• 제목/요약/키워드: 단일 클래스 분류

검색결과 69건 처리시간 0.027초

다중 레이블 분류를 활용한 안면 피부 질환 인식에 관한 연구 (A Study on Facial Skin Disease Recognition Using Multi-Label Classification)

  • 임채현;손민지;김명호
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제10권12호
    • /
    • pp.555-560
    • /
    • 2021
  • 최근 안면 피부 미용에 대한 사람들의 관심이 높아짐에 따라 딥 러닝을 활용한 안면 피부 미용을 위한 피부 질환 인식 연구가 진행되고 있다. 이러한 연구들은 여드름을 비롯한 다양한 피부 질환을 인식한다. 기존의 연구들은 단일 피부 질환만을 인식하지만, 안면에 발생하는 피부 질환은 더 다양하고 복합적으로 발생할 수 있다. 따라서 본 논문에서는 Inception-ResNet V2 모델을 활용하여 다중 레이블 분류 방법으로 여드름, 블랙헤드, 주근깨, 검버섯, 일반 피부, 화이트헤드에 관한 복합적인 피부 질환을 인식한다. 사용한 평가 지표 중 정확도는 98.8%, 해밍 손실은 0.003을 달성하였고, 단일 클래스별 정밀도, 재현율, F1-점수는 모두 96.6% 이상을 달성하였다.

다중주파수 SAR 영상을 이용한 북극해 그린란드 정착빙 분류 (Classification for Landfast Ice Types in the Greenland of the Arctic by Using Multifrequency SAR Images)

  • 황도현;황병준;윤홍주
    • 대한원격탐사학회지
    • /
    • 제29권1호
    • /
    • pp.1-9
    • /
    • 2013
  • 그린란드 북쪽 정착빙 부근 해빙을 분류하기 위하여 현장 자료, 다중 주파수 SAR (Synthetic Aperture Radar) 영상, 텍스쳐 영상을 사용하였다. 해빙의 유형은 first year ice, highly deformed ice, ridge, moderately deformed ice 총 4개로 분류하였다. K-means 알고리즘을 사용하여 텍스쳐 영상으로 분류한 경우 SAR 영상을 사용했을 때 보다 전체 정확도가 높게 나타났으나, 최대 우도법(maximum likelihood) 알고리즘을 사용하였을 때 텍스쳐 영상의 전체 정확도는 때에 따라서 높게 나타났다. 단일 영상 및 다중 영상을 사용했을 때 결과를 비교하면, K-means 알고리즘을 사용했을 때는 다중 영상을 이용하는 것이 전체 정확도가 높게 나타났다. 최대 우도법 알고리즘을 사용했을 경우, 단일 영상을 사용했을 때와 다중 영상을 사용했을 때 클래스별 분류 정확도가 차이가 있어 단일 영상과 다중 영상을 적절하게 사용해야 한다고 판단된다.

단일 클래스 분류와 특징 선택에 기반한 향상된 이상 감지 (Improved Fault Detection Based on One-Class Classification and Feature Selection)

  • 조현우
    • 한국산학기술학회논문지
    • /
    • 제20권8호
    • /
    • pp.216-223
    • /
    • 2019
  • 생산 공정에서 발생되는 공정 이상을 적시에 감지하는 것은 생산 공정의 안전하고 일관된 조업 및 운영에 필수적인 요소 중 하나로서 반드시 필요하다. 예측되지 못하거나 적절하게 감지되지 못한 공정 이상은 전체 생산 공정과 공정에서 생산되는 최종 제품의 품질에 심각한 영향을 줄 수 있기 때문이다. 또한 이러한 상황은 공정 기능 불량과 고장으로 이어지게 된다. 이러한 공정 이상을 신뢰성 있게 적시에 검출하기 위해 본 연구에서는 새로운 단일 클래스 분류에 기반한 공정 이상 감지 기법을 제안한다. 본 연구의 제안된 방법은 잡음 필터링, 특징 선택, 비선형 표현 및 특이치 검출의 네단계로 구성된다. 본 연구에서는 시뮬레이션 공정의 측정치를 활용하여 제안된 방법의 성능을 평가하였다. 그 결과 제안된 공정 이상 탐지 기법이 신뢰할 수 있는 모니터링 결과를 산출하였으며 기존 비교 대상 방법들보다 평균 25.4% 향상된 성능을 보여 주었다. 또한 적합한 특징 선택을 통하여 보다 향상된 이상 감지 성능을 얻을 수 있었다.

