• 한국산학기술학회논문지
• /
• 제17권9호
• /
• pp.709-717
• /
• 2016

본 논문에서는 사장교 케이블의 장력 추정을 위한 영상변위 측정법의 간편성과 효율성을 보이고 효과적인 적용에 필요한 요구조건에 대해 연구하였다. 간편성과 효율성을 보이기 위해 상용 캠코드를 이용한 최소한의 장비만으로도 필요한 영상변위 측정이 가능함을 증명하였다. 이 경우 최소 장비 구성과 고속촬영에 따른 해상도 저하에 의한 크기오차가 발생할 수 있으나 진동법에 필요한 고유진동수 추정의 정확도 확보는 충분히 가능함을 알 수 있었다. 또한 진동법을 이용한 장력 추정에서 정확한 고유진동수의 검출을 위해서는 적절한 주파수 범위의 확보가 가장 중요함을 확인하였다. 이 결과를 바탕으로, 상용캠 사용 조건하에서 촬영프레임속도에 따른 장력 추정의 정확도 변동에 대한 연구를 수행하였다. 이를 위해 모형사장교의 케이블에 대한 장력 추정 실험을 수행하였다. 모형실험을 통해 다양한 고유진동수를 가지는 케이블에 대해 촬영프레임 속도에 따라 검출 가능한 장력을 정리하였다. 그 결과 에일리어싱 효과와 가진력의 저주파수 왜곡효과를 고려하여 추정될 고유진동수가 적절한 주파수 범위(대략 이론적 범위의 10~75%) 내에 위치하도록 프레임 속도를 결정되어야 함을 보였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권1호
• /
• pp.55-64
• /
• 2013

디지털 고성능 영상장비의 대중화와 강력한 이미지 편집 소프트웨어의 출현으로 인해 고품질의 위 변조가 가능하게 되었다. 특히 화폐 위 변조 범죄가 급격히 증가하고 있지만, 일반인이 위 변조 지폐를 발견하는 비율은 낮은 수준이다. 본 논문에서는 범용 스캐너를 이용하여 위 변조 지폐를 판별할 수 있는 알고리즘을 제안한다. 본 알고리즘에서는 위 변조 지폐를 출력하는 과정에서 나타나는 인쇄물의 고유한 특징에 기반하여 위 변조 여부를 판별한다. 비지역적 평균 알고리즘을 이용하여 인쇄 과정에서 나타나는 노이즈 특성을 추출하고, 명암도 동시발생 행렬을 계산하여 지폐의 특징값을 추출하였다. 추출한 지폐의 고유한 특징값을 학습기반 데이터 분류기에 적용하여 위 변조 여부를 판별하였다. 제안한 알고리즘의 성능을 분석하기 위해 총 324장의 1만원권 지폐와 8대 프린터에서 출력한 위조지폐 이미지로 실험하였다. 또한 노이즈 추출에 있어 기존 프린터 판별 기술에서 사용되었던 위너필터와 이산웨이블릿변환 기반 알고리즘과 비교 분석을 수행하였다. 그 결과 제안한 알고리즘이 위 변조 판별에 있어서 94% 이상의 정확도를 보였으며, 위 변조 지폐 인쇄기기 식별에 있어서는 93% 이상의 정확도를 보여서 기존 프린터 판별 기술을 이용한 것보다 우수함을 보였다.

• 한국전산구조공학회논문집
• /
• 제31권6호
• /
• pp.367-372
• /
• 2018

오래된 구조물의 내부 결함은 그 구조물의 안전에 큰 영향을 미친다. 따라서 안전에 문제가 생기기 전에 미리 검사를 진행하고 발견하는 것이 중요하다. 가장 쉽고 효율적인 방법은 육안으로 구조물을 진단하는 것이나, 프리스트레스트 콘크리트(PSC) 교량과 같은 구조물에서 부식이나 공극 같은 결함들은 피복으로 감싸져 있어 육안으로는 확인이 불가하다. 따라서 내부 결함도 진단할 수 있는 비파괴검사방법을 이용하여 진단해야 한다. 본 연구에서 사용되는 기술은 전력용 케이블을 진단할 때 주로 사용되는 시간 영역의 반사파 계측법과 시간-주파수 영역의 반사파를 적용하여 종단지점에 부착된 측정기계에서 인가한 신호가 이동하는 중 전기적 임피던스 변화에 의해 발생하는 반사파를 분석하는 기술로 측정시간 단축, 검사의 간편 성과 같은 측면에서 훨씬 큰 효율성을 가진다. 하지만 토목 구조물은 전력용 케이블과 달리 내부 구조가 복잡하여, 실제 진단을 진행하는데 어려움이 있기에 본 연구에서는 실제 실험과 COMSOL을 이용한 시뮬레이션의 결과를 확인 및 비교하여 시뮬레이션의 정확도와 적용가능성을 확인하였고, 반사파 계측법이 복잡한 구조물을 대상으로도 사용 가능한지 그 가능성 또한 보았다. 또한 더 나아가, 시뮬레이션을 통해 프리스트레스트 콘크리트(PSC) 교량의 덕트 내부에 공극 및 부식과 같은 결함이 생겼을 때, 그 결함들이 반사파에 미치는 영향을 보았다.

