본 논문에서는 대상지역에 대한 영상을 다양한 가중치의 조합의 경우를 고려하여 객체 단위로 분할하게 되며 분할된 객체에 대하여 상호관계를 분석하여 수치적으로 표현하였다. 또한 최종적인 객체 기반영상분류에서 높은 정확도를 확보할 수 있는 가중치의 조합을 산정하였다. 연구에 사용된 영상은 Landsat-7/ETM 영상으로 대상 지역의 면적은 $11{\times}14$ Km이며 밴드 2, 3, 4의 조합을 사용하였다. 객체 간 계산은 Moran's I와 객체 내부 분산(Intrasegment Variance)을 이용하였다. 대상지역에 대하여 총 75개의 가중치 조합을 사용하여 75개의 객체 분할 영상을 생성하였다. 객체 분할 영상 중에 최종적인 영상 분류 시 높은 정확도가 예상되는 가중치 조합, 중간 정도 정확도가 예상되는 가중치 조합 그리고 낮은 정도 정확도가 예상되는 가중치 조합을 7개 선택하여 최종적인 객체기반 영상분류를 시행하고 그 정확도를 비교하였다. 정확도의 비교 결과, 가장 높은 정확도가 예상되는 가중치 조합의 객체 분할 영상의 경우 객체 기반 영상 분류 시 85% 이상의 정확도를 나타내었으며 반대로 낮은 경우는 분류 시 50% 정도의 분류 정확도를 나타내었다.
본 논문에서는 영상을 자동적으로 객체와 비객체 영상으로 분류하는 방법을 제안한다. 객체 영상은 객체를 포함하는 영상이다. 객체는 영상의 중심 부근에 위치하고 주변 영역과는 상이한 칼라 분포를 가지는 영역들로 정의한다. 영상 분류를 위해 객체의 특징에 기반을 두고 네 가지 기준을 정의한다. 첫 번째 기준인 중심 영역의 특이성은 중심 영역과 주변 영역간의 칼라 분포의 차이를 통해 계산된다. 두 번째 기준은 영상 내의 특이 픽셀의 분산이다. 특이 픽셀은 영상의 주변영역보다 중심 부근에서 더욱 빈번하게 나타나는 상호 인접한 픽셀들의 칼라 쌍에 의해 정의된다. 세 번째 기준은 중심 객체의 평균 경계강도이다. 세 번째 기준은 분류 기준들중에서 가장 우수한 분류 성능을 나타내지만 특징값을 추출하기 위해서는 중심 객체를 추출해야 되는 많은 연산을 내포하고 있다. 이에 이와 비슷한 특성을 나타내는 네 번째 기준으로 영상 중심 영역에서의 평균 경계강도를 선택하였다. 네 번째 분류 기준은 세 번째 분류 기준에 비해 분류 성능은 조금 낮지만 빠르게 특징값을 추출할 수 있어 많은 데이터를 빠른 시간 내에 처리해야 되는 대규모 영상 데이터 베이스에 적용가능하다. 영상을 분류하기 위해 신경회로망 및 SVM을 사용하여 이들 기준들을 통합하였으며 신경회로망 및 SVM의 분류 성능을 비교하였다.
본 논문에서는 영상 내에서의 객체를 기준점을 사용하여 크기에 따라 분류할 수 있는 시스템을 제안한다. 본 논문에선 객체를 샘플로 하여 연구를 진행하였다. 제안된 시스템은 휴대폰 카메라를 이용하여 획득한 영상에서 객체를 크기 별로 인식해서 그 종류를 파악하고 분류한다. 기존의 객체 인식 시스템들은 객체의 크기만을 이용해서 해당 객체를 분류하였다. 그러한 시스템들은 일정한 거리를 두어 획득한 영상이 아니면 거리에 따라 객체의 크기가 달라져 오류가 발생하는 단점이 있다. 이에 본 논문에서 제안하는 객체 인식 시스템은 이러한 기존의 객체 인식 시스템의 한계를 극복하고자 영상의 왼쪽 상단에 기준점을 두어 그 기준점과 객체의 크기를 비교하여 거리에 상관없이 객체를 분류할 수 있다.
바이오 문헌으로부터의 의미 있는 객체 추출 및 상호작용 관계 추출은 수 많은 바이오 문헌으로부터 유용한 정보를 얻기 위한 필수적인 과정이다. 특히 문헌으로부터 유전자 또는 단백질 이름과 같은 바이오 객체를 정확하게 인지하는 것은 새로운 객체인식의 어려움과 객체를 찾기 위한 특징 패턴의 다양성으로 인해 도전적인 과제로 남아있다. 본 논문에서는 전처리 과정을 거친 문헌 데이터로부터 12개의 의미 있는 속성들을 선택하였다. 선택된 속성에 데이터마이닝 기법중 하나인 속성 추출 기법을 적용하여 객체를 분류하는데 있어 의미 있는 속성들을 추출하였다. 특징 추출 방법과 분류 알고리즘이 분류 성능에 미치는 영향을 평가하기 위해 각 방법의 정확도를 사용하여 분류 성능을 비교였으며, Gain Ratio Attribute Evaluation과 Symmetrical Uncertainty Attribute Evaluation 기법에 의해 추출된 속성이 가장 정확한 분류 성능을 보여주었다.
