• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.103-105
• /
• 2020

본 논문에서는, 영상 분류 문제에서 손실 값 계산 시 정답 부류를 제외한 나머지 부류에서 우세한 결괏값이 나오지 않도록 평활화하는 보조적인 손실함수를 고안한다. 합성곱 신경망 구조를 이용해 학습이 진행되면 손실함수가 작아지는 방향으로 가중치가 갱신되기 때문에, 정답을 제외한 나머지 부류들의 결괏값은 줄어든다. 하지만, 정답을 제외한 나머지 부류들 사이의 상대적인 값이 고려되지 않고 손실함수가 줄어들기 때문에 값들은 균일하지 않게 되고, 정답 부류와 유사한 특징을 가진 부류들의 값이 상대적으로 커지게 된다. 이는 정답 부류와 나머지 부류 중 가장 값이 큰 부류 사이에 공통의 특징을 공유한다고 생각할 수 있다. 정답 부류만이 가지고 있는 고유의 특징을 추출하지 못하고, 다른 부류도 가지고 있는 특징의 흔적이 남아있게 됨으로써 테스트 시 소스 도메인과 전혀 다른 도메인의 영상이 보일 때 그러한 특징이 부각 되어 부정확한 결과를 초래하게 된다. 본 논문에서는 단순한 손실함수의 추가로 도메인이 다른 환경에서 기존의 연구보다 좋은 분류 결과를 보여주는 것을 실험을 통해 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.25-25
• /
• 2019

자연재해에 따른 피해로부터 국민의 재산과 인명 등을 보호하기 위해서는 예상되는 재해로부터 발생하는 피해규모에 대한 분석과 예측을 통한 대책 마련이 필요하다. 본 연구에서는 최근 10년간 발생되어진 자연재해 원인과 시설물별 분류 결과를 통하여 가장 많은 피해가 발생되어진 호우 태풍에 따른 공공시설물 피해에 대한 피해규모를 예측할 수 있는 손상 손실함수를 개발하고자 하였다. 공공시설물 중에서도 제외지에서 대부분의 피해가 발생하는 하천시설물 외에 국민의 생활영역인 제내지에서 피해규모가 크게 발생하였으며, 국가재난관리시스템(NDMS)의 피해내역 시설물 분류가 명확한 도로 시설물과 상 하수도 시설물을 함수 개발 대상물로 선정하였다. 도로와 상 하수도 시설물에 대한 국가재난관리시스템(NDMS)의 과거 피해내역과 호우 태풍에 의한 피해발생 규모로서 일반적으로 활용되고 있는 침수예상도 범람도 등을 활용하기 위하여 피해액을 종속변수로 침수면적을 독립변수로 이용하여 도로와 상 하수도 시설물의 피해액을 추정할 수 있는 손실함수를 개발하였다. 개발되어진 도로 시설물 및 상 하수도 시설물에 대한 손실함수는 향후 재해에 따라 발생 가능한 추정 피해액 규모 분석 등을 통하여 재해저감 대책을 위한 기초자료로 활용될 것으로 기대한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.942-945
• /
• 2019

현재 딥러닝은 컴퓨터 분야에서 이미지 처리 방법으로 활용도가 높아지면서 딥러닝 모델 개발 연구가 활발히 진행되고 있다. 딥러닝 모델 중에서 이미지 생성모델은 대표적으로 GAN(Generative Adversarial Network, 생성적 적대 신경망) 모델을 활용하고 있다. GAN은 생성기 네트워크와 판별기 네트워크를 이용하여 진짜 같은 이미지를 생성한다. 생성된 이미지는 실제 이미지와의 오차를 최소화해야 하며 이때 사용하는 함수를 손실함수라고 한다. GAN에서 손실함수는 이미지를 생성하는 학습이 불안정하여 이미지 품질이 떨어지는 문제가 있다. 개선된 GAN 관련 연구가 진행되고 있지만 완전한 문제 해결에는 부족하다. 본 논문은 7개의 GAN 모델에서 사용하는 손실함수를 분류하고 특징을 분석한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.224-227
• /
• 2022

