• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.313-315
• /
• 2024

본 논문에서는 이미지 검색기를 통한 랜드마크 인식 방법을 제안한다. 특정 랜드마크 데이터세트에서 라벨링을 하지 않은 비지도 학습을 통해서 이미지에서 랜드마크의 클래스 분류를 위한 특징을 추출한다. 학습된 모델을 랜드마크 데이터세트인 Paris6k 데이터세트와 Oxford5k 데이터세트에 적용하여 랜드마크 인식 정확도를 확인하였다. 성능과 속도를 강화하기 위해 이미지 특징 추출 모델로 ResNet 대신에 YOLO에서 사용된 CSPDarknet-53을 사용하여 모델의 크기를 줄이고 랜드마크 인식 정확도를 높였다. 그리고 모델로부터 추출된 특징의 수를 줄여 이미지 검색 시 소요되는 시간을 감소시켰다. 학습된 모델로 rOxford5k 데이터 세트에 적용 시 mAP 80.37, rParis6k에서 mAP 89.07을 얻었다.

• 한국측량학회지
• /
• 제29권4호
• /
• pp.413-420
• /
• 2011

본 연구에서는 보행자가 갈림길을 만났을 때 랜드마크로 활용할 수 있는 건물을 기 구축된 공간정보로부터 자동으로 추출하는 방법을 제안한다. 이를 위해 먼저 각 갈림길에서 보행자의 시야를 바탕으로 랜드마크 후보군을 정의한 뒤, 후보군의 기하 정보와 속성 정보를 상대적 기준과 절대적 기준으로 구분하여 평가함으로써 랜드마크를 추출하였다. 제안된 방법을 도로명 주소 전자지도의 수원 일부지역에 적용하여 추출된 랜드 마크를 기존의 차량용 랜드마크와 비교한 결과 차량용 랜드마크가 추출되는 것으로 나타났으며, 각 선택점에서 주로 보행자의 눈에 띄기 쉬운 모퉁이에 위치한 건물들이 랜드마크로 선정되었다. 따라서 추출된 랜드마크를 활용하여 보행자 내비게이션 시스템에서 보다 정확한 길안내를 제공할 수 있을 것으로 판단된다.

• 디자인학연구
• /
• 제16권2호
• /
• pp.255-270
• /
• 2003

본 연구의 목적은 루트 커뮤니케이션(Route Communication)에서 랜드마크의 역할을 이론적인 고찰에 의해 밝히고, 기존 길찾기 연구에서 거론되지 않았던 랜드마크의 언어적 요소인 설명용이성에 대한 루트 커뮤니케이션에서의 역할을 찾는데 있다. 이 연구에서 수행된 랜드마크 분석은 랜드마크의 설명용이성(describability)을 확인하고, 랜드마크의 설명 용의성이 루트 커뮤니케이션의 전반적인 과정에서 밀접한 관계가 있다고 가설하였다. 이 연구의 가설을 증명하기 위해 버츄얼 리얼리티(Virtual Reality; H) 실험이 수행되었다. 이 실험의 독립변수는 랜드마크의 설명용이성이고, 가설을 증명하기 위해 루트 커뮤니케이션의 결과인 길찾기에서 피실험자가 소비한 총 시간 등을 측정하였다. 결과는 랜드마크의 설명용이성이 전반적인 루트 커뮤니케이션 과정에 긍정적인 영향을 준다고 보여주었다. 본 논문의 결과를 분석하여 랜드마크의 특성에 다른 언어적 특성이 존재 할것이라는 가능성을 발견하였으며, 인간 행동의 실험 도구로서 의 가상현실 시뮬레이션에 대하여 본 연구의 실험 과정을 토대로 논하고 문제점을 지적하였다. 결론적으로서, 이 연구는 실질적인 루트 커뮤니케이션을 통한 길찾기의 문제에 대한 해결방법을 모색하고 좀더 효율적인 길찾기 기능을 가진 실내 환경을 위한 전제 요소로서의 랜드마크의 실질적 기능과 가능성을 제시하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 하계학술대회
• /
• pp.180-182
• /
• 2021

본 논문은 눈 랜드마크 위치 검출과 시선 방향 벡터 추정이 하나의 딥러닝 네트워크로 통합된 시선 추정 네트워크를 제안한다. 제안하는 네트워크는 Stacked Hourglass Network[1]를 백본(Backbone) 구조로 이용하며, 크게 랜드마크 검출기, 특징 맵 추출기, 시선 방향 추정기라는 세 개의 부분으로 구성되어 있다. 랜드마크 검출기에서는 눈 랜드마크 50개 포인트의 좌표를 추정하며, 특징 맵 추출기에서는 시선 방향 추정을 위한 눈 이미지의 특징 맵을 생성한다. 그리고 시선 방향 추정기에서는 각 출력 결과를 조합하고 이를 통해 최종 시선 방향 벡터를 추정한다. 제안하는 네트워크는 UnityEyes[2] 데이터셋을 통해 생성된 가상의 합성 눈 이미지와 랜드마크 좌표 데이터를 이용하여 학습하였으며, 성능 평가는 실제 사람의 눈 이미지로 구성된 MPIIGaze[3] 데이터 셋을 이용하였다. 실험을 통해 시선 추정 오차는 0.0396 MSE(Mean Square Error)의 성능을 보였으며, 네트워크의 추정 속도는 42 FPS(Frame Per Second)를 나타내었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.365-366
• /
• 2020

