• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 학술대회 논문집 정보 및 제어부문
• /
• pp.261-263
• /
• 2005

In this paper, we implement an identification system using the vein image of the hand. The vein pattern is obtained in the grey-scale 2D image through the infrared-red imaging from back of the hand. Since the frame has lack of clearance, we use some enhancing methods such as the complement, addition, and multiplication to the image to increase the contrast. After Wiener filtering for smoothness of the vein pattern, we transform the image into the binary image with mean function. The binarized image is session thinned and the cross-points in the vein tree are obtained by calculating the number of pixels connected because the image is shaped as a tree. We choose the point and find the nearest to the center if it has majority, where we find the two end points of the selected line. We can get the angle between the two lines joined at the cross-point and store its coordinates, angle, and label the values. The values are used as the feature vector of the vein pattern. This procedure is similar to the human cognition sequences. It is shown that the proposed method is simple for the vein recognition.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권9호
• /
• pp.4405-4418
• /
• 2016

Automatic image completion techniques have difficulty processing images in which the target region has multiple planes or is non-facade. Here, we propose a new image completion method that uses belief propagation based on planar priorities. We first calculate planar information, which includes planar projection parameters, plane segments, and repetitive regularity extractions within the plane. Next, we convert this planar information into planar guide knowledge using the prior probabilities of patch transforms and offsets. Using the energy of the discrete Markov Random Field (MRF), we then define an objective function for image completion that uses the planar guide knowledge. Finally, in order to effectively optimize the MRF, we propose a new optimization scheme, termed Planar Priority-belief propagation that includes message-scheduling-based planar priority and dynamic label cropping. The results of experiment show that our approach exhibits advanced performance compared with existing approaches.

• 한국정보통신학회논문지
• /
• 제12권8호
• /
• pp.1495-1504
• /
• 2008

2007년부터 흰색 바탕의 자동차 번호판이 등록되어 사용되고 있다. 본 논문은 그레이 레이블링 기법과 퍼지 추론 방법을 이용하여 새롭게 사용되고 있는 흰색 번호판을 추출하기 위 한 방법을 제안한다. 먼저 비재귀 Flood-filling 알고리즘을 개선한 그레이 레이블링(labeling) 기법으로 번호판 후보 영역을 추출한다. 추출된 레이블에 대한 적합도를 퍼지 추론 시스템에 의해 산출한 후 후보 레이블 중에서 가장 적합도가 높은 레이블 영역을 최종 번호판 영역으로 추출한다. 실내외 주차장 및 거리에서 핸드폰 및 디지털 카메라로 획득한 다양한 자동차 번호판 영상을 대상으로 실험한 결과 94%의 추출 성공율을 나타내었다.

• 한국도서관정보학회지
• /
• 제37권4호
• /
• pp.463-482
• /
• 2006

본 연구에서는 효과적인 어린이도서관 웹사이트를 설계하기 위한 방안을 모색하기 위해 31개의 현행 국내 어린이도서관 각 웹사이트의 메뉴를 통해 컨텐츠 구성, 구조 및 레이블을 기준으로 분석하였다. 먼저 메뉴를 통해 정보내용에 따른 컨텐츠 구성요소를 15개의 항목으로 분석하였으며 컨텐츠 구조 및 레이블 분석대상을 이용자의 정보이용 판단에 일차적으로 중요한 역할을 하는 메인메뉴와 1차 서브메뉴로 한정하여 분석하였다. 분석결과 효율적인 어린이도서관 웹사이트를 설계하기 위해서는 무엇보다 우선적으로 어린이도서관의 목적과 기능에 준하여 컨텐츠를 구성하는 것이 필요한 것으로 나타났으며 또한 구성된 컨텐츠는 적절한 구조와 표준화된 레이블을 통해 제공해야 해야 할 필요성이 있는 것으로 분석되었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권3호
• /
• pp.522-538
• /
• 2013

Content based image retrieval has become an increasingly important research topic for its wide application. It is highly challenging when facing to large-scale database with large variance. The retrieval systems rely on a key component, the predefined or learned similarity measures over images. We note that, the similarity measures can be potential improved if the data distribution information is exploited using a more sophisticated way. In this paper, we propose a similarity measure learning approach for image retrieval. The similarity measure, so called Fisher kernel, is derived from the probabilistic distribution of images and is the function over observed data, hidden variable and model parameters, where the hidden variables encode high level information which are powerful in discrimination and are failed to be exploited in previous methods. We further propose a discriminative learning method for the similarity measure, i.e., encouraging the learned similarity to take a large value for a pair of images with the same label and to take a small value for a pair of images with distinct labels. The learned similarity measure, fully exploiting the data distribution, is well adapted to dataset and would improve the retrieval system. We evaluate the proposed method on Corel-1000, Corel5k, Caltech101 and MIRFlickr 25,000 databases. The results show the competitive performance of the proposed method.