객체 분류는 입력으로 주어진 이미지에 포함된 객체의 종류를 판단하는 기술이다. 대표적인 딥러닝 기반의 객체 분류 방법으로서 Faster R-CNN[2], YOLO[3] 등의 모델이 개발되었으나, 여전히 성능 향상의 여지가 있다. 본 연구에서는 각도 마진 손실 함수를 기존의 몇 가지 객채 분류 모델에 적용하여 성능 향상을 유도한다. 각도 마진 손실 함수는 얼굴 인식 모델인 SphereFace [4]에서 제안한 방법으로, 얼굴 인식과 같이 단일 도메인의 데이터셋을 분류하는 문제를 풀기 위해 제안되었다. 이는 기존 소프트맥스 함수에서 클래스 결정 경계선에 마진을 주는 방식으로 클래스 간의 구분 능력을 향상시킨다. 본 논문은 각도 마진 손실 함수를 CIFAR10, CIFAR100 데이터셋의 분류 문제에 적용하였으며 ResNet, EfficientNet, MobileNet 등의 백본 네트워크로 실험하여 평균적으로 mAP 성능이 향상되는 것을 확인하였다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 1994.04a
• /
• pp.367-369
• /
• 1994

지금까지 다구치 방법에서는 다특성치 문제에 있어서 특성치들 간의 관계를 무시하고 특성치들은 서로 독립이라는 가정 하에, 각 특성치에 대한 최적공 정조건을 찾아 다특성치로 확장시키는 방법이 사용되었다. 그러나 현실적으 로 많은 다특성치 문제에서 특성치들 간의 상관관계가 존재한다. 따라서 본 연구에서는 특성치들 간의 상관관계를 고려한 새로운 평가척도를 제시하고 자 한다. 본 연구에서는 각 특성치와 특성치들 간의 상관관계에 가중치를 부 여하는 방법을 사용하였다. 다특성치 손실함수를 단일 특성치 종류의 조합에 따라 여섯개의 모형으로 구분하였고, 각 모형의 다특성치 손실함수는 특성치 자체에 의해 야기되는 손실과 특성치들간의 관계에 의해 야기되는 손실로 나누었다. 또한 새로운 평가척도로는 다특성치 손실함수의 각 항에 의해 야 기되는 기대손실의 합인 다특성치의 기대손실을 선택하였다. 본 연구의 타당 성에 대해서는 기존의 데이터를 이용. 분석하여 기존 논문과 비교하였다.

• Journal of Biosystems Engineering
• /
• v.3 no.2
• /
• pp.69-87
• /
• 1978

우리나라 벼 수확작업에 적용되고 있거나 적용될 것으로 전망되고 있는 관행건탈곡 및 생탈곡수확체계, 바인다 건탈곡 및 생탈곡체계 와 콤바인 수확체계등 5 종의 수확작업체계에 대해 일본품종인 아끼바레 품종과 통일계품종인 수원 251호를 공시하여 수확시의 곡물함수율에 다른 수확손실량을 분석하여 수확시의 곡물함수율에 따른 수확손실량을 분석하여 우리나라 실정에 맞는 수확작업체계를 설정하기 위하여 종합적으로 검토한 결과를 요약하면 다음과 같다. 1. 아끼바레 품종의 수확손실은 5 종의 체계 가운데 콤바인체계에서 가장 큰 값을 보였으며 대체적으로 곡물함수율이 감소함에 따라 감소하는 경향을 보였다. 또한 관행건탈곡 및 생탈곡, 바인다 건탈곡 및 생탈곡과 콤바인 체계에서의 평균 총손실율은 0.80, 0.59. 0.68, 0.69, 및 1.51% 였으며 통계분석결과 손실량은 곡물함수율, 수확체계 및 이 두 처리간의 상호작용에 있어서도 고도의 유의성이 인정되었다. 2. 수원 251 호품종의 경우 관행건탈곡, 관행생탈곡 및 콤바인 수확체계에 있어서의 평균손실율은 각각 2.72, 0.91 및 2.64%로서 아끼바레 품종의 경우와는 약간 다른 경향을 보이고 있다. 3. 바인다의 건탈곡 및 생탈곡체계에서의 방출손실은 각각의 총손실율의 27-40% 및 40-64%였다. 이러한 손실율은 각체계에 있어서 충분히 고려해야 할 량이며 , 바인다를 수확작업에 이용하기 위하여서는 볏단에 가해지는 충격량을 줄일 수 있도록 바인다의 방출장치개선이 요망된다. 4. 생탈곡 체계에서는 건탈곡 체계에서보다 손실량이 많았는데 이것은 재래의 탈곡기의 선별장치가 생탈곡에서는 적합치 못하기 때문인 것으로 판단되었다. 5. 관행건탈곡 체계에서 발생하는 손실량을 줄이기 위해서는 관행탈곡체계 또는 바인다 탈곡체계로의 기술적 전환이 강력히 요망된다. 수확적기내에 수확작업이 완료된다고 가정할 경우, 관행생탈곡체계에서는 관행건탈곡체계에서 발생하는 손실량을 55-63% 정도 줄일 수있으며 바인다 생탈곡체계에서는 관행 건탈곡체계에서 발생하는 손실량의 10-17% 정도를 감소시킬 수 있을 것으로 기대된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.41-43
• /
• 2024

