• 디지털융복합연구
• /
• 제11권2호
• /
• pp.299-307
• /
• 2013

본 논문은 SIFT-Grid 기반의 얼굴 인식 시스템에서 식별 능력의 향상과 계산량 감소를 목적으로 한다. 첫번째는 한 얼굴 클래스의 다양한 훈련 이미지로부터 비슷한 SIFT 특징점들은 제거하고, 상이한 특징점들은 병합하는 통합템플릿의 구성 방법을 제안한다. 통합템플릿은 SIFT-Grid를 통해 나누어진 훈련 이미지들의 동일 부분영역 내의 특징점들에 대한 유사도 행렬의 계산과 임계치 기반의 히스토그램의 계산을 통해 구성하였다. 두 번째는 구성된 통합템플릿들로부터 테스트 이미지의 효과적인 식별을 위한 유사도 계산 방법을 제안한다. 유사도의 계산은 테스트 이미지와 각 클래스의 통합템플릿간의 일대일 비교로 수행된다. 이때 동일 부분영역 별로 유사도 점수와 임계치 기반의 보팅 점수가 계산된다. 얼굴 인식 작업에 대한 실험 결과 제안된 방법이 SIFT-Grid 기반의 다른 두 방법보다 정확한 것으로 확인 되었고, 또한 계산량도 감소하였다.

• 방송공학회논문지
• /
• 제27권1호
• /
• pp.69-79
• /
• 2022

본 연구에서는 이미지 물질의 표면의 특성을 나타내는데 사용되는 노말 맵(normal map) 이미지를 생성하고, 이를 활용하여 원본 물질 이미지의 분류 정확도를 향상시키는 방법을 제안한다. 우선, (1) 이미지 내에서 물질의 표면 특성을 반영하고 있는 노말 맵을 생성하기 위해서 Generator로 Attention-R2 Gate를 적용한 U-Net을 사용하고, 생성된 노말 맵과 원본 노말 맵의 유사도를 Reconstruction loss로 활용한 Pix2Pix 기반의 방법을 사용하였다. 그 다음으로 (2) 앞서 만들어진 노말 맵 이미지를 분류 네트워크의 Attention Gate에 적용하여 원본 물질 이미지를 분류의 정확도를 개선할 수 있는 네트워크를 제안한다. 그리고 Pixar Dataset을 이용하여 생성된 노말 맵에 대해서, Ground Truth에 해당하는 노말 맵 사이의 유사도를 평가한다. 이 때, 유사도 측정 방식에 따라 다르게 적용된 reconstruction loss function의 결과를 비교한다. 또한 물질 이미지 분류에 대한 평가를 위해서 MINC-2500과 FMD 데이터셋을 기준으로 제안된 방법과 선행연구의 비교 실험을 통해 보다 정확하게 구분할 수 있음을 확인하였다. 본 논문에서 제안된 방법은 이미지 내에서 물질을 파악하는 할 수 있는 다양한 이미지 처리 및 네트워크 구축에 기반이 될 수 있을 것으로 기대된다.

• 한국경제지리학회지
• /
• 제13권2호
• /
• pp.253-269
• /
• 2010

본 연구는 국내 10대 온천관광지(덕산, 부곡, 온양, 유성, 수안보, 보문, 동래, 아산, 도고, 해운대)를 대상으로 다차원 척도법에 의해 이미지 유사성, 속성 인식도 및 선호도를 분석하였으며, 결과는 다음과 같다. 첫째, 온천관광지의 이미지 유사성 분석결과, '해운대, 동래 및 보문', '도고, 온양 및 아산', '덕산, 수안보 및 부곡'은 각각 유사한 이미지 그룹을 형성하고 있으며, 유성은 이들 온천들과 다른 이미지를 갖고 있는 것으로 나타났다. 둘째, 온천관광지 속성인식도 분석결과, 덕산과 부곡은 '온천 부대시설' 속성이, 유성, 온양, 아산 및 도고는'온천접근성' 및 '관광여건' 속성이 그리고 보문은 '관광여건' 속성에서 경쟁력이 우수한 것으로 나타났다. 해운대, 동래 및 수안보는 '온천접근성' 속성에서 경쟁력이 가장 취약한 것으로 나타났다. 셋째, 직업별 온천관광지 선호도 분석결과, 사무직은 유성과 부곡, 전문직은 보문, 농 수 축산업과주부는 해운대 및 동래, 공무원, 연금생활자, 학생 및 생산직은 온양, 덕산, 아산 및 도고를 그리고 자영업은 수안보를 선호하는 것으로 나타났다. 넷째, 거주지별 온천관광지 선호도 분석결과, 서울, 인천 경기, 강원, 대전 충남 충북 및 전남 전북 거주자는 유성, 수안보, 온양, 덕산, 도고 및 아산 온천을 그리고 대구 경북 및 부산 울산 경남 거주자는 부곡, 보문, 동래 및 해운대 온천을 가장 선호하는 것으로 나타났다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(C)
• /
• pp.319-322
• /
• 2011

