• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 1987년도 제29회 수공학연구발표회논문초록집
• /
• pp.31-42
• /
• 1987

본 연구는 유역의 지형인자를 대기행렬이론(Queueing theory)에 적용하여 하천유역의 강우-유출 관계를 해석하고, 미 계측 유역이나 자료가 결핍된 유역에 적용할 수 있는 GIUH(Geomorphologic Instantaneous Unit Hydrograph)모델의 매개변수를 결정하는데 그 목적을 두었다. GIUH모델의 개념은 유역 시스템내의 강우의 지속기간동안 유역의 출구에서 가능한 많은 경로를 추적 할 수 있을것이라는 강우 대기행렬이론의 원리에 기초를 두었으며, 적용기법은 분할법(Sub-area method)과 평균치법(Mean-value method)을 적용하였다. GIUH모델의 적용성을 증명하기 위해서, 낙동강 위천유역(유역면적 472.53km)에 적용하였으며, 분할법과 평균치법은 유역의 분할을 위해서 채택하였다. 계산된 직접 유출 수문곡선과 관측 직접 유출 수문곡선을 비교한 결과는 첨두 유출량, 도달시간, 효률계수가 매우 근접한 결과를 나타내고 있었다. 따라서, GIUH모델은 미 계측 유역이나 자료가 결핍된 유역의 유출량 산정에 광범위하게 적용할 수 있음을 알 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 추계학술대회 학술발표 논문집 제14권 제2호
• /
• pp.271-274
• /
• 2004

기존의 참조서명과 입력서명을 비교하는 방법 중 분절 단위 비교 방법은 전역적 방법과 점단위 방법에 비하여 우수한 장점을 가지고 있다. 그러나 분절 단위 비교 방법은 인식률과 직접적인 관계가 있는 분절의 불안정 문제점이 있다. 본 연구에서는 분절 단위 비교 방법을 이용한 서명검증의 신뢰도를 향상시키기 위해 두 가지 형태의 모델을 구축하였다. 우선 기존에 사용된 구간 분할 매칭 방법을 사용하여 매칭도를 산출하였다. 다음으로 서명의 분할된 영역을 주성분 분석 기법에 의해 특징 벡터를 산출한 후 HMM에 의해 서명 모델을 구축하였다. 산출된 두 특징을 융합하는 방법으로는 SVM 분류기를 사용하였다 실험 결과 제안된 기법은 분절 단위 기반의 구간분할매칭 기법에 비해 우수한 성능을 나타냈다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.546-548
• /
• 2023

인공지능 기술을 도입한 의료분야에서 진단 및 예측을 위한 관련 연구가 활발하게 진행되고 있다. 특히, 인공지능 기술 적용에 가장 많이 활용되고 있는 의료영상을 기반으로 하는 질환에 관한 진단 연구는 매우 복잡한 과정이 필요한 질환의 진단에 큰 영향을 미치고 있다. 복부 장기들의 분할은 환자의 질환 진단 지원 및 복강경등의 수술 지원에 매우 중요한 부분을 차지한다. 본 논문에서는 의료영상을 통해 13가지 복부 장기들을 분할하는 모델을 만들고 그 결과를 보인다. 본 논문에서 제안한 모델을 통해 13가지 복부 장기에 대한 분할로 영상분석을 통해 진단 지원이 가능할 것으로 기대한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.660-662
• /
• 2023

3차원 포인트 클라우드의 의미적 분할은 환경을 구성하는 물체 단위로 포인트 클라우드를 분할하는 작업으로서, 환경의 3차원적 구성을 이해하고 환경과 상호작용에 필수적인 시각 지능을 요구한다. 본 논문에서는 포인트 클라우드에서 추출하는 3차원 기하학적 특징과 함께 멀티-뷰 영상에서 추출하는 2차원 시각적 특징들도 활용하는 새로운 3차원 포인트 클라우드 의미적 분할 모델 MFNet을 제안한다. 제안 모델은 서로 이질적인 2차원 시각적 특징과 3차원 기하학적 특징의 효과적인 융합을 위해, 새로운 중기 융합 전략과 멀티-모달 교차 주의집중을 이용한다. 본 논문에서는 ScanNetV2 벤치마크 데이터 집합을 이용한 다양한 실험들을 통해, 제안 모델 MFNet의 우수성을 입증한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제9권2호
• /
• pp.37-44
• /
• 2020

본 논문에서는 딥 러닝 기반의 전-자동 심장 분할 알고리즘을 제안한다. 본 논문에서 제안하는 딥 러닝 모델은 기존 U-Net에 residual recurrent convolutional block과 residual multi-dilated convolutional block을 삽입하여 성능을 개선한 모델이다. 모델의 성능은 테스트 데이터 세트를 전-자동 분할한 결과와 영상의학 전문가의 수동 분할 결과를 비교하여 분석하였다. CT 영상에서 평균 96.88%의 DSC, 95.60%의 precision과 97.00%의 recall 결과를 얻었다. 분할된 영상은 3차원 볼륨 렌더링 기법을 적용하여 시각화한 후 관찰하여 분석할 수 있었다. 실험 결과를 통해 제안된 알고리즘이 다양한 심장 하부 구조를 분할하기에 효과적인 것을 알 수 있었다. 본 논문에서 제안하는 알고리즘이 전문의 또는 방사선사의 임상적 보조역할을 수행할 수 있을 것으로 기대한다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권11호
• /
• pp.1096-1100
• /
• 2010

