• 정보처리학회논문지B
• /
• 제9B권4호
• /
• pp.471-480
• /
• 2002

본 논문에서는 블록화된 영상의 관심영역 가중치 비교 알고리즘과 형상특징 가중치 비교 알고리즘을 결합하여 지폐를 실시간으로 분류하는 시스템을 하드웨어로 구현하였다. 구현된 시스템은 영상획득부, 전처리 및 영상처리부로 구성되어 있다. 영상획득부는 CIS(contact image sensor)에 의해 영상이 얻어지고, A/D 변환기와 PLD에서 전처리를 한다. 영상처리부는 전처리된 영상을 제안된 알고리즘에 의해 DSP에서 수행한다. 제안한 방법은 시뮬레이션을 통해 질의영상과 비교영상간의 식별율을 높일 수 있고 오염되거나 회전, 이동된 지폐에서도 향상된 성능을 가진다. 그리고 제안 방법은 영상의 블록화 효과에 따른 계산량의 감소와 병렬처리를 할 수 있는 시스템으로 구성할 수 있어서 검색율을 높이거나 검색시간을 줄일 수 있는 장점이 있다.

• 한국음향학회지
• /
• 제22권3호
• /
• pp.188-193
• /
• 2003

이전의 여러 가지 화자 적응을 위한 모델 적응 방법은 훈련 환경과 테스트 환경의 불일치를 보상하기 위한 방법으로 적응데이터의 테스트 환경에서의 분포를 고려하지 않은 보상 방법이었다. 적은 적응 데이터에 대해서 보상을 극대화하기 위한 파라미터 변환 방법들은 고르지 못한 적응 데이터에 의해 시스템의 성능이 저하 될 가능성이 있다 즉, 데이터가 적을 경우에는 적응 데이터의 분포가 적응 결과에 중대한 영향을 미치게 된다. 적은 데이터에 대해서도 높은 인식률 향상을 가져오기 위한 supervised 훈련과정을 구조적 사후확률 최대화(SMAP: Structural Maximum a Posterior) 알고리듬에 적용하였다. 제안된 가중치 SMAP (Weighted SMAP) 알고리듬과 SMAP알고리듬을 TIDIGITS 코퍼스를 사용해서 비교해 보았다. 제안된 WSMAP은 적은 양의 데이터에 대해서 SMAP보다 좋은 성능을 나타내었다. 환경 적응에 적응 데이터의 분포를 고려하는 이와 같은 방법은 다른 적응 알고리듬에도 적용될 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 춘계학술대회
• /
• pp.93-96
• /
• 2015

본 논문에서는 상황 인식 센서를 활용한 산불 감지 시스템을 제안한다. 기존 기상 및 비전 센서 기반의 산불 방재 시스템의 경우 카메라 센서로 획득한 영상을 조명변화에 강인한 색상공간인 HSI(Hue, Saturation, Intensity) 모형으로 변환시켜 처리하여 산불영역에 대한 특징을 추출하고 있다. 그러나 이 경우 단일 카메라 센서가 넓은 범위에 화재를 감지하기 때문에 넓은 범위의 화재가 발생하기 전까지는 화재발생을 감지하는데 어려움이 있다. 또한 복합적인 상황에서의 화재 감지가 힘들뿐만 아니라 별도의 지속적인 경계가 필요한 지역에 대한 설정이 어렵다. 따라서 본 논문에서는 센서를 활용하여 실시간으로 온도, 습도, Co2, 불꽃유무정보를 습득하고 이 데이터들을 복합적인 상황에 따라 비교, 분석하고 그에 따른 가중치를 부여하여 화재를 판단하는 알고리즘을 제안한다. 또한 화재 상태를 나누어 집중적인 화재 감지가 필요한 구역에 차별적인 관리가 가능하게 한다.

• 한국항만경제학회지
• /
• 제28권2호
• /
• pp.179-194
• /
• 2012

본 연구는 컨테이너터미널의 서비스 투입자원 중 장비를 중점으로 컨테이너터미널의 효율성 비교 평가하기 위해 DEA와 AHP 기법을 혼합한 AHP/DEA 통합모형을 적용하였다. 분석은 광양항(GICT, KEC, KIT), 부산항(HBCT, KBCT, DPCT, UTC, 감만부두) 그리고 부산신항(PNC, PNIT, HJNC, HPNT)의 12개 운영사를 대상으로 하였다. 제안된 AHP/DEA 통합모형은 DEA 모형의 가중치간의 불균형으로 인하여 잘못 평가된 DMU 발생가능성과 효율적인 DMU간의 우열에 대한 변별의 어려움을 극복하기 위해 DEA-AR(Assurance Region)모형을 적용하였고, DEA-AR모형의 가중치 범위를 산출하기 위해 전문가의 의견을 객관적인 가중치로 변환할 수 있는 AHP(Analytic Hierarchy Process) 방법론을 사용하였다. 연구모형의 투입변수는 C/C 수, TC 수, YT 수, RS 수로 하였고 산출변수는 컨테이너 물동량으로 하였다. 연구결과 AHP/DEA 통합모형은 기존의 항만 및 컨테이너터미널의 효율성 평가에 사용되었던 DEA, 또는 DEA 응용모형에 비해 최고의 효율성을 가지는 컨테이너터미널을 선정에 있어 유연하고, 우수한 능력이 있음을 분석결과의 비교를 통해 알 수 있었다. 분석결과를 보면 하역장비 효율성이 100%로 달성한 터미널은 DPCT로 나타났고, 상대적으로 부산항 터미널들의 장비 효율성이 높은 것으로 분석되었다.

