결과 해당 악취를 발생시킨 악취원들과 악취에 대한 기여도를 알아낼 수 있었다. 이러한 본 연구의 성과는 악취 관련 민원해결에 기여할 것으로 전망된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.