시각 피처를 사용한 이미지 표현은 이미지 검색 분야에서 이미 광범위하게 사용되고 있다. 특히 이미지 자체에 태깅이 되어있지 않거나 다른 추가 정보가 없는 경우에는 이미지 콘텐츠자체의 정보만으로 검색하기 위해서는 이러한 전처리가 필수적이다. 이미지로 부터 얻어진 시각적 피처들이 시각 단어로 사용되기 위해서는 k-means 와 같은 군집 알고리즘을 통한 시각적 피처의 양자화를 위한 전처리가 필요한데, 시각 단어의 개수 k를 정하는데 모호함이 있다. 본 논문에서는 임의의 k를 사용하더라도, 대표적 토픽 모델링 기법인 LDA (Latent Dirichlet Allocation)를 사용하여 데이터의 차원을 줄이게 되면 여러개의 시각적 단어들의 조합을 각각의 토픽이 나타낼 수 있게 됨을 이미지 검색 성능으로써 확인해 보고, 이러한 방법을 사용하면 표현형의 사이즈를 줄일 수 있고, 검색에 있어서도 이미지의 유사성을 더욱 효과적으로 표현할 수 있음을 확인해 본다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 춘계학술발표대회
• /
• pp.837-840
• /
• 2015

SSIM은 인간의 시각 체계가 이미지의 구조적 정보에 예민하다는 점을 이용하여 여러 가지 구조적 정보들의 유사성을 계산함으로써 이미지를 평가하는 대표적인 이미지 평가 기법이다. 하지만 SSIM은 컬러 이미지들에 대해 색 차이를 고려하지 못하는 문제가 있다. 이러한 문제를 해결하기 위해, HSI 색 공간을 활용한 SHSIM 기법이 제안되었으나 이 기법 또한 두 컬러 이미지 간 인지적인 색 차이를 충분히 반영하지는 못하고 있다. 본 논문에서는 CIE Lab 색 공간을 도입하여 대응 되는 픽셀들의 인지적 색 차이를 계산하여 이미지 평가에 활용하는 방법을 제안한다. 제안하는 기법의 성능을 평가하기 위해, 이미지 평가 분야에서 가장 많이 알려진 네 가지의 데이터베이스와 네 종류의 평가 기준들을 이용하였다. 실험 결과에서는 제안하는 기법이 다른 기법들보다 인간 시각 체계와 더 상관성이 높다는 것을 보여줌으로써 성능을 증명하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2011년도 제44차 하계학술발표논문집 19권2호
• /
• pp.355-358
• /
• 2011

본 논문에서는 이미지에서 사용자가 관심을 갖는 영역(ROI)의 내용을 나타내는 특성값과 영역의 위치를 함께 고려하여 이미지를 검색하는 방법을 제안한다. 제안한 방법은 검색 대상 이미지를 일정 크기의 블록으로 구분한 후 사용자가 선택한 다중 ROI와 가장 근접하는 특성을 가진 블록을 선택한다. 블록의 특성값은 MPEG-7의 도미넌트 컬러 기술자를 사용한다. 사용자가 선택한 블록의 특성값과 함께 블록의 위치를 측정한 후, 검색 대상 이미지의 블록들의 특성값 및 위치와 비교하여 유사도를 측정한다. 본 논문에서는 실험결과 제안한 방법이 전역 이미지 검색이나 동일한 위치의 블록만 비교하는 경우보다 다중 ROI의 내용과 위치를 함께 고려하는 방법이 다른 방법에 비해 우수한 성능을 나타냈다.

• 전기전자학회논문지
• /
• 제27권1호
• /
• pp.59-64
• /
• 2023

딥러닝은 다양한 컴퓨터 비전 문제를 해결할 수 있지만, 대량의 데이터셋이 필요하다. 본 논문에서는 대형 이미지 데이터셋을 구축하기 위해 이미지 이진화 기반 데이터 증강 기법을 제안한다. 이미지 이진화를 사용하여 특성을 추출하고 추출된 나머지 픽셀을 랜덤하게 배치하여 새로운 이미지를 생성한다. 생성된 이미지는 원본 이미지와 유사한 품질을 보여주며, 딥러닝 모델에서도 뛰어난 성능을 보였다.

