• Journal of Internet Computing and Services
• /
• v.19 no.3
• /
• pp.35-42
• /
• 2018

Deep learning is known as a method of high accuracy among several methods for image classification. In this paper, we propose a method of enhancing the accuracy of image classification using CNN with a batch normalization method for classification of images using deep CNN (Convolutional Neural Network). In this paper, we propose a method to add a batch normalization layer to existing neural networks to enhance the accuracy of image classification. Batch normalization is a method to calculate and move the average and variance of each batch for reducing the deflection in each layer. In order to prove the superiority of the proposed method, Accuracy and mAP are measured by image classification experiments using five image data sets SHREC13, MNIST, SVHN, CIFAR-10, and CIFAR-100. Experimental results showed that the CNN with batch normalization is better classification accuracy and mAP rather than using the conventional CNN.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.132-137
• /
• 2005

재해분야에 인공위성의 활용도가 높아짐에 따라 본 연구에서는 Landsat 영상과 RADARSAT 영상을 이용하여 안성천유역을 대상으로 침수지역을 추출하고자 하였다. Landsat 영상은 침수 전과 후의 영상을 각각 선정하였으며 RADARSAT 영상은 침수 중과 침수 후 의 영상을 선정하였다. 각 영상에 대하여 전처리와 기하보정을 걸친 후 침수지역을 파악하기 위한 방법으로 토지피복분류 방법을 사용하였고, 그 중 Landsat 영상은 분광반사계를 이용하여 감독분류를 실시하였고, RADARSAT 영상은 무감독 분류를 실시하여 침수 지역을 확인할 수 있었다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.133-137
• /
• 2001

본 논문에서는 해프톤 영상의 칼라 분포 특성을 이용하여 해프톤 영상과 비해프톤 영상을 분류하는 방법에 대해 연구하였다. 이를 위해 스캐닝한 RGB 해프톤 영상을 HSV 칼라 모델로 변환한 후, Hue에 대한 히스토그램에서 해프톤 영상이 갖는 고유한 칼라분포 특성을 분석하였다. 일반적으로 해프톤 영상에서는 인쇄시 사용된 칼라들로 인해 특정 Hue 값을 갖는 픽셀의 빈도가 비해프톤 영상과 달리 피크(peak) 형태로 높게 나타나는 특성이 있다. 본 논문에서는 이러한 특성을 고려하여 해프톤 영상과 비해프톤 영상을 구분할 수 있는 분류 방법을 개발하였으며, 실험을 통해 그 타당성을 검토하였다. 제안한 방법은 내용기반 검색시스템에서의 영상분류과정과 문서영상분할 분야 등에서 활용할 수 있다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.208-211
• /
• 2003

이 논문은 Matched Filter 기술을 사용해 다양한 영상 중 얼굴 영상을 분류하는 연구에 대해서 기술한다. 기본 목표는 얼굴 영상과 그 외의 영상을 분류할 수 있는 효과적인 필터를 개발하는 것이다. 이런 Matched Filter는 Fourier 역변환을 사용해 훈련영상(Training Image)으로부터 얻을 수 있다. 실험평가는 Yale대학의 얼굴 데이터베이스의 얼굴영상과 다양한 형태를 보이는 임의의 영상으로 평가한다. 우리는 여기서 얼굴 영상을 분류하기 위한 방법 중 한가지로서 Matched Filter를 이용할 수 있음을 확인할 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.744-744
• /
• 2012

불투수층은 자연적인 침투를 허용하지 않는 인위적인 토지피복상태로 도시화율 추정 및 유역의 환경변화 정도를 분석하기 위한 척도로 사용되어 왔다. 특히, 수문학적 관점에서 불투수층은 단기 유출현상에 큰 영향을 끼치는 요소로 불투수율이 증가할수록 침투량이 감소하여 첨두유출량은 증가하고 도달시간은 짧아진다. 최근에는 급속한 도시화로 인해 불투수층의 영향이 더욱 커짐에 따라 불투수율의 추정에 대한 필요성이 증가하고 있다. 현재까지 위성영상을 이용한 불투수층의 추정은 고해상도 영상을 이용하여 피복분류를 수행하였다. 즉, 분류된 토지피복에 근거하여 불투수율을 산술적으로 계산하거나 분광혼합기법 및 회귀 트리기법 등 다양한 방법에 적용되어 왔다. 본 연구에서는 Sub-pixel 분류기법을 위성영상에 적용하여 섬강유역의 불투수율을 추정하고자 한다. Sub-pixel 분류는 기존 분류기법들이 다양한 토지피복이 혼합된 화소에 대해서도 가장 비중이 높은 토지피복 하나로 분류하던 것을 개선한 방법으로 fuzzy 이론을 적용하여 최소 20% 이상의 비율을 점유하는 항목 모두를 구분하여 분류하는 기법이다. 이를 위해 섬강유역의 Landsat TM 영상을 수집하고 환경부의 토지피복도와 지질도를 참조하여 트레이닝 자료를 수집하였다. 또한 결과에 영향을 미칠 수 있는 구름은 전처리를 통하여 제거하고 수집된 트레이닝 자료에 Sub-pixel 분류기법을 적용하여 섬강유역의 불투수율을 공간분포도로 작성하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.10b
• /
• pp.923-926
• /
• 2000

