• 한국지리정보학회지
• /
• 제15권2호
• /
• pp.46-56
• /
• 2012

최근 소프트웨어 아키텍처 설계 시 재사용성의 효율성이 강조되어지고 있다. 이러한 설계의 재사용성은 소프트웨어의 품질을 높이고 유지보수 효율을 높일 수 있는 비용절감 요소로 많이 활용된다. 이러한 재사용관련 객체지향 설계에서 GoF 디자인 패턴은 반복적인 설계 문제에 대해 재사용성이 높은 해법을 제공하므로 그 중요성이 더욱 강조되고 있다. 이와 관련한 설계방법이 여러 응용시스템에서 적용되고 있다. 이중 다중 분산 센서네트워크 시스템에서 서로 다른 기능의 센서노드, 수집노드와 서버에서 수많은 컴포넌트와 클래스의 조합으로 시스템이 설계되어 복잡한 구조를 이루고 있다. 더군다나 이러한 시스템들은 개발자의 특정 목적에 맞추어 더욱 복잡한 시스템으로 변경되기도 한다. 본 논문은 TinyOS에 기반한 다중 분산되어진 센서네트워크 시스템에서 복잡하게 구현되어 있는 구조들을 클래스와 기능 등에 따라 재사용성의 효율성을 높이는 CATL 모델 구조를 설계하고 Facade 패턴을 응용하여 센서네트워크 시스템을 설계 하고자 한다. 이러한 모델구조와 패턴은 복잡한 센서네트워크 시스템에서 주요 기능들을 담당하는 클래스와 기능 들을 묶어 구조화함으로서 새로운 시스템의 설계나 변경 또는 유지보수 등에 효율적으로 활용될 것이라 판단된다.

• 대한원격탐사학회지
• /
• 제29권5호
• /
• pp.569-579
• /
• 2013

이 연구에서는 다중시기 SAR 영상으로부터 3D 웨이블렛 변환을 통해 추출된 특징 정보를 이용하여 토지피복 분류를 수행하였고 그 적용가능성을 평가하였다. 분류를 하기 전 단계로 3차원 웨이블렛 변환기반 특징을 추출하였고, 이후 토지 피복 분류에 사용하였다. 비교를 목적으로 특징추출 단계가 들어가지 않는 원본 영상과 주성분분석 기반 특징들의 분류를 함께 수행하였다. 성능 검증을 위해 당진에서 촬영된 다중시기 Radarsat-1호 영상을 사용하였고 토지피복은 논, 밭, 산림, 수계, 도심지가 포함된 5개의 클래스로 구분하였다. 토지피복 식별 능력 분석에 따르면 밭과 산림은 매우 유사한 특성을 보이기 때문에 두 클래스를 구분하는 것은 매우 어렵다. 3차원 웨이블렛 기반 특징을 사용하는 경우, 도심지를 제외하고 모든 클래스의 분류 정확도가 향상되었다. 특히 밭과 산림의 정확도가 향상된 것을 확인할 수 있었다. 이러한 향상은 다중시기자료를 시간과 공간적으로 동시에 분석하는 3차원 웨이블렛 변환 과정에 기인한 것으로 판단된다. 이 결과로부터 3차원 웨이블렛 변환이 영상으로부터 특징을 추출하는데 이용 가능하다는 것을 확인할 수 있었고, 추후에 다른 센서나 다른 연구지역으로 추가 실험을 수행할 예정이다.

• 한국컴퓨터정보학회논문지
• /
• 제29권10호
• /
• pp.35-45
• /
• 2024

본 연구에서는 모델의 경량화를 위해 교사 모델의 출력 특징맵에서 3D 객체의 정보를 추출해 학생 모델의 다중 스케일 특징맵(Multi-scale feature map)에 맞게 증류하는 3D 객체 검출용 다중스케일 특징 지식 증류 기법인 M3KD (Multi-Scale Feature Knowledge Distillation for 3D Object Detection)를 제안한다. M3KD는 지식 증류 수행 시 학생 모델과 교사 모델의 다중 스케일 특징맵들 간 L2 손실(loss)을 사용해 특징맵 값의 차이를 줄이게 함으로써 학생 모델이 교사 모델의 백본을 모방하게 하여 학생 모델의 전체적인 정확도를 향상시키고, 기존의 이미지 분류 태스크(Task)에서 사용하는 클래스 로짓(Logits) 지식 증류를 적용해 교사 모델의 클래스 분류 로짓을 모방함으로써 학생 모델의 검출 정확도를 향상시킨다. 본 연구가 제안한 M3KD의 효과를 증명하기 위해 KITTI (Karlsruhe Institute of Technology and Toyota Technological Institute) 데이터 셋에서 실험을 진행하였으며, 이때 학습한 학생 모델이 교사 모델 대비 30%의 추론 속도 향상을 달성하였다. 또한, 정확도에서 기존의 학생 모델과 비교시 모든 클래스 및 모든 난이도에서 평균적으로 1.08%의 3D mAP (Mean Average Precision) 향상이 있음을 확인하였다. 또한 최신 지식 증류 기법인 PKD, SemCKD에 제안하는 기법을 추가로 적용하였을 시 기존 대비 0.42%, 0.52% 높은 정확도 (3D mAP)를 나타내 성능 향상을 달성하였다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.23-45
• /
• 2020

