• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제1권3호
• /
• pp.187-194
• /
• 2012

전립선암은 남자에게 가장 흔히 나타나는 암 중의 하나이며, 많은 나라에서 죽음에 이르게 하는 큰 요인이 되고 있다. 전립선암을 진단하고 치료하는 과정에서 비용이 싼 TRUS 영상이 사용된다. 그러나 전립선 경계의 정확한 구분이 요구되지만 어려운 문제이다. 그 이유는 경계가 불명확하고, 반점들이 많으며, 그레이 레벨의 범위가 작기 때문이다. 본 연구에서는 전립선의 평균 형상 모델과 불변의 특징을 이용하여 TRUS 영상에서 자동으로 전립선 분할하는 방법을 제안한다. 이 방법은 4 단계로 구성된다. 먼저, 에지 분포를 이용하여 프로브와 두개의 직선을 찾아낸다. 다음으로, 평균 형상 모델의 중앙에 위치한 3개의 전립선 패치를 획득한다. 이 패치는 전립선과 비전립선의 특징을 비교하기 위해 사용된다. 다음으로, 세 개의 패치와 각 블록들이 얼마나 대표 블록과 유사한지를 비교한다. 마지막으로, 앞 단계의 경계와 첫 단계에서 얻은 개략적 경계가 최종 분할에 사용된다. 이 방법의 유효성을 검증하기 위하여 실험을 하였으며, 인간 전문가에 의해 얻어진 경계와 비교하여 7.78% 미만의 차이로 경계를 얻을 수 있었다.

• 한국정보통신학회논문지
• /
• 제26권11호
• /
• pp.1599-1607
• /
• 2022

저출산과 노령화로 보험 수요가 지속해서 감소하고 있다. 나아가 언택트 소비가 주류가 되면서 기존의 대면 서비스를 중심으로 한 보험상품 마케팅은 실효성이 크게 떨어지고 있다. 그러므로 보험업계는 비대면 서비스를 기반으로 한 새로운 마케팅이 절실한 시점이다. 확보된 내 외부 및 공공데이터를 바탕으로 보험 트렌드를 반영한 맞춤형 전략을 통해 기존 고객의 로열티를 강화하고 신규 고객을 확보할 수 있는 개인 맞춤형 보험 상품 추천시스템을 제안하고자 한다. 보험회사 데이터베이스에 등록된 고객을 대상으로 공공 데이터(시군구별 총인구수, 건강생활 실천율, 고령 인구 비율, 출생률, 노인여가복지 수, 연령대별 경제활동참가율 등), 고객 개인정보 및 기 계약 정보를 사용하여 인구통계학 기반과 모델 기반 추천시스템을 설계하였다. 인구통계학 기반 추천시스템은 군집화된 고객 내 코사인 유사도를 계산하여 유사도가 높은 고객들이 많이 가입한 보험상품을 추천하였다. K-means를 이용한 군집화 방식과 고객의 지역, 성별 및 연령대 기준의 Segmentation 방식으로 각각 수행하였다. 모델 기반 추천시스템은 Decision Tree, Random Forest Classifier를 사용하여 각각 추천시스템을 설계하였다. 본 연구 결과 군집 된 고객 간 코사인 유사도를 활용한 인구통계학 기반 추천시스템의 성능이 가장 우수하였다. 이는 개인의 특성(성별, 나이 등) 및 환경적인(경제력, 직업 거주지역 등) 요소에 따라 보험 상품을 선택하기 때문에 고객 간 유사도가 보험 추천시스템의 성능에 주요 요소인 것을 보여준다.

• 한국정보통신학회논문지
• /
• 제8권7호
• /
• pp.1453-1463
• /
• 2004

기존의 레벨셋을 이용한 이미지 분할 방법은 화소값의 기울기를 이용하기 때문에 지역적 형태에 좌우되는 문제점을 지니고 있다. 본 논문에서는 평활한 구동력을 위하여 레벨 셋 함수와 새로운 보상 평활화 함수를 결합시키는 하이브리드 방법을 이용한 방법이 소개된다. 대부분의 경우에 3 교점을 가지고 있지 않다는 가정하에 보상함수를 얻는 방법을 대안으로 고려하였다. 보상함수의 주요 역할은 원보상 함수와 평균 보상함수의 차가 새로운 레벨셋 함수의 합리적인 구동력으로 소개될 수 있다. 본 논문에서 제안한 하이브리드 방법은 기존 레벨셋을 이용한 방법의 단점을 최소화시키는 방법이다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권2호
• /
• pp.771-789
• /
• 2019

Text detection has been a popular research topic in the field of computer vision. It is difficult for prevalent text detection algorithms to avoid the dependence on datasets. To overcome this problem, we proposed a novel unsupervised text detection algorithm inspired by bootstrap learning. Firstly, the text candidate in a novel form of superpixel is proposed to improve the text recall rate by image segmentation. Secondly, we propose a unique text sample selection model (TSSM) to extract text samples from the current image and eliminate database dependency. Specifically, to improve the precision of samples, we combine maximally stable extremal regions (MSERs) and the saliency map to generate sample reference maps with a double threshold scheme. Finally, a multiple kernel boosting method is developed to generate a strong text classifier by combining multiple single kernel SVMs based on the samples selected from TSSM. Experimental results on standard datasets demonstrate that our text detection method is robust to complex backgrounds and multilingual text and shows stable performance on different standard datasets.