본 논문에서는 학습 콘텐츠의 효과적인 관리와 재사용을 위한 학습객체 자동 분류 기법을 제안한다. 제안한 기법은 학습객체들의 발생 사례를 이용하여 학습객체들의 응집도를 생성하고, 응집도를 기반으로 학습객체들의 연관성을 측정하여 학습객체들의 자동 분류를 수행한다. 제안한 기법을 학습관리시스템에 적용하면 학습 콘텐츠의 개발 비용을 절감시킬 수 있는 장점이 있다. 시뮬레이션에서 확률 기반 기법의 평균 정확도는 28.20%로 나타났고, 응집도 기반 기법의 평균 정확도는 56.38%로 나타났다. 시뮬레이션을 통해 본 논문에서 제안한 기법이 학습객체 자동 분류에 효과적이라는 것을 확인하였다.
기존의 객체지향 데이터베이스에 경험적 분류 모델에 기반을 둔 새로운 클래스를 도입한 확장된 객체 지향 데이터베이스의 모델을 설계한다. 이를 구현하기 위해 기존의 객체 데이터 베이스에 경험적 분류 클래스를 도입하였으며, 이 클래스들을 연산하기 위한 경험적 분류 연산 클래스를 설계하였다. 그리고 확장된 객체 지향의 데이터 모델 상에서 데이터베이스에 저장된 데이터의 경험적 분류 모델에 기반을 둔 검색이 가능한 질의어를 설계하였다.
고해상도(VHR, Very High Resolution) 영상은 활용에 따라 도심의 다양한 정보를 얻을 수 있는 잠재적 가치가 매우 큰 자료이다. 그러나 이러한 고해상도 영상자료는 매우 높은 공간해상력으로 인해 같은 용도의 객체 혹은 같은 객체(예, 건물)라 할지라도 다양한 분광 특성 및 형태로 표현된다. 그러므로 이러한 고해상도영상을 이용하여 효과적으로 주제도를 생성하기 위해서는 현재까지 영상분류 분야에서 주로 활용되고 있는 화소(pixel)단위 기반의 분석방법으로는 한계가 존재한다. 본 연구에서는 이러한 문제점을 보완하기 위한 방법으로 활발한 연구가 진행되고 있는 세그멘트(segment) 혹은 객체(object) 기반 분류기법을 고해상도 영상 및 라이다 자료에 적용하여 도심지역의 건물들을 추출해 보았으며, 그 활용 가능성에 대하여 판단해 보았다. 이러한 세그멘트 기법은 분류하고자 하는 객체들을 하나의 동일한 특성을 가지는 집단으로 모으는 방법을 말하는데, 이를 위해 본 연구에서는 multi-resolution image segmentation기법을 제공해주는 eCognition이라는 소프트웨어를 이용하였다.
본 연구의 목적은 고해상도 위성 영상을 이용하여 식생도 제작 기법을 연구하는 것이며, 식생도에는 활엽수, 혼효림, 침엽수의 군집 경계를 표현하고자 하였다. 본 연구는 고해상도 위성영상을 활용하여 객체지향분류 기법을 적용하였다. 객체지향 분류기법은 크게 세그멘테이션의 과정과 세그멘트를 분류하는 과정으로 나눌 수 있다. 세그멘테이션 과정을 통해서 식생군집의 경계를 추출하고, 영상을 이용하여 상록침엽수를 분류하여 식생조사시 침엽수군락의 위치를 파악함으로써 조사의 효율성을 증대하였다.
본 논문에서는 레이저스캐너만으로 이루어진 감지 시스템을 이용하여 도로 위에 있는 객체의 위치를 추정하고 분류하는 알고리즘을 제안한다. 각각의 레이저 스캐너에서 획득한 데이터는 그리드 맵을 사용하여 데이터를 융합하였으며, 팽창 연산과 레이블링 방법을 사용하여 측정 오차를 보정하였다. 추출한 객체의 정보(길이, 폭)를 입력으로 사용한 퍼지방법을 통해 객체를 보행자, 자전거, 차량으로 분류하였으며, 이러한 방법은 레이저스캐너로만 이루어진 감지 시스템의 정확도를 증가시켰다. 또한 본 논문에서는 실제 도로 환경에서 몇 가지 시나리오를 설정하여 실험을 하였다. 실험을 통해 감지 시스템이 객체를 정확히 분류하는지, GPS-RTK 장비를 사용하여 획득한 위치 정보와 비교하여 객체의 위치 정보를 정확히 추정하는지 검증하였다.
객체 분류는 입력으로 주어진 이미지에 포함된 객체의 종류를 판단하는 기술이다. 대표적인 딥러닝 기반의 객체 분류 방법으로서 Faster R-CNN[2], YOLO[3] 등의 모델이 개발되었으나, 여전히 성능 향상의 여지가 있다. 본 연구에서는 각도 마진 손실 함수를 기존의 몇 가지 객채 분류 모델에 적용하여 성능 향상을 유도한다. 각도 마진 손실 함수는 얼굴 인식 모델인 SphereFace [4]에서 제안한 방법으로, 얼굴 인식과 같이 단일 도메인의 데이터셋을 분류하는 문제를 풀기 위해 제안되었다. 이는 기존 소프트맥스 함수에서 클래스 결정 경계선에 마진을 주는 방식으로 클래스 간의 구분 능력을 향상시킨다. 본 논문은 각도 마진 손실 함수를 CIFAR10, CIFAR100 데이터셋의 분류 문제에 적용하였으며 ResNet, EfficientNet, MobileNet 등의 백본 네트워크로 실험하여 평균적으로 mAP 성능이 향상되는 것을 확인하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.