점진적 중심 갱신을 이용한 deep support vector data description 기반의 온라인 비정상 탐지 알고리즘 (Online anomaly detection algorithm based on deep support vector data description using incremental centroid update)

  • 이기배;고건혁;이종현
    • 한국음향학회지
    • /
    • 제41권2호
    • /
    • pp.199-209
    • /
    • 2022
  • 일반적인 비정상 탐지 알고리즘은 사전 데이터를 이용하여 학습된다. 따라서 시간에 따른 정상 데이터의 특징이 변화되는 경우에 기존의 배치 학습 기반 알고리즘의 성능 저하가 불가피하다. 본 논문에서는 정상 데이터의 점진적 특징 변화를 고려할 수 있는 온라인 비정상 탐지 알고리즘을 제안한다. 제안하는 알고리즘은 단일 클래스 분류 모델에 기반하며 오프라인 및 온라인 단계의 학습 과정을 포함한다. 제안된 알고리즘의 오프라인 학습 단계에서는 사전 데이터가 잠재 공간의 중심에 근접하도록 학습하고, 이후 온라인 학습단계에서는 신규 데이터에 의한 점진적 잠재 공간의 중심을 갱신하고, 갱신된 중심을 기준으로 계속 학습을 진행한다. 공개된 수중 음향 데이터를 이용한 실험결과 제안된 온라인 비정상 탐지 알고리즘은 점진적 중심 갱신 및 학습을 위해 단지 2 % 정도의 추가 학습시간이 소요되는 것으로 확인되었다. 반면에 시변 정상데이터가 수신되는 경우에 오프라인 학습 모델과 비교하여 19.10 % 개선된 Area Under the receiver operating characteristic Curve(AUC) 성능을 보였다.

온톨로지 모델링에서 패싯 분석 활용 연구 (A Study on the Use of Facet Analysis for Ontology Modeling)

  • 박희진;이명호;김성훈;오삼균
    • 한국도서관정보학회지
    • /
    • 제46권2호
    • /
    • pp.257-287
    • /
    • 2015
  • 본 연구는 패싯 이론을 기반으로 한 온톨로지 구축방법을 제안한다. 스마트폰 온톨로지를 설계하는 과정에서 패싯 분류체계를 적용하여 온톨로지 모델링에 있어서 패싯 분석의 활용가능성을 점검하였다. 랑가나단과 CRG의 패싯 분류 이론에 기반하여 '유형', '사양', '기능', '작업', '상품', '개인', '기업', '장소', '시간'의 스마트폰 기본 패싯을 설계하였다. 본 연구에서 제안한 패싯 구조 기반 온톨로지는 상품관련 다양한 클래스의 계층구조를 개념적으로 이해하고 클래스와 속성의 다각적 관계를 체계적으로 파악하는데 활용될 수 있을 것이다.

SVM에 기반한 음악 장르 분류를 위한 특징벡터 정규화 방법 (Feature-Vector Normalization for SVM-based Music Genre Classification)

  • 임신철;장세진;이석필;김무영
    • 전자공학회논문지SC
    • /
    • 제48권5호
    • /
    • pp.31-36
    • /
    • 2011
  • 본 논문에서는 Mel-Frequency Cepstral Coefficient (MFCC), Decorrelated Filter Bank (DFB), Octave-based Spectral Contrast (OSC), Zero-Crossing Rate (ZCR), 그리고 Spectral Contract/Roll-Off를 복합 특징벡터로 결합하여 Support Vector Machine (SVM)을 이용한 음악 장르 분류 시스템을 설계하였다. 기존 방식에서는 전체 학습 데이터에 대한 특징벡터를 정규화를 한 후 SVM 모델을 생성하여 분류를 시행하였다. 본 논문에서는 비교 대상이 되는 한 쌍의 클래스에 대해서 One-Against-One (OAO) SVM으로 모델을 생성할 때 선택된 두 클래스의 특징벡터에 대해서만 정규화를 시행하는 방식을 제안한다. 기존 정규화 방식을 이용하면 단일 특징벡터로 OSC를 사용할 경우에는 60.8%, 복합 특징벡터를 모두 이용하는 경우에는 77.4%의 인식율을 얻을 수 있었다. 또한, 제안된 정규화 방식을 이용하면 OSC와 복합 특징벡터에 대해서 각각 8.2%와 3.3%의 추가적인 성능 향상을 얻을 수 있었다.