• 한국측량학회지
• /
• 제26권3호
• /
• pp.227-239
• /
• 2008

항공 레이저 스캐닝(ALS) 시스템으로부터 획득한 LiDAR 데이터를 미용하여 3차원 객체 모델링과 지형도 제작을 위해서는 데이터의 기하학적 및 의미적인 분할과 같은 체계적인 데이터 처리가 선행되어야 한다. ALS로 부터 활용 가능한 LiDAR 데이터를 획득하기 위해서는 GPS, INS 및 레이저 스캐너 데이터의 통합이 필수적이다. 본 연구에서는 건물추출과 지붕 구조물 분할을 위해서 LiDAR 데이터를 영상화하여 디지털 영상처리 기법을 적용하였다. 영상화된 데이터를 사용하는 주요 장점 중 하나는 기존의 다양한 영상처리 알고리즘을 사용할 수 있다는 점이다. 격자화 및 정량화를 거치는 영상화 과정에서 원시 LiDAR 데이터가 한정된 밝기값으로 변환되므로 평활화 및 상세 정보의 손실이 발생될 수 있지만. 평활화된 데이터는 표면분할과 모델링에 오히려 적합하다. 건물의 경계선은 윤곽선 추출 연산자를 이용하여 정확하게 추출하였으며, 건물 모양에 적합하도록 규격화하였다. 건물 지붕의 구조물의 분할은 영역확산을 기반으로 수행하였다. 이 결과 다양한 디지털 영상처리 기법을 복합적으로 적용하여 건물추출과 지붕 구조물의 면분할이 가능함을 보여주었다. 또한 지붕의 형태를 재현하기 위한 특성정보 추출에 관한 개념적 방법을 제안하였다. 지붕 데이터를 분할하고 모델링을 위해 통계적 및 기하적 특성을 이용하였으며. 제안한 방법에 의한 시뮬레이션 결과는 지붕면을 분할하고 모델링하는데 가능함을 보여주고 있다.

• 한국의학물리학회지:의학물리
• /
• 제13권4호
• /
• pp.181-186
• /
• 2002

세기조절 방사선 치료는 각각의 치료계획 시스템의 도스 최적화 알고리즘과 선형 가속기의 조합에 따라 다양하게 최적의 성능을 발휘 할 수 있다. 연세 암센터는 효과적인 방사선치료를 위하여 2002년 2월에 세기조절 방사선 치료 시스템을 도입하여 운영 중에 있으며 도입된 시스템은 CORVUS (Nomos, 미국) 치료계획 시스템과 LANTIS, PRIMEVIEW, PRIMART (Siemens, 미국)의 선형가속기 시스템으로 구성되어 있다. 최적화된 치료를 위해서는 CORVUS 치료계획기와 PRIMART 선형가속기의 적절한 조합 조건을 찾아 적용하는 것이 중요한 일이다. 이 Step ＆ Shoot 방식의 세기조절 방사선 치료기는 Finite Size Pencil Beams (FSPB) 도스모델과 simulated annealing method의 도스 최적화 알고리즘 및 IMFAST의 segmentation 알고리즘을 사용하고 있다. 본 연구는 segmentation 알고리듬에 관한 것으로 두개의 기본 beamlet 크기(1.0$\times$1.0 $\textrm{cm}^2$ 와 0.5$\times$1.0$\textrm{cm}^2$)와 4가지의 빔 세기 단계(5%, 10%, 20%, 33%)의 option을 4명의 상이한 환자 case에 대하여 적용하고 비교해 보았다. 상대적으로 작은 target 부피를 갖는 경우 TPS상의 segmentation의 설정에 민감하게 target 도스분포가 변하였으며 작은 beamlet일수록 intensity step을 작게 할수록 최적의 도스분포를 보여주었다.

