• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 추계학술대회
• /
• pp.175-176
• /
• 2019

보안 시스템의 중요성이 늘어남에 따라 열악한 CCTV 영상 환경에서의 범죄 예방 및 검거의 중요성이 늘어나고 있다. 본 논문은 CCTV의 제약 환경에 맞는 데이터 취득, 근적외선 및 가시영역 혼합 영상의 분리 및 복원 방법을 제안한다. 데이터 취득 및 학습시킨 데이터의 성능은 PSNR 방법을 이용해 비교하였고, 저조도 영역의 근적외선과 가시영역의 분리 성능은 34dB 이상이 나왔다. 색 복원은 PSNR 측면에서는 22.5dB가 나왔고, 저조도 영역의 분리 성능과 비교하여 낮은 성능을 기록하다. 색복원의 평가 정도는 원본 영상과 주관적 평가방법을 사용하여 비교하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2007년도 동계학술대회
• /
• pp.18-24
• /
• 2007

T-DMB aBIFS 데이터 방송은 방송 AV 콘텐츠에 부가데이터를 연결하여 방송함으로써 대화형 방송 서비스를 가능하게 하고 있다. T-DMB 비디오 콘텐츠에서 움직이는 객체 부분에 부가데이터를 연결함으로써 시청 중에 사용자 Interaction을 통한 움직임 객체 영역의 정보 소비를 위한 응용을 고려할 때에, 저작단계에서 움직임 영역을 정의하고 이를 추적하는 도구가 필요하다. 본 논문에서는 $K264{\mid}AVC$비디오에 대해 효율적인 움직임 객체 영역 추적을 완전 부호화를 수행하지 않고 비트스트림에서 부호화 정보를 이용하여 움직임 영역을 추적하는 방법을 제안한다. 제안된 방법은 움직임 정보 및 부분적으로 복원된 텍스쳐 정보를 사용하여 객체의 특성에 따라 적응적으로 객체의 특성점을 추적함으로써 빠른 처리 속도와 정확한 추적을 동시에 가능하게 한다. 실험을 통하여, 제안하는 방법이 움직임 정보만을 사용한 방법의 처리 속도와 유사하면서도 정확한 추적 성능을 보일 뿐만 아니라 다양한 유형의 객체에 대한 적응적인 추적이 가능함을 확인하였다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.330-334
• /
• 2009

본 연구는 뇌의 편측 영역 에서의 EEG(Electroencephalography) coherence 로 손동작 의도를 예측하고자 하는 연구이다. 손 동작 예측을 위한 실험에 신체에 이상이 없는 6 명의 피실험자가 참여 하였다. 실험은 데이터 트레이닝 6 분과 동작 의도 판단 6 분으로 진행되었으며 무작위 순서로 손 동작을 지시한 후 편측적 영역 5 개 지점의 EEG 와 동작 시점을 알기 위한 오른손 EMG(Electromyography)를 측정하였다. 측정된 EEG 데이터를 분석하기 위해 주파수 별 Alpha 와 Beta 를 분류하였고 EMG 신호를 기준으로 동작과 휴식으로 분류된 Alpha 와 Beta 데이터를 5 개의 측정 영역별 Coherence 분석을 하였다. 그 결과 동작과 휴식을 구분할 수 있는 통계적으로 유효한 EEG Coherence 영역을 통하여 동작 판단을 할 수 있음을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.503-506
• /
• 2012

본 연구에서는 일반 야외 영상 및 항공 시뮬레이션 영상에 대한 지형 분석을 위해 영역 기반 장면 분할 기법을 제시한다. 영역의 분류를 위해 MeanShift 기법을 기반으로 한 표현과 Texton, SIFT, 위치정보를 특징으로 하는 기법을 제안하고 실험을 통해 주요 대상 영역이 분할되는 결과를 보인다. Sowerby 데이터 셋과 Google Earth 데이터로부터 자체적으로 제작한 데이터 셋에 대해 실험하였으며 수풀지형, 초목지형, 도로 등에 대해 분류하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.135-138
• /
• 2013