기업의 경쟁력 확보를 위해 판별 알고리즘을 활용한 의사결정 역량제고가 필요하다. 하지만 대부분 특정 문제영역에는 적합한 판별 알고리즘이 어떤 것인지에 대한 지식은 많지 않아 대부분 시행착오 형식으로 최적 알고리즘을 탐색한다. 즉, 데이터셋의 특성에 따라 어떠한 분류알고리즘을 채택하는 것이 적합한지를 판단하는 것은 전문성과 노력이 소요되는 과업이었다. 이는 메타특징(Meta-Feature)으로 불리는 데이터셋의 특성과 판별 알고리즘 성능과의 연관성에 대한 연구가 아직 충분히 이루어지지 않았기 때문이며, 더구나 다중 클래스(Multi-Class)의 특성을 반영하는 메타특징에 대한 연구 또한 거의 이루어진 바 없다. 이에 본 연구의 목적은 다중 클래스 데이터셋의 메타특징이 판별 알고리즘의 성능에 유의한 영향을 미치는지에 대한 실증 분석을 하는 것이다. 이를 위해 본 연구에서는 다중 클래스 데이터셋의 메타특징을 데이터셋의 구조와 데이터셋의 복잡도라는 두 요인으로 분류하고, 그 안에서 총 7가지 대표 메타특징을 선택하였다. 또한, 본 연구에서는 기존 연구에서 사용하던 IR(Imbalanced Ratio) 대신 시장집중도 측정 지표인 허핀달-허쉬만 지수(Herfindahl-Hirschman Index, HHI)를 메타특징에 포함하였으며, 역ReLU 실루엣 점수(Reverse ReLU Silhouette Score)도 새롭게 제안하였다. UCI Machine Learning Repository에서 제공하는 복수의 벤치마크 데이터셋으로 다양한 변환 데이터셋을 생성한 후에 대표적인 여러 판별 알고리즘에 적용하여 성능 비교 및 가설 검증을 수행하였다. 그 결과 대부분의 메타특징과 판별 성능 사이의 유의한 관련성이 확인되었으며, 일부 예외적인 부분에 대한 고찰을 하였다. 본 연구의 실험 결과는 향후 메타특징에 따른 분류알고리즘 추천 시스템에 활용할 것이다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.

• 한국정보통신학회논문지
• /
• 제10권3호
• /
• pp.614-621
• /
• 2006

PROSPECTOR에서 사용한 규칙 형태의 분류 규칙을 습득하기 위한 유전 알고리즘 기반 귀납적 학습 환경에서 다중 분류기 학습법을 구현하였다. 다중 분류기 학습법은 주어진 사례 집합에 대해 다수의 분류기를 습득한 후 이를 이용하여 분류 시스템을 구축함으로써 시스템의 성능을 향상시키는 기법이다. 다중 분류기 학습법의 구현을 위해서는 분류기의 분류 결과를 취합하여 최종 결론을 도출해 내기 위한 기법이 필요하다. 본 논문에서는 각각의 클래스에 대해 분류기가 제공하는 사후 가능성을 취합하여 결론을 도출해 내는 기법과 순위에 기반을 둔 보우팅 기법을 소개하고 다중 분류기 학습법이 유전 알고리즘 기반 귀납적 학습 환경에 미치는 영향을 다수의 사례 집합을 이용하여 평가하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.596-598
• /
• 2010

