• 스마트미디어저널
• /
• 제10권1호
• /
• pp.32-38
• /
• 2021

사진 이미지에서의 딥러닝 학습을 통한 이미지 분류는 지난 수년간 매우 활발한 연구 분야로 자리하고 있다. 본 논문에서는 국내산 석재 이미지로부터 딥러닝 학습을 통해 자동으로 석재를 판별하는 방법을 제안한다. 제안된 방법은 300×300픽셀의 황등석, 고흥석, 포천석의 사진 이미지들을 파이썬의 해시 라이브러리를 이용하여 석재별 중복된 이미지를 검사하고, 검사 결과로 해시값이 같은 중복된 이미지를 제거하여 석재별 딥러닝 학습이미지를 만드는 데이터 전처리 과정을 수행한다. 또한 미리 학습된 모델인 VGGNet을 활용하기 위해 학습된 이미지 사이즈인 224×224픽셀로 석재별 이미지들의 사이즈를 재조정하고, 학습데이터와 학습을 위한 검증데이터의 비율을 80% 대 20%로 나누어 딥러닝 학습을 수행한다. 딥러닝 학습을 수행한 후 손실 함수 그래프와 정확도 그래프를 출력하고 세 종류의 석재 이미지에 대해 딥러닝 학습 모델의 예측 결과를 출력하였다.

• Journal of Radiation Protection and Research
• /
• 제26권2호
• /
• pp.59-66
• /
• 2001

정위적분할방사선치료(FSRT)는 병소경계에 대한 공간상위치와 형태를 정확히 결정하는 것이 큰 쟁점이다. 본 연구는 나선형 CT를 이용하여 4명의 뇌종양 환자와 팬톰(파라핀)으로부터 연속적인 횡축 단면상을 얻었다. K-mean 분류 알고리즘을 적용하여 CT영상의 초기정보값을 평균화소값으로 변화시켰다. 영상의 구성은 병소영역, 정상영역, 혼합영역, 바탕영역, 가음영영역의 5영역으로 분류하였다. 주된 관심은 혼합영역 내에서 정상영역과 혼합영역을 어떻게 분리하는 가였다. 5영역 평균화소값 중에서 정상영역과 병소영역에 상대적인 평균편차 분석법을 적용하여 2영역 평균편차 화소값 사이의 최대점을 구하였다. IDL 프로그램을 이용한 반자동윤곽법으로 혼합영역내의 최대점을 연결함으로서 GTV의 경계선을 그렸다. 균일한 팬톰의 관심영역 경계선은 ${\pm}1%$ 이내의 오차로 평가되었다. 환자 4명의 경우는 방사선 전문의들이 그린 병소영역과 K-mean 알고리즘과 상대적인 평균편차 분석법에 의해 자동적으로 묘사된 병소영역과 거의 일치하였다. 이러한 방법들을 사용하여 불분명한 정상영역과 병소영역의 경계선을 명확하게 나타낼 수 있었다. 그러므로 CT 영상이 MRI 영상과 비교하여 간헐적으로 병소윤곽을 보여주지 못할 경우 이 방법은 치료계획을 결정할 때 유용한 CT영상 자료로 활용될 수 있음을 확인하였다.

• 지능정보연구
• /
• 제12권1호
• /
• pp.33-41
• /
• 2006

본 논문에서는 공장 자동화 시스템의 한 예로, 컨베이어 벨트로 흘러 들어오는 생산품을 모델별로 자동 인식하기 위한 방법을 제안하고 있다. 일반적으로 NTSC 방식의 카메라를 사용할 경우 움직이는 물체는 카메라 고유의 잔상이 발생하게 된다. 잔상이 존재하는 영상을 이용하여 효율적인 처리가 불가능하므로 적당한 후처리 방법이 요구된다. 이를 위하여 제안하는 인터레이스 제거 기법을 통하여 잔상을 제거하고, 이진화를 통하여 대략적 물체 영역을 판별한 후 물체를 에워싸는 직사각형 영역을 구한다. 그 후 윤곽선 검출을 거쳐 직사각형 영역을 블록별로 세분화한 후 각 블록별 화소수를 계산하여 평균을 중심으로 재분류한 후 모델 코드를 생성하여 모델 분류를 하였다. 실험결과 본 논문에서 제안하는 방법의 경우 기존의 방법보다 높은 분류 성공률을 나타내었다.

• 산업경영시스템학회지
• /
• 제46권3호
• /
• pp.275-284
• /
• 2023

Land monitoring involves systematically understanding changes in land use, leveraging spatial information such as satellite imagery and aerial photographs. Recently, the integration of deep learning technologies, notably object detection and semantic segmentation, into land monitoring has spurred active research. This study developed a web service to facilitate such integrations, allowing users to analyze aerial and drone images using CNN models. The web service architecture comprises AI, WEB/WAS, and DB servers and employs three primary deep learning models: DeepLab V3, YOLO, and Rotated Mask R-CNN. Specifically, YOLO offers rapid detection capabilities, Rotated Mask R-CNN excels in detecting rotated objects, while DeepLab V3 provides pixel-wise image classification. The performance of these models fluctuates depending on the quantity and quality of the training data. Anticipated to be integrated into the LX Corporation's operational network and the Land-XI system, this service is expected to enhance the accuracy and efficiency of land monitoring.