본 논문에서는 MR 영상에서 중간형상정보를 이용한 활성형상모델 기반의 반월상 연골 자동 분할 기법을 제안한다. 첫째, 훈련집합 내의 형상 변형을 반영하기 위해 반월상 연골 통계형상모델을 생성한다. 둘째, 큰 변형을 갖는 반월상 연골의 견고한 분할을 위해 유사도에 따른 가중치 기법을 이용하여 중간형상정보 생성 기법을 제안한다. 마지막으로 활성형상모탤 적합을 통해 반월상 연골 자동 분할을 수행한다. 제안 방법의 평가를 위하여 육안평가와 정확성 평가 그리고 수행시간을 측정하였다. 정확성 평가는 자동 분할과 반자동 분할 결과간의 평균거리차이를 측정하였고 이를 컬러맵으로 표현하였다. 실험 결과 평균거리차이는 내측 반월상 연골은 $0.54{\pm}0.16mm$, 외측 반월상 연골은 $0.73{\pm}0.39mm$으로 측정되었고, 수행시간은 평균 4.87초로 측정되었다.

• 대한전자공학회논문지SP
• /
• 제42권4호
• /
• pp.39-48
• /
• 2005

본 논문에서는 Bayesian 추정법과 신경회로망을 이용한 새로운 결 분할 방법을 제안한다 신경회로망의 입력으로는 다중스케일을 가지는 웨이블릿 계수와 인접한 이웃 웨이블릿 계수들의 문맥정보를 사용하고, 신경회로망의 출력을 사후 확률로 모델링한다. 문맥정보는 HMT(Hidden Markov Tree) 모델을 이용하여 구한다. 제안 방법은 HMT를 이용한 ML(Maximum Likelihood) 분할 보다 더 우수한 결과를 보여준다. 또한 HMT를 이용한 결 분할 방법과 제안 방법을 이용한 결 분할 각각에 HMTseg라고 불리는 다중 스케일 Bayesian 영상 분할 기술을 이용하여 후처리를 행한 결 분할 또한 제안 방법이 우수함을 보여준다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 2002년도 하계학술발표대회 논문집 제21권 1호
• /
• pp.175-178
• /
• 2002

본 논문에서는 Hidden Markov Model(HMM)을 이용하여 corpus 기반 TTS에 사용할 DB를 자동 음소 분할 해주는 시스템을 구현하였다. HMM을 이용해서 음소 분할 할 경우 HMM을 모델링 하는 방법에 따라 많은 성능의 차이가 난다. 따라서 본 논문에서는 HMM 모델링 방법에 따른 몇 가지 실험 및 성능 평가를 하였다. 실험 결과 음성 인식과는 달리 HMM모델링 시 triphone 모델보다 monophone 모델의 성능이 더 우수하였으며, 에너지 기반의 후처리를 통해 성능 향상을 얻을 수 있었다.

• 한국방사선학회논문지
• /
• 제9권6호
• /
• pp.417-420
• /
• 2015

본 연구는 탄소 빔의 분할조사 후 세포생존율 (Surviving Fraction, SF) 값에 따른 Linear-Quadratic model, Incomplete Repair model, Marchese model의 결과값을 비교하기 위해 진행하였다. 탄소 빔을 4fraction까지 조사한 후 얻은 세포생존율 값을 바탕으로 mathematica 프로그램 (ver 9.0)을 이용하여 각각의 모델로 결과값을 얻어 비교해 보았다. 그 결과 즉시 NB1RGB를 시딩한 값은 repair가 감안되지 않은 LQ 모델이 적합하였지만 fraction 시행한 후의 결과값은 오차를 보였다. 따라서 Potentially Lethal Damage Repair (PLDR)과 Sublethal Damage Repair (SLDR)의 발생을 각각 감안한 repair 모델을 이용하여 적합한지 판단하였다. 이를 바탕으로 탄소 빔의 분할 조사 시 LQ 모델에 각각의 repair의 양을 감안한 새로운 회복 관련 모델의 적용 가능성을 보고자 하였다.

• 터널과지하공간
• /
• 제33권6호
• /
• pp.508-518
• /
• 2023

이 논문은 LiDAR 스캔 또는 사진측량 기술에 의해 재구성된 3D 디지털 모델을 기반으로 터널 벽면의 불연속면을 자동으로 매핑하는 새로운 접근 방식을 제안한다. 본 제안에서는 U-Net이라 불리는 딥러닝 시맨틱 영역분할 모델을 사용하며, 터널 막장면의 3D 지형 모델에서 불연속면 영역을 식별해 낸다. 제안된 딥러닝 모델은 투영된 RGB 이미지, 면의 깊이 이미지 및 국부적인 면의 표면 속성 이미지(즉, 법선 벡터 및 곡률 이미지)를 포함한 다양한 정보를 종합 학습하여 기본 3차원 이미지에서 불연속면 영역을 효과적으로 분할한다. 이후 영역분할 결과는 면의 깊이 맵과 투영 행렬을 사용하여 3D 모델로 다시 투영시키고, 3D 공간 내에서 불연속면의 위치 및 범위를 정확하게 표현한다. 영역분할 모델의 성능은 영역 분할된 결과를 해당 지면 실측 값과 비교함으로써 평가하였으며, IoU(intersection-over-union) 값이 약 0.8 정도로 나타나 영역분할 결과의 높은 정확성을 확인하였다. 여전히 학습데이터가 제한적 이었음에도 불구하고, 제안 기법은 3D 모델의 점군 데이터를 불연속면의 유사군으로 그룹화하기 위해 전 막장면의 법선 벡터와 클러스터링과 같은 비지도 학습기반 알고리즘에만 의존하던 기존 접근 방식의 한계의 극복 가능성을 보여주었다.