GPGPU(General Purpose Graphics Processing Unit) 병렬처리 시스템인 CUDA(Compute Unified Device Architecture)는 컴퓨터에서의 고속 연산 처리를 위해 많이 사용되어왔다. CUDA에서 연산 처리를 하기 위해서는 CUDA의 특성을 이해해야 한다. CUDA는 CPU(Central Processing Unit)가 처리하는 Host 영역과 GPU(Graphics Processing Unit)가 처리하는 영역인 Device 영역이 존재하며, 이 두 영역간의 데이터 복사를 통해 연산 처리를 진행한다. 이런 구조적인 특성상 메인 메모리에서 GPU 메모리로 입력 데이터를 전달해야 GPU를 이용해 연산을 처리할 수 있는 구조를 가지고 있다. 하지만 이러한 처리 구조로 인해 연산 시간과 별도로 메인 메모리와 GPU 메모리간의 데이터 복사시간이 존재하며, 추가적으로 발생하는 메모리 복사 시간으로 인해 오버헤드가 발생하게 된다. 본 논문에서는 실험을 통해 메모리 복사 시간, 연산의 반복 횟수 그리고 연산의 복잡성이 전체 성능에 어떤 영향을 미치는지 논하고자 한다.

• 한국측량학회지
• /
• 제37권6호
• /
• pp.545-554
• /
• 2019

본 연구에서는 기존의 연구들에서 주로 사용하여왔던 현장측량, 항공사진, 라이다 데이터 등의 취득이 원천적으로 어려운 지역에 대한 건물 영역 추출을 구현하고자 하였다. 이에 접근성에 큰 영향을 받지 않는 거의 유일한 데이터인 고해상도 위성영상을 활용한 방법론을 제시하고자 한다. 영상정합을 통해 추출되는 점군 데이터 또는 DSM(Digital Surface Models)을 활용한 건물 영역 추출은 데이터내의 높은 잡음과 다수의 빈 영역으로 인해 그 정확성에 한계를 보이고 있다. 따라서 본 연구에서는 영상 정합을 통해 얻어진 3차원 점군 데이터, 영상의 색상 및 선형 정보를 결합하여 건물 영역 추출을 수행하는 하이브리드식 접근법을 제안하였다. 일차적으로 다중영상정합으로 얻어진 3차원 점군 데이터로부터 지면점과 비지면점을 분리하고, 비지면점으로부터 초기 건물 대상지를 추출한다. 이후, 영상의 색상기반 분할을 수행하여 얻어진 결과와 초기 건물 대상지를 결합하여, 색상분할기반 건물 대상지를 추출한다. 이어서 영상의 선형 추출 및 공간 분할정보를 이용하여 최종적인 건물 영역을 선정하게 된다. 본 논문에서 제시한 건물 영역 자동 추출 방법론은 Correctness: 98.44%, Completeness: 95.05%, 위치오차: 1.05m 정도의 성능을 보임을 확인하였으며, 더불어 직각형태 이상의 복잡한 건물 영역도 잘 추출함을 확인하였다.

• 한국공간정보시스템학회 논문지
• /
• 제1권2호
• /
• pp.137-149
• /
• 1999

클라이언트-서버 환경의 공간 데이터베이스 시스템은 방대한 양의 공간 데이터 전송에 따르는 네트워크 부하가 크다. 이러한 환경에서 사용자는 빠른 초기 응답 시간을 위해 일부 영역의 공간 데이터를 요구하는 창(window) 질의를 사용한다. 화면 이동, 확대 및 축소 등으로 인한 일련의 창 질의는 유사한 영역의 데이터를 요구하며, 이는 이미 전송된 영역과 교차되는 영역의 데이터를 재전송하여 네트워크 부하를 가중시킨다. 이러한 문제는 생성된 질의 결과 중 클라이언트에 이미 전송된 데이터들을 제거함으로써 해결이 가능하다. 본 논문에서는 일련의 창 질의에 의해 발생하는 교차 영역을 제거하기 위한 공간 객체 관리자를 설계하고 구현한다. 공간 객체 관리자는 클라이언트로 전송된 객체의 식별자들을 관리하며 객체 식별자의 비교를 통해 전송여부를 판단하는 교차 영역 제거 기법을 사용하여 질의 결과로 생성된 공간 객체들 중 전송된 객체들을 제거한다. 본 논문의 공간 객체 관리자는 개방형 클라이언트-서버 공간 데이터베이스 시스템인 GEOMania Millennium server를 위해 구현하였다. 성능 평가를 통해 교차 영역의 제거가 동일 데이터의 중복 전승을 제거하여 네트워크 부하를 감소시키고 시스템의 전체적인 성능을 향상시킴을 보인다.