• 한국정보통신학회논문지
• /
• 제19권10호
• /
• pp.2441-2449
• /
• 2015

디지털 정보화 시대에서 영상은 여러 매체에서 필수적으로 이용되며, 에지는 영상에서 물체의 크기, 위치, 방향 등을 포함하는 중요한 특징 정보이다. 이러한 에지를 검출하기 위한 여러 연구들이 국내외에서 진행되고 있다. 기존의 에지 검출 방법들에는 고정된 가중치 값을 적용하는 Sobel, Prewitt, Roberts, Laplacian, LoG 등이 있다. 이와 같은 기존의 에지 검출 방법들은 고정된 가중치 마스크를 영상에 적용하기 때문에 에지 검출 특성이 다소 미흡하게 나타난다. 따라서 본 연구에서는 이러한 문제점을 보완하기 위해, 모폴로지에서 bottom-hat 변환과 열기 연산을 이용하여 영상을 개선하고 마스크 기반의 기울기를 구한 후 에지를 구하는 알고리즘을 제안하였다. 그리고 제안한 알고리즘의 성능을 평가하기 위해, 기존의 Sobel, Roberts, Prewitt, Laplacian, LoG 에지 검출 방법들과 비교하여 시각적 영상을 나타내었고, 각각의 영상을 기준으로 하는 MSE 값을 구하여 유사성을 비교하였다.

• 한국통신학회논문지
• /
• 제28권1C호
• /
• pp.47-55
• /
• 2003

본 논문에서는 압축된 MPEG2 비디오 스트림이 포함하고 있는 정보들을 이용하여 카메라의 움직임에 따른 연속적인 프래임의 변위를 추정하고 이를 기반으로 모자이크 이미지를 구성하는 방법을 제안한다. 제안된 방법에서는 MPEG의 매크로 블록 단위의 움직임 벡터로부터 근사적인 광 플로우(Optical Row)를 구성하고, 이를 이용하여 팬(Pan), 틸트(Tilt) 등의 카메라 동작에 따른 프래임의 변위량을 추출한다. 추정된 변위량은 모자이크 이미지를 구성하는데 있어서 연속되는 비디오 프래임의 기하학적인 변환을 결정한다. 본 논문의 모자이크 구성은 Nicolas가 제안한 분석적 가중치 등을 이용한 혼합(blending) 방법을 사용하였다. 실험결과 분석적인 가중치를 이용한 혼합방법은 평균이나 미디안에 의한 혼합방법보다 배경의 급격한 변화가 적으며 비디오 프래임의 정보를 충실히 활용함을 알 수 있었다. 구성된 모자이크는 압축정보를 디코딩하고 정확한 광플로우를 구성하는 방식에 비해 부호화 과정에 포함된 움직임 벡터를 이용하여 매크로 블록 단위의 근사적인 광플로우를 이용하기 때문에 계산량을 줄일 수 있다. 구성된 근사적인 모자이크는 비디오의 정보를 요약하고 있기 때문에 압축된 비디오 검색을 위한 대표 프레임 등에 사용될 수 있다.

• 한국지능시스템학회논문지
• /
• 제24권1호
• /
• pp.22-27
• /
• 2014

블록기반의 이산여현변환 압축 표준을 사용하는 저 비트율 압축 영상과 동영상에서 발생하는 블록킹 현상과 링잉 현상은 화질 열화의 주된 원인으로 지적되고 있다. 블록킹 현상과 링잉 현상은 블록 경계와 에지 경계에서 원 영상에 없던 고주파 성분이 나타나는 현상이므로 저역통과 필터를 적용하면 제거할 수 있다. 그러나 단순히 저역통과 필터를 적용하면 원 영상에 존재하는 에지와 같은 고주파 성분도 제거되어 또 다른 화질 열화 및 번짐 현상을 야기하게 된다. 본 논문에서는 이러한 문제를 해결하기 위하여 주변 화소의 밝기 유사성에 기반한 가중치를 계산하고, 가우시안 저역 통과 필터의 계수에 이 가중치를 곱하여 필터링하는 방법을 제안한다. 실험 결과, 제안된 방법은 PSNR 측면에서 0.4~0.76dB 정도의 향상을 얻었을 뿐만 아니라, 주관적 화질면에서도 우수한 성능을 얻을 수 있음을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.199-199
• /
• 2021