• 전자공학회논문지CI
• /
• 제45권2호
• /
• pp.1-9
• /
• 2008

휴대폰에서 보안 필요성이 증가함에 따라 개인 인증을 위하여 홍채, 지문, 얼굴과 같은 단일 생체 정보를 이용한 많은 연구들이 진행되었으나 단일 생체 인식에서는 인식 정확도에 한계가 있었다. 따라서 본 논문에서는 휴대폰 환경에서 고 인식율을 위해 얼굴과 홍채를 결합하는 방법에 대해 제안한다. 본 논문에서는 근적외선 조명과 근적외선 통과 필터를 부착한 휴대폰의 메가 픽셀 카메라를 사용하여 근적외선 얼굴 및 홍채 영상을 동시에 취득한 후, SVM(Support Vector Machine)을 기반으로 스코어 레벨에서 결합하였다. 또한, 저 연산의 로가리듬(Logarithm) 알고리즘을 사용한 얼굴 데이터의 조명 변화에 대한 정규화와 극 좌표계 변환 및 홍채 코드의 비트 이동 매칭에 의한 홍채 영역의 이동, 회전, 확대 및 축소에 대한 정규화를 통해 SVM의 분류 복잡도와 얼굴, 홍채 데이터의 본인 변화도를 최소화함으로써 인식 정확도를 향상시켰으며, 저 연산의 휴대폰 환경에서 정수혈 기반의 얼굴 및 홍채 인식 알고리즘을 사용하여 처리시간을 향상시켰다. 실험 결과, SVM을 사용한 인식의 정확성이 단일 생체(얼굴 또는 홍채), SUM, MAX, MIN 그리고 Weighted SUM을 사용하는 것보다 우수한 것을 알 수 있었다.

• 인터넷정보학회논문지
• /
• 제22권2호
• /
• pp.29-39
• /
• 2021

새롭게 발생되는 사이버 공격으로 인해 개인, 민간 및 기업의 피해가 증가함에 따라, 이에 기반이 되는 네트워크 보안 문제는 컴퓨터 시스템의 주요 문제로 부각되었다. 이에 기존에 사용되는 네트워크 침입 탐지 시스템(Network Intrusion Detection System: NIDS)에서 발생되는 한계점을 개선하고자 기계 학습과 딥러닝을 활용한 연구 이뤄지고 있다. 이에 본 연구에서는 CNN(Convolution Neural Network) 알고리즘을 이용한 NIDS 모델 연구를 진행한다. 이미지 분류 기반의 CNN 알고리즘 학습을 위해 기존 사용되는 전처리 단계에서 연속성 변수 이산화(Discretization of Continuous) 알고리즘을 추가하여 예측 변수에 대해 선형 관계로 표현하여 해석에 용이한 데이터로 변환 후, 정사각형 행렬(Square Matrix) 구조에 매칭된 픽셀(Pixel) 이미지 구조를 모델에 학습한다. 모델의 성능 평가를 위해 네트워크 패킷 데이터인 NSL-KDD를 사용하였으며, 정확도(Accuracy), 정밀도(Precision), 재현율(Recall) 및 조화평균(F1-score)을 성능지표로 사용하였다. 실험 결과 제안된 모델에서 85%의 정확도로 가장 높은 성능을 보였으며, 학습 표본이 적은 R2L 클래스의 조화평균이 71% 성능으로 다른 모델에 비해서 매우 좋은 성능을 보였다.

• 대한원격탐사학회지
• /
• 제32권2호
• /
• pp.141-153
• /
• 2016

토지이용 및 토지피복변화에 대한 신뢰성 높은 평가는 수로학 및 지리학적 연구에서 침식 및 퇴적, 해안 모니터링, 생태영향평가와 같은 다양한 실질적인 사안들을 발전시켰다. 원격탐사 이미지는 시간 변화에 따른 자연 및 토지변화를 살펴보는데 있어 뛰어난 잠재력을 지니고 있다. 따라서 최근에서는 환경 모니터링을 위해 고해상도의 원격탐사 영상 이미지를 활용한 보다 정확한 연구가 요구되고 있다. 본 논문에서는 갯벌보호지역이 위치한 한반도의 전라남도, 전라북도 일부지역의 토지이용 및 토지피복 변화에 대한 맵핑 및 변화탐지 방법을 실시하였다. 이를 위하여 2008년부터 2015년에 촬영된 KOMPSAT-2 위성의 다중분광 이미지를 사용하였다. 토지이용 및 토지피복변화 맵핑은 무감독 토지분류방법으로 분석하였으며, postclassification 변화탐지 방법으로 평가하였다. 전라북도와 전라남도의 연안지역에 대한 토지이이용 및 토지 피복변화에 대한 평가결과는 시간변화에 따라 큰 차이가 나타나지는 않았으나 각각 약 1.97%, 4.34% 정도의 변화를 보였다. 본 연구결과는 연구지역의 토지피복 변화 양상을 정량화 하였으며, 특히, 화소기반 분석을 통해 연안지역에 대한 KOMPSAT-2 다중분광 이미지의 효율적이고 경제적인 활용 가능성을 확인하였다. 이러한 토지이용 및 토지피복변화 정보는 연안환경 관리 및 정책결정을 위해서 환경 및 정책관리자들에게 유용할 것으로 기대된다.