• 인터넷정보학회논문지
• /
• 제22권2호
• /
• pp.1-9
• /
• 2021

전통적으로 대부분의 악성코드는 도메인 전문가에 의해 추출된 특징 정보를 활용하여 분석되었다. 하지만 이러한 특징 기반의 분석방식은 분석가의 역량에 의존적이며 기존의 악성코드를 변형한 변종 악성코드를 탐지하는 데 한계를 가지고 있다. 본 연구에서는 도메인 전문가의 개입 없이도 변종 악성코드의 패밀리를 분류할 수 있는 ResNet-Variational AutoEncder 기반 변종 악성코드 분류 방법을 제안한다. Variational AutoEncoder 네트워크는 입력값으로 제공되는 훈련 데이터의 학습 과정에서 데이터의 특징을 잘 이해하며 정규 분포 내에서 새로운 데이터를 생성하는 특징을 가지고 있다. 본 연구에서는 Variational AutoEncoder의 학습 과정에서 잠재 변수를 추출을 통해 악성코드의 중요 특징을 추출할 수 있었다. 또한 훈련 데이터의 특징을 더욱 잘 학습하고 학습의 효율성을 높이기 위해 전이 학습을 수행했다. ImageNet Dataset으로 사전학습된 ResNet-152 모델의 학습 파라미터를 Encoder Network의 학습 파라미터로 전이했다. 전이학습을 수행한 ResNet-Variational AutoEncoder의 경우 기존 Variational AutoEncoder에 비해 높은 성능을 보였으며 학습의 효율성을 제공하였다. 한편 변종 악성코드 분류를 위한 방법으로는 앙상블 모델인 Stacking Classifier가 사용되었다. ResNet-VAE 모델의 Encoder Network로 추출한 변종 악성코드 특징 데이터를 바탕으로 Stacking Classifier를 학습한 결과 98.66%의 Accuracy와 98.68의 F1-Score를 얻을 수 있었다.

• 한국측량학회지
• /
• 제39권3호
• /
• pp.203-209
• /
• 2021

최근 위성센서 기술의 발전함에 따라 다양한 분광파장대의 고해상도 영상 취득이 가능해졌다. Worldview-3 위성센서는 높은 공간해상도를 지닌 panchromatic 영상과 함께 낮은 공간해상도를 지닌 VNIR (Visible Near InfraRed), SWIR (ShortWave InfraRed) 밴드들을 제공하고 있어, 국방, 환경, 측량 등 다양한 분야에서 활용이 가능하다. 본 연구에서는 Worldview-3 위성영상을 활용하여 광물탐지를 수행하였다. Worldview-3 위성영상의 VNIR, SWIR 밴드들을 효과적으로 활용하기 위해 융합기법을 적용을 통해 panchromatic 영상의 공간해상도로 융합하여 광물탐지에 이용하였다. 광물탐지에 SWIR 밴드들의 활용성을 확인하기 위해 VNIR 밴드들만을 활용한 광물탐지를 수행하여 비교평가하였다. 광물탐지 기법으로는 대표적인 유사도 기법인 SAM (Spectral Angle Mapper)을 적용하였으며, 분석 결과에 경험적 임계치를 적용하여 광물로 탐지되는 화소들을 선정하였다. 광물탐지의 정확도 평가를 위해 유사도 분석을 수행한 결과에 참조자료를 이용하여 정량적평가를 수행하였다. 정확도 평가 결과, SWIR 밴드들을 활용한 광물탐지 결과의 탐지율과 오탐지율이 각각 0.882, 0.011로 계산되었으며, VNIR 밴드들만을 활용한 결과는 각각 0.891, 0.037로 나타났다. SWIR 밴드를 추가적으로 활용한 경우의 탐지율이 VNIR 밴드만을 사용한 경우보다 다소 낮은 것으로 나타났지만, 오탐지율이 크게 감소한 것으로 나타나, 이를 통해 광물탐지에서의 SWIR 밴드들의 활용가능성을 확인할 수 있었다.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.57-64
• /
• 2022