• Journal of applied mathematics & informatics
• /
• 제42권2호
• /
• pp.367-377
• /
• 2024

Let G = (V, E) be a graph with p-vertices and q-edges and let R^◦ be a finite zero ring of order n. An injective function f : V (G) → {r₁, r₂, _…, r_k}, where r_i ∈ R^◦ is called vertex pair sum k-zero ring labeling, if it is possible to label the vertices x ∈ V with distinct labels from R^◦ such that each edge e = uv is labeled with f(e = uv) = [f(u) + f(v)] (mod n) and the edge labels are distinct. A graph admits such labeling is called vertex pair sum k-zero ring graph. The minimum value of positive integer k for a graph G which admits a vertex pair sum k-zero ring labeling is called the vertex pair sum k-zero ring index denoted by 𝜓_pz(G). In this paper, we defined the vertex pair sum k-zero ring labeling and applied to some graphs.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.485-490
• /
• 2022

데이터 증강기법은 추가적인 데이터 구축 혹은 수집 행위 없이 원본 데이터셋의 양과 다양성을 증가시키는 방법이다. 데이터 증강기법은 규칙 기반부터 모델 기반 방법으로 발전하였으며, 최근에는 Masked Language Modeling (MLM)을 응용한 모델 기반 데이터 증강 연구가 활발히 진행되고 있다. 그러나 기존의 MLM 기반 데이터 증강 방법은 임의 대체 방식을 사용하여 문장 내 의미 변화 가능성이 큰 주요 토큰을 고려하지 않았으며 증강에 따른 레이블 교정방법이 제시되지 않았다는 한계점이 존재한다. 이러한 문제를 완화하기 위하여, 본 논문은 레이블을 고려할 수 있는 Re-labeling module이 추가된 MLM 기반 한국어 데이터 증강 방법론을 제안한다. 제안하는 방법론을 KLUE-STS 및 KLUE-NLI 평가셋을 활용하여 검증한 결과, 기존 MLM 방법론 대비 약 89% 적은 데이터 양으로도 baseline 성능을 1.22% 향상시킬 수 있었다. 또한 Gate Function 적용 여부 실험으로 제안 방법 Re-labeling module의 구조적 타당성을 검증하였다.

• 가정∙방문간호학회지
• /
• 제3권
• /
• pp.75-85
• /
• 1996

Nursing Intervention Classification(NIC) includes the 433 intervention lists to standardize the nursing language. Efforts to standardize and classify nursing care are important because they make explicit what has previously been implicit, assumed and unknown. NIC is a standardized language of both nurse-initiated and physician-initiated nursing treatments. Each of the 433 interventions has a label, definition and set of activities that a nurse does to carry it out. It defines the interventions performed by all nurses no matter what their setting or specialty. Principles of label, definition and activity construction were established so there is consistency across the classification. NIC was developed for following reasons; 1. Standandization of the nomen clature of nursing treatments. 2. Expansion of nursing knowledge about the links between diagnoses, treatments and outcomes. 3. Devlopment of nursing and health care information systems. 4. Teaching decision making to nursing students. 5. Determination of the costs of service provided by nurses. 6. Planning for resources needed in nursing practice settings. 7. Language to communicate the unigue function of nursing. 8. Articulation with the classification systems of other health care providers. The process of NIC development ; 1. Develop implement and evaluate an expert review process to evaluate feedback on specific interventions in NIC and to refine the interventions and classification as feedback indicates. 2. Define and validate indirect care interventions. 3. Refine, validate and publish the taxonomic grouping for the interventions. 4. Translate the classification into a coding system that can be used for computerization for articulation with other classifications and for reimbursement. 5. Construct an electronic version of NIC to help agencies in corporate the classifiaction into nursing information systems. 6. Implement and evaluate the use of the classification in a nursing information system in five different agencies. 7. Establish mechanisms to build nursing knowledge through the analysis of electronically retrievable clinical data. 8. Publish a second edition of the nursing interventions classification with taxonomic groupings and results of field testing. It is suggested that the following researches are needed to develp NIC in Korea. 1. To idenilfy the intervention lists in Korea. 2. Nursing resources to perform the nursing interventions. 3. Comparative study between Korea and U.S.A. on NIC. 4. Linkage among nursing diagnosis, nursing interventions and nursing outcomes. 5. Linkage between NIC and other health care information systems. 6. determine nursing costs on NIC.