본 논문에서는 의료영상 중 X-ray 영상을 대상으로 영상을 분류하고 분류 결과에 따라 다중 키워드를 생성하는 방법을 제시한다. X-ray영상은 대부분 그레이 영상임으로 Local Binary Patterns (LBP)을 이용하여 픽셀간의 연관성을 특징으로 추출하고, 실시간 학습 및 분류가 가능한 Random Forests 분류기로 영상들을 30개의 클래스로 분류한다. 또한, 미리 정의된 신체 부위간의 관계 가중치를 분류 스코어에 결합하여 신뢰값을 생성하고 이를 기반으로 영상에 대해 다중 주석을 부여하게 된다. 이렇게 부여된 다중 주석은 키워드 기반의 의료영상을 가능케 함으로 보다 쉽고 효율적인 검색 환경을 제공할 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제26권3호
• /
• pp.401-411
• /
• 1999

RPC(Remote Procedure Call)는 프로그래밍이 쉽고 데이터 표현이 기계 독립적이므로 네트워크 파일 시스템등의 시스템 프로그래밍에서만 아니라 응용 프로그래밍에서도 활발히 사용되고 있다. 그러나 복잡하고 다양한 기능의 최신 프로그램을 개발하는데는 미흡한 점이 많고, 다른 RPC 표준간의 호환성이 결여되어 있어 유지보수가 어려운 단점을 가지고 있다. 본 논문에서는 객체 랩퍼 기술에 입각한 CORBA 계층을 추가함으로써 RPC 프로그래밍을 수정하는 단점을 해결하고 , 기존 RPC 프로그램을 재사용하면서 다중 플랫폼에서 RPC 프로그램을 연동하고 객체 지향 프로그래밍에 의한 재사용과 유지보수성을 높일 수 있는 WDL(Wrapper Definition Language)와 랩퍼 클래스 자동생성기를 제안한다. 사용사례로 기존 파일 전송 RPC 서버 프로그램을 랩핑해서 Unix, Windows 95 및 웹상에서 CORBA클라이언트와 연동할 수 있음을 보인다. 이 과정에서 RPC 프로그램의 구조적 프로그래밍에서 객체지향 프로그래밍으로의 전환이 가능하므로 객체 지향 방법론의 장점인 높은 재사용성과 유지보수성을 가질 수 있고 기존 RPC 서버 프로그램의 수정 없이 사용 가능할수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(C)
• /
• pp.347-350
• /
• 2011

감시카메라 환경에서의 비정상 집단행동 탐지란 감시카메라로부터 유입되는 영상에서 다중 객체가 위험에 처한 상황을 신속하고 정확하게 탐지 및 인식하는 분야를 말한다. 본 논문에서는 CCTV 등과 같은 감시카메라 환경에서 움직임 벡터와 SVDD를 이용하여 집단내의 비정상 상황을 탐지하는 프로토타입 시스템을 제안한다. 제안된 시스템은 움직임 벡터를 이용하여 영상내의 움직임 정보를 추출 표현하였으며, 비정상 집단행동의 판별 문제를 실용적 차원의 단일 클래스 분류 문제로 재해석하여 단일 클래스 SVM의 대표적 모델인 SVDD를 탐지자로 설계하였다. 공개적으로 사용 가능한 벤치마크 데이터 셋인 PETS 2009와 UMN을 이용하여 본 논문에서 제안한 비정상 집단행동 탐지 시스템의 성능을 실험적으로 검증한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권11호
• /
• pp.795-800
• /
• 2013

한우 발정기의 조기 탐지는 축산 농가의 경제성을 향상시키는 매우 중요한 연구 과제 중 하나이다. 이를 위한 다양한 방법들이 제안되었으나, 현재까지도 시스템의 경제성 문제를 포함한 조기 발정 탐지 및 탐지 정확도 등에 여전히 취약한 점이 있는 것이 사실이다. 본 논문에서는 감시카메라 환경에서 축사내 승가 행동을 포함하는 한우의 특이 행동들을 탐지하는 다중 객체의 특이 행동 탐지 프로토타입 시스템을 제안한다. 다중 객체의 특이 행동 탐지란 감시카메라로부터 유입되는 영상에서 다중 객체가 위험에 처한 상황 혹은 비정상적인 행동들을 신속하고 정확하게 탐지하는 분야를 말한다. 제안된 시스템은 한우 축사에 고정 설치된 카메라의 입력 동영상으로 부터 움직임 벡터 정보를 이용하여 영상내의 움직임 정보를 추출 표현하였으며, 특이 행동의 판별 문제를 실용적 차원의 단일 클래스 분류 문제로 재해석하여 단일 클래스 SVM의 대표적 모델인 SVDD를 탐지기로 설계하였다. 실제로 진주에 위치한 한 축사에서 취득한 한우 암소의 영상 정보를 이용하여 본 논문에서 제안한 시스템의 성능을 실험적으로 검증한다.