• 한국측량학회지
• /
• 제34권4호
• /
• pp.431-441
• /
• 2016

Since the use of UAV (Unmanned Aerial Vehicle) is convenient for the acquisition of data on broad or inaccessible regions, it is nowadays used to establish spatial information for various fields, such as the environment, ecosystem, forest, or for military purposes. In this study, the process of estimating FVC (Fractional Vegetation Cover), based on multi-spectral UAV, to overcome the limitations of conventional methods is suggested. Hence, we propose that the FVC map is generated by using multi-spectral imaging. First, two types of result classifications were obtained based on RF (Random Forest) using RGB images and NDVI (Normalized Difference Vegetation Index) with RGB images. Then, the result map was reclassified into vegetation and non-vegetation. Finally, an FVC map-based RF were generated by using pixel calculation and FVC map-based GI (Gutman and Ignatov) model were indirectly made by fixed parameters. The method of adding NDVI shows a relatively higher accuracy compared to that of adding only RGB, and in particular, the GI model shows a lower RMSE (Root Mean Square Error) with 0.182 than RF. In this regard, the availability of the GI model which uses only the values of NDVI is higher than that of RF whose accuracy varies according to the results of classification. Our results showed that the GI mode ensures the quality of the FVC if the NDVI maintained at a uniform level. This can be easily achieved by using a UAV, which can provide vegetation data to improve the estimation of FVC.

• 전자공학회논문지S
• /
• 제36S권1호
• /
• pp.81-92
• /
• 1999

본 논문에서는 MPEG-4 와 같은 객체 및 내용 기반 영상 부호화에 활용될 수 있는 영상분할 알고리듬을 제안한다. 기존의 수학적 형태학(mathematical morphology)을 이용한 영상분할은 대개 과분할(over-segmentation)된 결과를 출력하는 경향이 있다. 이러한 과분할 문제 때문에 미소영역(small region)이나 비슷한 특성을 갖는 인접영역들을 서로 병합시켜야 하는 단점을 갖고 있다. 본 논문에서는 기존 영상분할의 문제점을 해결하고자 화소단위가 아닌 블록단위의 마커추출을 이용한 영상분할을 제안한다. 즉, 블록단위로 영상을 분할함으로써 질감부분에 해당하는 영역들이 하나의 큰 영역으로 분할될 수 있도록 하고, 영상내 객체(Object)의 정확한 윤곽선(contour)을 찾기 위해 화소단위로 워터쉐드(watershed) 알고리듬을 적용한다. 결과적으로 본논문에서 제안하는 알고리듬을 기존의 수학적 형태학을 이용한 방법과 비교하여 질감영역에서 향상된 영상분할과 계산시간의 부담을 줄일 수 있다는 것을 실험을 통해 확인하였다.

• 대한원격탐사학회지
• /
• 제37권6_3호
• /
• pp.1965-1974
• /
• 2021

위성 원격탐사 기법은 산림 모니터링에 적극적으로 활용될 수 있으며 우리나라 독자 운영 위성인 다목적실용위성을 활용하였을 때 특히 의미 깊다. 최근 들어 위성 원격탐사 자료에 머신러닝 기법을 적용함으로써 산림 모니터링을 수행하는 연구가 다수 이루어지고 있다. 머신러닝 기법을 통하여 제작된 산림모니터링 정보는 기존 산림 모니터링 방법의 효율성을 향상시키는 데에 활용할 수 있다. 머신러닝 기법의 경우 관심 지역과 활용 데이터의 특징에 따라 분류 정확도가 크게 달라지므로 다양한 모델을 적용함으로써 가장 효과적인 분류 결과를 도출하는 것이 매우 중요하다. 본 연구에서는 우리나라 삼척 지역에 대해 심층신경망을 적용함으로써 인공림과 자연림의 분류 성능을 확인하였다. 그 결과 픽셀 정확도가 약 0.857, F1 Score가 자연림과 인공림에 대해 각각 약 0.917과 0.433로 확인되었다. F1 score를 보았을 때 인공림의 분류 성능이 절대적으로는 낮은 수준을 나타냈다. 하지만 기존의 인공림과 자연림 분류 성능에 대해 F1 score를 기준으로 약 0.06, 그리고 0.10 향상된 성능을 확인할 수 있었다. 이러한 결과를 바탕으로 볼 때에 합성곱신경망 기반의 추가적인 모델을 적용함으로써 보다 적절한 모델을 분석할 필요가 있다.