화재, 붕괴, 자연재해 등의 재난 발생으로 건물 내부가 붕괴하는 경우, 기존의 건물 내부의 물리적 보안이 무력해질 확률이 높다. 이때, 붕괴 건물 내의 인명피해와 물적 피해를 최소화하기 위한 물리적 보안이 필요하다. 따라서 본 논문은 기존 연구되었던 장애물을 탐지하고 건물 내 붕괴된 지역을 탐지하는 연구와 인명피해를 최소화하기 위한 딥러닝 기반 객체 탐지 알고리즘을 융합하여 재난 상황의 피해를 최소화하기 위한 알고리즘을 제안한다. 기존 연구에서 단일 카메라만을 활용하여 현재 로봇이 있는 복도 환경의 붕괴 여부를 판단하고 구조 및 수색 작업에 방해가 되는 장애물을 탐지했다. 이때, 붕괴 건물 내 물체는 건물의 잔해나 붕괴로 인해 비정형의 형태를 가지며 이를 장애물로 분류하여 탐지하였다. 또한, 재난 상황에서 자원 중 가장 중요한 요구조자를 탐지하고 인적 피해를 최소화하기 위한 방법을 제안하고 있다. 이를 위해, 본 연구는 공개된 재난 영상과 재난 상황의 이미지 데이터를 수집하여 다양한 딥러닝 기반 객체 탐지 알고리즘을 통해 재난 상황에서 요구조자를 탐지하는 정확도를 구했다. 본 연구에서 재난 상황에 요구조자를 탐지하는 알고리즘을 분석한 결과 YOLOv4 알고리즘의 정확도가 0.94로 실제 재난 상황에서 활용하기 가장 적합하다는 것을 증명하였다. 본 논문을 통해 재난 상황의 효율적인 수색과 구조에 도움을 주며 붕괴된 건물 내에서도 높은 수준의 물리적 보안을 이룰 수 있을 것이다.

• 융합정보논문지
• /
• 제11권5호
• /
• pp.30-37
• /
• 2021

사물인터넷 등을 통하여 각종 기기들이 인터넷으로 연결되어 있고 이로 인하여 인터넷을 이용한 공격이 발생하고 있다. 그러한 공격 중 악성 URL를 이용하여 사용자에게 잘못된 피싱 사이트로 접속하게 하거나 악성 바이러스를 유포하는 공격들이 있다. 이러한 악성 URL 공격을 탐지하는 방법은 중요한 보안 이슈 중에 하나이다. 최근 딥러닝 기술 중 뉴럴네트워크는 이미지 인식, 음성 인식, 패턴 인식 등에 좋은 성능을 보여주고 있고 이러한 뉴럴네트워크를 이용하여 악성 URL 탐지하는 분야가 연구되고 있다. 본 논문에서는 뉴럴네트워크를 이용한 악성 URL 탐지 성능을 각 파라미터 및 구조에 따라서 성능을 분석하였다. 뉴럴네트워크의 활성화함수, 학습률, 뉴럴네트워크 모델 등 다양한 요소들에 따른 악성 URL 탐지 성능에 어떠한 영향을 미치는 지 분석하였다. 실험 데이터는 Alexa top 1 million과 Whois에서 크롤링하여 데이터를 구축하였고 머신러닝 라이브러리는 텐서플로우를 사용하였다. 실험결과로 층의 개수가 4개이고 학습률이 0.005이고 각 층마다 노드의 개수가 100개 일 때, 97.8%의 accuracy와 92.94%의 f1 score를 갖는 것을 볼 수 있었다.