LDA 혼합 모형을 이용한 얼굴 인식 (Face Recognition using LDA Mixture Model)

  • 김현철;김대진;방승양
    • 한국정보과학회논문지:소프트웨어및응용
    • /
    • 제32권8호
    • /
    • pp.789-794
    • /
    • 2005
  • LDA는 데이타를 잘 구분하게 하는 변환을 제공하고, 얼굴 인식에서 우수한 성능를 보였다. 그러나, LDA는 전체 데이타에 대해 단 하나의 변환 행렬만을 주므로 사람 얼굴과 같은 많은 클래스로 구성되어 있는 복잡한 데이타를 구분하기에 충분하지 않다. 이런 약점을 극복하기 위해 우리는 LDA 혼합 모형이라는 새로운 얼굴 인식 방법을 제안한다. LDA 혼합 모형에서는 모든 클래스가 여러 개의 군집으로 분할되고 각 군집에 대해서 하나의 변환 행렬을 얻는다. 이렇게 더 세세히 표현하는 방법은 분류 성능을 크게 향상시킬 것이다 얼굴 인식 실험 결과, LDA 혼합 모형은 PCA, LDA, PCA 혼합 모형보다 더 우수한 분류 성능을 보여주었다.

움직임 벡터와 SVDD를 이용한 영상 감시 시스템에서 한우의 특이 행동 탐지 (Unusual Behavior Detection of Korean Cows using Motion Vector and SVDD in Video Surveillance System)

  • 오승근;박대희;장홍희;정용화
    • 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.

앙상블 SVM 모형을 이용한 기업 부도 예측 (Bankruptcy prediction using ensemble SVM model)

  • 최하나;임동훈
    • Journal of the Korean Data and Information Science Society
    • /
    • 제24권6호
    • /
    • pp.1113-1125
    • /
    • 2013
  • 기업의 부도를 예측하는 것은 회계나 재무 분야에서 중요한 연구주제이다. 지금까지 기업 부도예측을 위해 여러 가지 데이터마이닝 기법들이 적용되었으나 주로 단일 모형을 사용함으로서 복잡한 분류 문제에의 적용에 한계를 갖고 있었다. 본 논문에서는 최근에 각광받고 있는 SVM (support vector machine) 모형들을 결합한 앙상블 SVM 모형 (ensemble SVM model)을 부도예측에 사용하고자 한다. 제안된 앙상블 모형은 v-조각 교차 타당성 (v-fold cross-validation)에 의해 얻어진 여러 가지 모형 중에서 성능이 좋은 상위 k개의 단일 모형으로 구성하고 과반수 투표 방식 (majority voting)을 사용하여 미지의 클래스를 분류한다. 본 논문에서 제안된 앙상블 SVM 모형의 성능을 평가하기 위해 실제 기업의 재무비율 자료와 모의실험자료를 가지고 실험하였고, 실험결과 제안된 앙상블 모형이 여러 가지 평가척도 하에서 단일 SVM 모형들보다 좋은 성능을 보임을 알 수 있었다.

랜덤 포레스트를 이용한 심전도 기반 생체 인증 (ECG-based Biometric Authentication Using Random Forest)

  • 김정균;이강복;홍상기
    • 전자공학회논문지
    • /
    • 제54권6호
    • /
    • pp.100-105
    • /
    • 2017
  • 본 논문은 개인 인증 알고리즘에 관한 것으로 심전도를 이용한 생체 인증 방식은 특정 보정기준점을 추출하는 방법과 그렇지 않은 방법으로 분류할 수 있으며 본 논문에서 제안하는 방법은 특정 보정기준점을 추출하지 않는 방법으로 이산 코사인 변환과 랜덤 포레스트 분류기를 사용하였다. 심전도 신호는 R-Peak 점을 기준으로 단일 심박으로 나누었으며 각 심박의 특징 추출을 위해 이산 코사인 변환을 적용하였다. 이산 코사인 변환 계수는 정보가 저주파에 집중되는 특성이 있으므로 초기 저주파에 해당하는 40까지 값을 특징으로 랜덤 포레스트 분류기를 구성하였다. 랜덤 포레스트는 의사결정 트리의 앙상블 분류기로 결정 트리를 기본으로 하고 있으므로 빠른 학습 속도와 많은 양의 데이터 처리 능력, 다양한 클래스를 분류할 수 있어 실생활에 적용 가능하며 무엇보다 ID의 승인과 거절을 위한 임계값을 분류기 내부에서 조절할 수 있어 오 분류에 강건한 알고리즘을 구성할 수 있다. 18개의 심전도 파일로 구성된 MIT-BIT Normal Sinus Rhythm 데이터베이스를 선정하여 성능을 평가하였으며 99.99%의 심전도 인식률을 보였다.