인터넷의 발전으로 인터넷을 통해 미디어 콘텐츠를 제공하는 OTT 서비스의 이용자가 점점 증가하고 있다. 본 논문에서는 OTT 서비스 이용자의 검색 편의성을 위한 Vision API를 활용한 영상 속 랜드마크 검색 시스템을 제안한다. 이는 영상을 시청하는 사용자가 영상을 보다가 궁금한 장소가 있으면 따로 검색하지 않고, 바로 해당 장소의 정보를 얻도록 하는 것이다. 본 논문에서 개발한 영상 속 랜드마크 검색 시스템은 사용자가 원하는 영상을 검색 및 재생할 수 있고 재생 중 바로 화면을 캡처할 수 있다. 해당 캡처 이미지를 랜드마크를 기계 학습한 Vision API를 통해 어떤 랜드마크인지 파악하고 결과를 표시한다, 또한 동일 영상에서 다른 사용자가 검색한 이력이 있는 경우 이력을 표시하여주며, 검색한 랜드마크가 나온 다른 영상을 검색하여 보여준다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1309-1320
• /
• 2023

모바일 기기의 기술 발전과 대중화는 어디서든 사용자의 위치를 확인할 수 있으며 인터넷을 사용할 수 있도록 발전되었다. 그러나 실내의 경우 인터넷은 끊김없이 사용할 수 있지만 global positioning system (GPS) 기능은 활용하기 어렵다. 실내 공공장소인 백화점, 박물관, 컨퍼런스장, 학교, 터널 등 GPS가 수신되지 않는 음영 지역에서 실시간 위치정보 제공의 필요성이 증가하고 있다. 이에 따라 최근의 실내 측위 기술은 랜드마크 데이터베이스를 구축하기 위해 light detection and ranging (LiDAR) 장비를 기반으로 연구가 증가하고 있다. 본 연구에서는 랜드마크 데이터베이스 구축의 접근성에 초점을 두어 모바일 기기를 기반으로 랜드마크를 촬영한 단일 이미지와 사전에 구축된 랜드마크 데이터베이스 정보를 이용하여 사용자의 위치를 추정하는 기법을 개발하고자 하였다. 첫 번째로, 랜드마크 데이터베이스를 구축하였다. 랜드마크를 촬영한 모바일 이미지만으로 사용자 위치를 추정하기 위해서는 모바일 이미지에서 랜드마크 검출이 필수적이고, 검출된 랜드마크에서 고정적인 성격을 가진 지점의 지상좌표 취득이 필수적이다. 두 번째 단계에서는 bag of words (BoW) 영상 검색 기술을 적용해 랜드마크 데이터베이스 중 모바일 이미지가 촬영한 랜드마크를 유사한 4위까지 검색하였다. 세 번째 단계에서는 scale invariant feature transform (SIFT) 특징점 추출 기법과 Homography random sample consensus (RANSAC)을 통해 검색된 4개의 후보 랜드마크들 중 가장 유사한 하나의 랜드마크를 선정하였고, 이때 임계값 설정을 통해 정합점 수를 기반으로 한 차례 더 필터링을 수행하였다. 네 번째 단계에서는 대응된 랜드마크와 모바일 이미지간의 Homography 행렬을 통해 랜드마크 이미지를 모바일 이미지에 투사하여 랜드마크의 영역과 코너(외곽선)점을 검출하였다. 마지막으로, 위치추정 기법을 통해 사용자의 위치를 추정하였다. 해당 기술의 성능을 분석한 결과, 랜드마크 검색 성능은 약 86%로 측정되었다. 위치추정 결과와 사용자의 실제 지상좌표를 비교한 결과, 약 0.56 m의 수평 위치 정확도를 갖는 것이 확인되어 별도의 고가 장비 없이 랜드마크 데이터베이스를 구축하여 모바일 영상으로 사용자 위치 추정이 가능한 것을 확인하였다.