• 생물환경조절학회지
• /
• 제33권2호
• /
• pp.120-128
• /
• 2024

2022년 ChatGPT 출시 이후, 생성형 AI 산업은 엄청난 규모로 성장하였으며, 인지 작업에 혁신을 가져올 것으로 기대되고 있다. 특히 AI 기반 이미지 생성 기술은 현재 디지털 세계의 핵심적인 변화를 주도하고 있다. 본 연구는 대표적인 AI 이미지 생성 도구인 미드저니, 스테이블 디퓨전, 그리고 파이어플라이의 기술적 원리를 분석하고, 이미지 생성 결과를 비교함으로써 그 유용성을 평가하였다. 실험 결과, 이 AI 도구들은 대표 시설원예 작물인 토마토, 딸기, 파프리카, 오이의 과실 이미지를 실제와 유사하게 재현하였다. 특히 파이어플라이는 실제 온실 재배 작물 이미지를 매우 사실적으로 묘사하는 능력을 보여주었다. 그러나 모든 도구들은 작물이 자라는 온실의 환경적 맥락을 완전히 반영하는 데에 있어서 다소 한계를 보였다. 프롬프트 개선 및 레퍼런스 이미지를 활용하여 딸기과실 이미지와 시설 딸기재배 시스템을 보다 정교하게 생성하는 과정도 포함되었으며, 이러한 접근은 AI 이미지 생성 기술의 세밀한 조정이 가능함을 보여준다. 오이 과실 이미지 생성능력을 비교한 결과, AI 생성 도구들은 실제 이미지와 매우 유사한 이미지를 생성해 냄으로써 이미지 생성 점수(CLIP score)에 있어서 통계적 차이를 보이지 않았다. 본 연구는 AI 기반 이미지 생성 이미지 기술이 농업 분야에 활용될 수 있는 방안을 모색하며, 생성형 AI의 농업에 대한 적용을 긍정적으로 전망한다.

• 한국컴퓨터산업학회논문지
• /
• 제4권10호
• /
• pp.631-642
• /
• 2003

본 논문에서는 웹상에서 자신을 대신하는 아바타 제작시 본인의 얼굴과 닮은 얼굴을 생성하기 위해 사진으로부터 개인의 특징정보를 추출하는 방법과 추출된 특징정보에 따라 해당하는 이목구비를 준비된 분류기준에 의해 특정 클래스로 분류해 내는 방법을 제안한다. 특징정보 추출은 눈, 코, 입, 턱선으로 나누어 진행되어졌으며, 각 이목구비의 특징점과 분류기준을 각각 제시하였다. 추출 된 특징정보들은 전문 디자이너에 의해 그려진 이목구비 이미지들과 유사도를 계산하는데 사용되었으며, 여기서 가장 유사한 이미지를 턱선 벡터이미지에 합성하여 아바타 얼굴을 얻어낼 수 있었다.

• 한국전자통신학회논문지
• /
• 제11권7호
• /
• pp.677-684
• /
• 2016

이미지와 같은 멀티미디어 정보들의 증가로 저수준의 시각 정보에서 고수준의 의미 정보를 추출하는 방법에 대한 연구가 이루어지고 있으며, 이러한 정보를 자동으로 생성하는 다양한 기술들이 연구되고 있다. 일반적으로 이미지 검색에 있어서 색상과 모양 등의 유사도를 이용하여 검색하는 경우가 많다. 색상과 모양이 비슷하다고 하여 의미까지 같은 이미지를 검색하기에는 어려움이 있다. 본 논문에서는 이미지에서 객체를 인식하기 위해 중간 계층 기술값을 이용하여 중간 계층의 의미 값으로 변환하며, 세그멘테이션의 성능을 높이기 위해 K-means알고리즘을 이용하여 각각의 이미지에 적합한 K값을 구하는 방법을 제안한다. 이렇게 세그멘테이션을 이용한 저수준 특징을 이용하여 객체를 추출하고, 온톨로지를 이용하여 의미관계를 추론한다. 제안하는 방법은 사용자가 생각하는 의미적으로 유사한 이미지를 보다 효율적으로 검색할 수 있다.