부품영상이 가지고 있는 특징을 잘 반영하기 위해서는 많은 양의 정보가 필요하며, 대부분 기존의 부품영상 분류 시스템들은 가지고 있는 영상들에 대하여 각각의 특징정보를 직접 비교해야 했다. 따라서 부품영상의 종류가 많을 수록 많은 계산량이 요구된다. 이러한 단점을 개선하기 위하여 본 논문에서는 주파수 영역 기반의 계층적 부품영상 분류 시스템을 제안한다. 본 논문에서 제안한 시스템은 부품영상의 주파수 성분을 분해하여 계층적으로 구성되어 있는 분류기에 입력한다. 본 시스템은 주파수 영역을 바탕으로 계층구조를 유연하게 조정할 수 있으며 분류에 필요한 전체적인 계산량을 줄일 수 있다. 190 종의 부품영상 1,900 개를 본 시스템에 적용하여 실험한 결과, 높은 검색율을 유지하면서 비계층적인 구조를 가진 시스템에 비하여 약 4배 정도의 속도향상을 얻을 수 있었다.

• Korean Journal of Remote Sensing
• /
• v.18 no.2
• /
• pp.71-79
• /
• 2002

This research presents particulate distribution map of tidal flats of Hampyung bay using reflectance which extracted from satellite data and field survey data during same periods. The spectrum of particulate composition obtained from Landsat TM data was analysed and 7 scenes of satellite image were classified with ISODATA and K-MEANS methods. The results of unsupervised classification were estimated with in-situ data. The classification accuracy of ISODATA and K-MAMS methods were 84.3% and 85.7%. For validation of classified results of multi-temporal satellite images, TM image of May 1999(reference data), which was classified with field survey data was compared with classified results of multi-temporary satellite data.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.22 no.2
• /
• pp.171-178
• /
• 2004

The advantage of the remote sensing is extraction the information of wide area rapidly. Such advantage is the resource and environment are quick and efficient method to grasps accurately method through the land cover classification of wide area. Accordingly this study was presented more better land cover classification method through an algorithm development. We accomplished FCM(Fuzzy C-Mean) classification technique with MLC (Maximum Likelihood classification) technique to be general land cover classification method in the content of research. And evaluated the accuracy assessment of two classification method. This study is used to the high-resolution(6.6m) Electro-Optical Camera(EOC) panchromatic image of the first Korea Multi-Purpose Satellite 1(KOMPSAT-1) and the multi-spectral Moderate Resolution Imaging Spectroradiometer(MODIS) image data(36 bands).

• 한국공간정보시스템학회:학술대회논문집
• /
• 2005.11a
• /
• pp.17-22
• /
• 2005

Generally, pixel-based classification, utilize the similarity of distances between the pixel values in feature space, is applied to land use mapping using satellite remote sensing data. But this method is Improper to be applied to the very high resolution satellite data (VHRS) due to complexity of the spatial structure and the variety of pixel values. In this paper, we performed the hierarchical classification of VHRS imagery by data fusion, which integrated LiDAR height and intensity information. MLC and ISODATA methods were applied to IKONOS-2 imagery with and without LiDAR data prior to the hierarchical classification, and then results was evaluated. In conclusion, the hierarchical method with LiDAR data was the superior than others in VHRS imagery and both MLC and ISODATA classification with LiDAR data were better than without.

• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.10a
• /
• pp.278-281
• /
• 1998

본 논문에서는 다양한 모양의 부품 영상을 CCD카메라로 입력 받아 부품 영상에 포함된 부품의 내용 정보를 이용하여 부품을 분류하는 계층적 부품 분류 시스템을 구현하였다. 제안된 시스템은 부품 영상에 대해서 통계적 방법과 템플리트를 계층적으로 적용하여 부품을 분류하는 시스템이다. 2,000개의 부품 영상을 이용하여 실험한 결과, 84%의 분류율을 보였다.