• KNOM Review
• /
• 제23권2호
• /
• pp.18-28
• /
• 2020

컴퓨팅 환경의 발전에 따라 IT 기술이 의료, 산업, 통신, 문화 등의 분야에서 사람들에게 제공해주는 혜택이 늘어나 삶의 질도 향상되고 있다. 그에 따라 발전된 네트워크 환경을 노리는 다양한 악의적인 공격이 존재한다. 이러한 공격들을 사전에 탐지하기 위해 방화벽, 침입 탐지 시스템 등이 존재하지만, 나날이 진화하는 악성 공격들을 탐지하는 데에는 한계가 있다. 이를 해결하기 위해 기계 학습을 이용한 침입 탐지 연구가 활발히 진행되고 있지만, 학습 데이터셋의 불균형으로 인한 오탐 및 미탐이 발생하고 있다. 본 논문에서는 네트워크 침입 탐지에 사용되는 UNSW-NB15 데이터셋의 불균형성 문제를 해결하기 위해 랜덤 오버샘플링 방법을 사용했다. 실험을 통해 모델들의 accuracy, precision, recall, F1-score, 학습 및 예측 시간, 하드웨어 자원 소모량을 비교 분석했다. 나아가 본 연구를 기반으로 랜덤 오버샘플링 방법 이외에 불균형한 데이터 문제를 해결할 수 있는 다른 방법들과 성능이 높은 모델들을 이용하여 좀 더 효율적인 네트워크 침입 탐지 모델 연구로 발전시키고자 한다.

• 한국방사선학회논문지
• /
• 제16권4호
• /
• pp.411-417
• /
• 2022

본 연구에서는 저선량 흉부 CT 영상을 이용하여 VGGNet을 학습시키고 폐기종 검출 모델을 구현하고 성능을 확인하고자 한다. 연구에 사용된 저선량 흉부 CT 영상은 정상 진단 8000장, 폐기종 진단 3189장이며, 모델 학습을 위해 정상 데이터와 폐기종 데이터를 train, validation, test dataset으로 각각 60%, 24%, 16%로 무작위 추출하여 구분하였다. 학습을 위한 인공신경망은 VGGNet 중 VGG16과 VGG19를 사용하였으며, 학습이 완료된 모델 평가를 위해 정확도, 손실율, 오차 행렬, 정밀도, 재현율, 특이도, F1-score의 평가지표를 사용하였다. 폐기종 검출 정확도와 손실율은 VGG16과 VGG19 각각 92.35%, 95.88%, 0.21%, 0.09%, 정밀도는 91.60%, 96.55%, 재현율은 98.36%, 97.39%, 특이도는 77.08%, 92.72%, F1-score는 94.86%, 96.97%였다. 위의 평가지표를 통해 VGG19 모델의 폐기종 검출 성능이 VGG16 모델에 비해 우수하다고 판단된다. 본 연구를 통해 VGGNet과 인공신경망을 이용한 폐기종 검출 모델 연구에 기초자료로 사용할 수 있을 것으로 사료된다.

• 대한정형외과학회지
• /
• 제54권2호
• /
• pp.150-156
• /
• 2019

목적: 악성 연부조직 종양에 대한 무계획적 절제술 후 잔여 종양의 영상학적 진단의 정확성과 임상적 위험인자를 파악하고자 하였다. 대상 및 방법: 2008년부터 2014년까지 무계획적 종양절제술을 시행 후 재절제술을 받은 98명을 대상으로 하여 분석하였다. 재수술 전 모든 환자의 환부를 조영 증강 자기공명영상(magnetic resonance imaging, MRI)을 이용해 영상의학적으로 평가하였으며 54명의 환자는 전신 양전자 방출 단층촬영(positron emission tomography [PET]/computed tomography)을 시행하였다. 모든 환자는 광범위 절제술 후 병리학적 검사를 시행하였다. 각 변수는 일변량 로지스틱 회귀와 다변량 로지스틱 회귀를 이용하여 분석하였다. 결과: 종양이 근막하에 위치한 경우 잔여 종양의 발생률이 높았다(odds ratio: 3.21, p=0.02, 95% confidence interval: 1.25-8.30). MRI는 잔여종양을 발견하는 데 높은 민감도를 보였다(sensitivity 0.79). 결론: 종양이 근막하에 위치한 경우에는 근막 상부에 위치한 경우보다 잔존암이 남을 가능성이 유의하게 높음을 알 수 있었고, MRI 및 PET 검사의 음성예측도가 매우 낮으므로 음성 판정이 나오더라도 이를 근거로 재수술을 시행하지 않는 것은 정당화될 수 없음을 알 수 있었다.