한국농어촌공사에서는 과학적이고 체계적인 농업기반시설 및 용수관리로 재해를 예방하고 물관리의 효율성 증대를 위한 유지관리 종합정보시스템인 농업기반시설관리시스템을 구축하여 운영중에 있다. 한국농어촌공사는 2012년부터 저수지별 일공급량을 측정하여 기록 관리하고 있어, 저수지의 수위차와 공급량을 사용하여 저수지의 일유입량을 산정 할 수 있는 체계를 구축하였고 저수지 종합건전성 평가를 위해 이 자료를 사용하였다. 수량부문은 수문학적으로 하천환경 및 수생태계에 민감한 영향을 끼치는 인자들로 지표를 구성하였다. 선정된 지표는 High Flow, Low Flow, Seasonality, Zero Flow, Variability로 구성하였다. 수질부문은 자연적 요인과 사회·경제적 요인 기준에 의한 분류를 통해 저수지의 건전성 상태를 파악할 수 있는 지표를 선정하였다. 자연적 요인은 환경부의 수질환경기준에 제시된 항목 중 저수지 건전성을 대표할 수 있는 수온, DO, COD, SS, TN, TP 및 TOC를 선정하였다. 농업용 저수지 수량·수질을 고려한 수환경 평가체계 적용을 위해 적누, 이담, 송고 저수지를 선정하였다. 3개 저수지를 대상으로 수량, 수질 부문으로 나누어 부문별 건전성 및 종합건전성 평가를 수행하였다. 선정된 지표의 분석단위를 통일시키기 위하여 표준화를 수행하였으며 자료의 왜곡정도가 큰 경우에는 로그변환을 취하여 표준화를 수행하였다. 가중치 적용은 주관적인 견해가 들어갈 수 있는 전문가의 설문에 의한 방법보다는 수학적 방법을 이용한 주성분과 엔트로피 가중치 방법을 적용하였다. 최종적으로 산정된 지수에 따라 하천별 현황을 주제별, 시기별로 검토하였으며 객관적이고 이해가 쉽게 5개 등급으로 등급분류를 해 저수지별 건전성 정도를 쉽게 파악할 수 있도록 하였다.

• 한국산업정보학회논문지
• /
• 제29권3호
• /
• pp.51-65
• /
• 2024

스마트 그리드에서 전력 시스템을 효과적으로 운영하기 위해서는 전력 수요량을 정확히 예측하는 것이 중요하다. 최근 기계학습 기술의 발달로, 인공지능 기반의 전력 수요량 예측 모델이 활발히 연구되고 있다. 하지만, 기존 모델들은 모든 입력변수를 수치화하여 입력하기 때문에, 이러한 수치들 사이의 의미론적 관계를 반영하지 못해 예측 모델의 정확도가 하락할 수 있다. 본 논문은 입력 데이터에 대하여 거대언어모델을 통해 추출한 특징을 이용하여 단기 전력 수요량을 예측하는 기법을 제안한다. 먼저, 입력변수를 문장 형식의 프롬프트로 변환한다. 이후, 가중치가 동결된 거대언어모델을 이용하여 프롬프트에 대한 특징을 나타내는 임베딩 벡터를 도출하고, 이를 입력으로 받은 모델을 학습하여 예측을 수행한다. 실험 결과, 제안 기법은 수치형 데이터에 기반한 예측 모델에 비해 높은 성능을 보였고, 프롬프트에 대한 거대언어모델의 주의집중 가중치를 시각화함으로써 예측에 있어 주요한 영향을 미친 정보를 확인하였다.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.471-476
• /
• 2024

다양한 스마트 기기 및 컴퓨팅 디바이스의 보급에 따라 빅데이터 생성이 광범위하게 일어나고 있다. 기계학습은 데이터의 패턴을 학습하여 추론을 수행하는 알고리즘이다. 다양한 기계학습 알고리즘 중에서 주목을 받는 알고리즘은 신경망 기반의 딥러닝 학습이다. 딥러닝은 다양한 응용이 발표되면서 빠른 성능 향상을 달성하고 있다. 최근 딥러닝 알고리즘 중에서 그래프 구조를 활용하여 데이터를 분석하려는 시도가 증가하고 있다. 본 연구에서는 그래프 구조를 활용하여 딥러닝 네트워크에 전달하기 위한 그래프 생성 방법을 제시한다. 본 논문은 그래프 생성 과정에서 노드의 속성과 간선의 가중치를 일반화하고 행렬화 과정을 제시하여 딥러닝 입력에 필요한 구조로 전환하는 방법을 제시한다. 그래프 생성 과정에서 속성과 가중치 정보를 보전할 수 있는 선형변환 매트릭스 적용 방법을 제시한다. 마지막으로 일반 그래프의 딥러닝 입력 구조를 제시하고 성능 분석을 위한 접근법을 제시한다.