• 한국산학기술학회논문지
• /
• 제17권3호
• /
• pp.560-570
• /
• 2016

랜드마크는 지역을 대표하는 이미지로서, 그 곳을 방문하는 관광객에게 지역의 특징을 인식시키기 때문에, 각 지방자치단체에서는 상징적인 랜드마크 개발이 필요하다. 본 연구는 지역 활성화를 위한 랜드마크 개발에 대한 사례를 연구함으로써, 향후 랜드마크를 개발하고 이를 통해 새로운 관광 상품 및 관광 진흥 정책을 개발을 위한 기본지침으로 활용되기를 기대한다. 본 연구를 위해서 현지조사지로서 일본 아오모리 현을 대상하였고, 현지조사와 문헌조사가 병용되었다. 일본은 오래전부터 다양한 관광정책의 수립을 통하여 지방의 국제화 및 활성화를 모색해 왔다. 특히, 아오모리 현은 개발이 늦어진 농촌지역의 관광산업을 발전시키기 위하여 랜드마크를 중심으로 관광 상품과 문화 공간 개발을 통한 지역 활성화를 꾀하였다. 아오모리 현의 사례를 바탕으로, 성공적인 랜드마크 개발을 위한 조건을 정리하면 다음과 같다. 첫째, 랜드마크의 상징성이나 디자인을 결정함에 있어서 해당 지역에 대한 충분한 이해와 조사가 실행되어야 하며, 시간과 비용을 투자해야 한다. 둘째, 랜드마크로의 접근성을 고려해야 하며, 주변 환경이 랜드마크와 더불어 관광요소로 작용될 수 있어야 한다. 셋째, 랜드마크의 방문가치를 높이기 위해서 편의시설 및 다양한 프로그램의 지속적인 운영 및 관리를 통해 랜드마크 내 외부에서 다양한 즐길거리, 볼거리를 제공하는 것이 중요하다.

• 대한전자공학회논문지SP
• /
• 제49권1호
• /
• pp.31-40
• /
• 2012

본 논문은 시각적 랜드마크를 제안하고, 이를 이용한 주차 보조 시스템을 보인다. 시각적 랜드마크는 주차 박스에 해당하는 특징으로 주차장의 환경을 고려하여 선택한다. 주차장은 두드러진 특징이 없는 단순한 모양이 반복되는 패턴을 가지는 환경으로, 기존 랜드마크는 주차장 환경에 사용하기 적당하지 못하다. 본 논문에서는 이런 주차장 환경에 맞는 랜드마크를 제안한다. 우리는 제안한 랜드마크를 사용하여 자동차의 위치를 추정하고, 현재 자동차 상태에 따른 자동차의 궤적을 예측한다. 시스템의 입력은 자동차에 장착된 카메라 한 대에서 촬영한 영상이다. 이 영상으로 자동차의 위치를 추정하고, 현재 바퀴 상태를 사용해 자동차가 주차장의 어디로 움직일 지를 보여주는 방식으로 운전자를 보조한다. 실험을 통해 제안한 시각적 랜드마크의 성능과 이를 사용한 주차 보조 시스템의 성능을 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (2)
• /
• pp.550-552
• /
• 2005

유비쿼터스 환경의 발달과 함께 모바일 장비에서 수집되어지는 컨텍스트 로그를 활용한 연구가 활발히 진행되고 있다. 하지만 기존의 컨텍스트 정보를 사용한 연구는 사용자 모델링에 그 초점을 맞추거나 단순하게 수집된 정보를 정리하여 한눈에 알아보기 쉽게 보여주는 정도에 그치고 있다. 본 논문에서는 사용자에게 새로운 서비스를 제공하기 위한 방법으로서 모바일 컨텍스트 로그와 외부 센서를 통해 정보를 수집하여 학습한 베이지안 네트워크를 이용하여 랜드마크를 찾아내는 예측 모델을 제안한다. 베이지안 네트워크 설계는 사전에 수집된 컨텍스트 정보를 요일과 주별로 분류하여 각각에 대한 베이지안 네트워크를 cross validation하여 랜드마크 예측에 대한 정확도를 평가하였다. 그리고 분류에서 가장 많이 사용하고 있는 SVM 방법을 사용하여 제안한 방법과의 성능을 비교평가하였다. 랜드마크 예측에 대한 정확도는 주간별로 설계한 베이지안 네트워크보다 요일별로 설계한 베이지안 네트워크가 랜드마크를 예측하는데 정화도가 높음을 확인하였고, 베이지안 네트워크를 사용한 방법이 SVM을 사용한 방법보다. 예측에 한 정확성이 우수하였다.

• 한국문헌정보학회지
• /
• 제54권2호
• /
• pp.419-434
• /
• 2020

본 연구의 목적은 랜드마크 이미지의 AI 학습용 데이터 구축을 위한 메타데이터 표준 설계 방안을 제시하기 위함이다. 이를 위해, 이미지 검색시스템의 종류와 각각의 색인 방식에 관한 최신 기술 현황을 포괄적으로 조사하여 분석하고, AI 머신러닝을 적용한 랜드마크 인식에 필수적인 학습용 공개 데이터셋과 이미지 객체 인식에 관한 기계학습 도구를 조사하였다. 이를 통해, 랜드마크 이미지 AI 학습용 데이터에 최적화된 메타데이터 요소를 선정하고 각각의 요소에 대한 입력 데이터를 정의하였다. 결론 및 제언에서는 랜드마크 인식을 활용한 추천시스템을 포함한 응용서비스 개발 방안을 논의하였다.