본 연구에서는 Vision Transformer 기반의 Anomaly Detection and Localization (VT-ADL) 모델에 초점을 맞추고, 손실 함수의 변경이 MVTec 데이터셋에 대한 이상 검출 및 지역화 성능에 미치는 영향을 비교 분석한다. 기존의 손실 함수를 KL Divergence와 Log-Likelihood Loss의 조합인 VAE Loss로 대체하여, 성능 변화를 심층적으로 조사했다. 실험을 통해 VAE Loss로의 전환은 VT-ADL 모델의 이상 검출 능력을 현저히 향상시키며, 특히 PRO-score에서 기존 대비 약 5%의 개선을 보였다는 점을 확인하였다. 이러한 결과는 손실 함수의 최적화가 VT-ADL 모델의 전반적인 성능에 중요한 영향을 미칠 수 있음을 시사한다. 또한, 이 연구는 Vision Transformer 기반 모델의 이상 검출과 지역화 작업에 있어서 손실 함수 선택의 중요성을 강조하며, 향후 관련 연구에 유용한 기준을 제공할 수 있을 것으로 기대된다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2004.11a
• /
• pp.35-39
• /
• 2004

본 연구에서는 통계의 품질을 평가하기 위한 품질지수 문제를 다루었다. 최근 제조업 부분에서 널리 이용되고 있는 '6-시그마'기법의 적용 가능성을 살펴보았다. 그리고 1999년 네덜란드 통계청의 Booleman과 Brakel(1999)에 의해 제안된 방법을 소개하였고, 이 방법을 개선하기 위해 2차 손실함수에 의한 평가방법을 살펴보았다. 손실함수에 의한 품질평가는 품질이 목표치를 벗어날 때, 급격히 만족도(품질)가 떨어진다는 현실성을 제대로 반영하였고, 사용자가 차원에 따라 지수공식을 다르게 적용하지 않아도 되는 장점을 가지고 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.441-441
• /
• 2018

최근 지구온난화의 영향으로 이상기후가 발생하고 있으며, 이로 인해서 가뭄, 홍수, 태풍 등의 자연재해 발생률과 그 강도 또한 점차 높아지고 있다. 이러한 피해에 대비하고 예방하기 위한 피해예측 및 저감 기술에 대해서 다양한 방법으로 연구가 진행되고 있다. 본 연구에서는 자연재해로 인한 피해 중 큰 피해를 남기는 하천시설에 대해서 호우 태풍으로 인해 발생하는 홍수피해규모 예측을 위해서 함수를 개발하였다. 함수개발에는 국가재난관리시스템(NDMS)의 과거 피해 자료와 당시 조사되었던 침수흔적도를 활용하였으며, 개발된 함수는 피해대상 유역에 적용하여 검증하였다. 본 연구에서 개발한 하천시설에 대한 손실함수는 하천에서의 재해저감대책을 마련하는데 필요한 정보를 제공할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.92-92
• /
• 2018

기상이변에 따른 호우 태풍의 발생 빈도 및 규모의 증가에 따라 사회시설물 및 인명 피해가 증가되고 있으며, 이러한 피해에 대한 예방 대응 복구 등의 대책 활동에 대한 의사결정 지원을 위하여 피해 예측 및 저감 기술에 대한 다양한 연구가 진행되고 있다. 특히, 피해규모 예측은 가장 기본적으로 수행되어야 할 대책 활동으로 국민 생활에 밀접하게 이용되고 있는 사회기반시설 중 재해 발생 시 복구물자의 이동과 인명 대피에 활용되는 교통시설물의 중요성이 대두되고 있다. 이에 본 연구에서는 국가재난관리시스템(National Disaster Management System, NDMS)과 침수흔적도를 이용하여 교통시설물에 대한 손실함수를 개발하고자 하였다. 개발된 교통시설물에 대한 손실함수는 재해저감 대책을 위한 기초자료로서 의사결정 지원에 활용될 것으로 기대한다.