• 한국지반공학회논문집
• /
• 제37권11호
• /
• pp.107-118
• /
• 2021

Scan-to-BIM은 라이다(Light Detection And Ranging, LiDAR)로 구조물을 계측하고 이를 바탕으로 3D BIM(Building Information Modeling) 모델을 구축하는 방법으로 정밀한 모델링이 가능하지만 많은 인력과 시간, 비용이 소모된다는 한계를 가진다. 이러한 한계를 극복하기 위해 포인트 클라우드 데이터를 대상으로 딥러닝(Deep learning) 알고리즘을 적용하여 구조물의 객체 분할(Semantic segmentation)을 수행하는 연구들이 진행되고 있으나 학습 데이터에 따라 객체 분할 정확도가 어떻게 변화하는지에 대한 연구는 미흡한 실정이다. 본 연구에서는 딥러닝을 통한 철도 터널의 객체 분할에 학습 데이터를 구성하는 철도 터널의 크기, 선로 유형 등이 어떤 영향을 미치는지 확인하기 위해 매개변수 연구를 수행하였다. 매개변수 연구 결과, 학습과 테스트에 사용한 터널의 크기가 비슷할수록, 단선 터널보다는 복선 터널로 학습하는 경우에 더 높은 객체 분할 성능을 보였다. 또한, 학습 데이터를 두 가지 이상의 터널로 구성하면 전체 정확도(Overall Accuracy, OA)와 MIoU(Mean Intersection over Union)가 적게는 10%에서 많게는 50%가량 증가하였는데 이로부터 학습 데이터를 다양하게 구성하는 것이 효율적인 학습에 기여할 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1329-1341
• /
• 2022

해양환경 및 해양생태계를 파괴하고 해양사고의 원인이 되는 해양쓰레기는 매년 늘어나고 있으나 그 중 해양침적쓰레기는 해저에 위치해 있어 파악과 수거에 어려움이 있다. 이에 효율적인 수거와 분포량 파악을 위해 수중촬영 이미지를 이용하여 폐그물과 폐밧줄을 대상으로 딥러닝 기반의 의미론적 분할을 실험하였다. 분할에는 최신 딥러닝 기법인 high-resolution network (HRNet)을 사용하고 최적화 알고리즘(optimizer) 별 성능 비교를 하였다. 분할 결과 그물에서는 adaptive moment estimation (Adam), Momentum, stochastic gradient descent(SGD) 순으로 F1 score=(86.46%, 86.20%, 85.29%), IoU=(76.15%, 75.74%, 74.36%) 이며, 밧줄은 F1 score=(80.49%, 80.48%, 77.86%), IoU=(67.35%, 67.33%, 63.75%)로 그물과 밧줄에서 모두 Adam의 결과가 가장 높게 나타났다. 연구 결과를 통해 optimizer 별 분할 성능 평가와 최신 딥러닝 기법의 해양침적쓰레기 분할에 대한 가능성을 확인하였다. 이에 따라 수중촬영 이미지를 통한 해양침적쓰레기 식별에 최신 딥러닝 기법을 적용시킴으로써 육안을 통한 식별보다 정확하고 효율적인 식별을 통해 해양침적쓰레기의 분포량 산정에 기여할 수 있을 것으로 사료된다.

• 지능정보연구
• /
• 제17권4호
• /
• pp.95-108
• /
• 2011

인터넷 비즈니스의 활성화에 따라서 기업은 고객의 인물정보 및 거래정보를 활용하여 보다 맞춤화된 개인화 서비스를 제공하고 있다. 기존의 고객군별 예측기법은 유사한 고객들을 군집화하여 고객군별로 예측모델을 수립하는 것으로, 구매가 많고 충성도가 높은 핵심고객에게 요구되는 일대일 서비스를 제공하는 데는 한계가 있다. 반면 일대일 고객별 예측기법은 각 고객에게 고도로 맞춤화된 서비스를 제공하지만, 과거 구매이력이 많지 않은 고객 이나 신규 고객에게는 정확한 개인화 서비스를 제공하지 못한다. 본 연구는 고객의 구매빈도에 따라서 유사 고객들과의 군집화 수준을 동적으로 조정하는 새로운 지능형 개인화 시스템을 제안한다. 제안된 시스템은 과거 구매가 많은 고객들에 대해서는 일대일 예측모델을 수립하지만, 구매 빈도가 낮은 고객의 경우 다른 고객들과의 최적화된 군집화를 통해 예측모델을 수립한다. 본 기법을 Neilsen의 음료수 구매 데이터셋에 적용하여 고객의 일회 구매금액 및 구매품목을 예측한 결과, 기존 두 예측기법들에 비하여 적정한 계산비용(computational cost)으로 더욱 정확한 개안화 서비스를 제공할 수 있음을 확인하였다.

• 정보와 통신
• /
• 제7권3호
• /
• pp.16-26
• /
• 1990

본 논문은 음성인식을 위한 neural network의 하나인 TRACE model에 대하여 기술한다. TRACE model은 HEARSAY 음성이해 system의 blackboard 구조와 유사한 trace 구조를 사용하여 정보처리 unit들간의 자극성 내지 억제성 연결에 의한 상호작용의 결과로서 음성을 인식한다. TRACE model은 특징층, 음소층 그리고 단어층의 3층으로 구성되며 층간의 unit들이 상호작용할 뿐 아니라 동일층의 unit들이 상호경쟁함으로써 음성인식에 있어서의 context 효과, segmentation 및 잡음 등의 문제를 해결할 수 있다.