• 한국인터넷방송통신학회논문지
• /
• 제19권1호
• /
• pp.161-170
• /
• 2019

다품종 대량 생산 중소기업 공장에서는 제품의 종류가 다양하고 그 수량이 많기 때문에 재고의 관리를 위한 인력과 경비가 낭비되고 있다. 또한 재고의 현황을 실시간으로 확인 할 방법이 마련 되있지 않아서 재고의 과적재, 과부족 현상으로 인한 경제적 피해를 받고 있다. 실시간 데이터 수집 환경을 구축하기 위한 많은 방안이 있지만 대부분 구축비용과 시간이 중소 중견기업이 감당하기 어려운 수준이다. 그렇기 때문에 중소 중견기업의 스마트 공장은 구현되기 어려운 현실을 마주하고 있으며, 적절한 대책을 찾기 힘든 실정이다. 따라서 본 논문에서는 현재 생산품 관리 기술로 많이 채택되는 바코드, QR코드와 함께 라벨에 표기되어 있는 글자추출을 통해 기존 재고관리 방법의 확장에 대한 내용을 구현하고 그 효과를 평가하였다. 기술적으로는 컴퓨터 이미지 처리를 통해서 기존의 생산품의 입출고 관리를 위한 방법인 재고라벨 및 바코드에 대한 자동인식 및 분류를 하기 위한 OpenCV를 이용한 전처리, 구글 비젼 API의 OCR(Optical Character Recognition)기능을 통해서 글자를 추출하고, Zbar를 통해서 바코드를 인식할 수 있게 설계하였고, 값비싼 장비를 사용하지 않고 라즈베리파이를 통해 실시간 영상을 통한 인식으로 재고를 관리할 수 있는 방법을 제안한다.

• 구강회복응용과학지
• /
• 제38권4호
• /
• pp.196-203
• /
• 2022

목적: 본 연구는 79종의 치과 임플란트에 대해 딥러닝을 이용한 식별 모델의 정확도와 임상적 유용성을 평가하는 것을 목적으로 하였다. 연구 재료 및 방법: 2001년부터 2020년까지 30개 치과에서 임플란트 치료를 받은 환자들의 파노라마 방사선 사진에서 총 45396개의 임플란트 고정체 이미지를 수집했다. 수집된 임플란트 이미지는 18개 제조사의 79개 유형이었다. 모델 학습을 위해 EfficientNet 및 Meta Pseudo Labels 알고리즘이 사용되었다. EfficientNet은 EfficientNet-B0 및 EfficientNet-B4가 하위 모델로 사용되었으며, Meta Pseudo Labels는 확장 계수에 따라 두 가지 모델을 적용했다. EfficientNet에 대해 Top 1 정확도를 측정하고 Meta Pseudo Labels에 대해 Top 1 및 Top 5 정확도를 측정하였다. 결과: EfficientNet-B0 및 EfficientNet-B4는 89.4의 Top 1 정확도를 보였다. Meta Pseudo Labels 1은 87.96의 Top 1 정확도를 보였고, 확장 계수가 증가한 Meta Pseudo Labels 2는 88.35를 나타냈다. Top 5 정확도에서 Meta Pseudo Labels 1의 점수는 97.90으로 Meta Pseudo Labels 2의 97.79보다 0.11% 높았다. 결론: 본 연구에서 임플란트 식별에 사용된 4가지 딥러닝 알고리즘은 모두 90%에 가까운 정확도를 보였다. 임플란트 식별을 위한 딥러닝의 임상적 적용 가능성을 높이려면 더 많은 데이터를 수집하고 임플란트에 적합한 미세 조정 알고리즘의 개발이 필요하다.