• 정보교육학회논문지
• /
• 제24권5호
• /
• pp.473-481
• /
• 2020

데이터과학은 스몰데이터 분석에서 출발하여, 빅데이터 분석을 위한 머신러닝, 딥러닝까지 포함하고 있다. 데이터과학은 인공지능 기술의 핵심 영역이고, 학교 교육과정에 체계적으로 반영해야 할 내용이다. 데이터과학 교육을 위해, 엔트리에서도 초등교육용 데이터 분석 도구를 제공하고 있다. 빅데이터 분석에서는 데이터 표본을 추출하여, 통계학적인 추측과 판단을 통해 분석결과를 해석한다. 본 논문에서는 통계학적인 지식을 필요로 하는 빅데이터 분석 영역을 초등영역에서 제외하기로 하고, 초등영역에 초점을 맞춘 데이터과학 교육 사례를 제안하였다. 이를 위해서, 일반적인 데이터과학 교육 단계를 먼저 설명하고, 초등 데이터과학 교육 단계를 새롭게 제안하였다. 그리고 엔트리에서 제공하는 공공 스몰 데이터를 사용한 데이터 변수 값 비교 사례와 데이터 변수 간 상관관계 분석 사례를 초등 데이터과학 교육 단계에 따라 제안하였다. 본 논문에서 제안된 엔트리 데이터분석 사례들을 활용하면, 여러 교과에서 발생하는 데이터를 사용한 초등 데이터과학 융합 교육이 가능하다. 또한, 엔트리를 사용하여 텍스트, 음성 및 영상인식 AI 도구와 결합한 데이터과학 교육 자료도 개발 가능하다.

• 한국정보전자통신기술학회논문지
• /
• 제13권6호
• /
• pp.461-469
• /
• 2020

본 논문에서는 손글씨 숫자 데이터셋, 얼굴 데이터셋의 중요영역 추출을 위한 PCA 기반의 특징되먹임방법을 제안한다. 이전의 LDA 기반의 특징되먹임 방법을 확장하여 PCA 기반 특징되먹임 방법이 제안된다. 제안된 방법에서 데이터에 차원 축소 머신러닝 알고리듬 중 하나인 PCA 기법을 적용하여 데이터를 중요한 특징 차원들로 축소한다. 차원 축소과정에서 도출되는 weight를 통해 축소된 각 차원 축에서의 데이터 중요 지점을 확인한다. 각 차원 축은 축의 고유값의 크기에 따라 전체 데이터에서의 가중치가 다르다. 이에 각 차원 축의 고유값의 크기에 비례하는 가중치를 부여하여 각 차원 축에서의 데이터 중요 지점을 합하는 연산 과정을 거친다. 연산 과정을 통해 얻어진 데이터에 Threshold를 적용하여 데이터의 중요 영역을 구한다. 그 후 도출된 데이터의 중요 영역에 원본데이터로 역매핑을 유도하여 원본 데이터 공간에서 중요영역을 선택한다. MNIST 데이터셋에 대한 실험 결과를 확인하고 기존의 LDA 기반의 특징되먹임 방법을 통한 결과와 비교를 하여 PCA기반 특징되먹임을 기반한 패턴 인식 방법의 유효성과 가능성을 확인한다.

• 한국컴퓨터정보학회논문지
• /
• 제18권12호
• /
• pp.21-26
• /
• 2013

본 논문에서는 분자영상의 궁극적 목표를 달성하기 위하여 분자영상의 특징 추출 기법을 제안하였다. 실험영상을 DWT 변환결과로 실험한 결과 1레벨과 2레벨의 분해 결과에서는 저주파 영역의 성분이 나타나지만 3레벨 분해 결과에서는 데이터 성분이 거의 나타나지 않음을 알 수 있었다. 육안으로 관찰은 되지 않지만 3레벨 분해한 결과의 데이터 값을 출력하였다. 데이터의 출력은 DWT에 의하여 나타나는 저주파영역의 수평방향과 수직방향의 데이터, 고주파영역의 수평방향의 데이터와 수직방향의 데이터, 대각고주파영역의 수평방향과 수직방향의 데이터를 출력하여 분자영상과 다른 디지털영상인 CT, MRI, PET영상의 데이터와 비교할 수 있게 하였다.