• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.124-136
• /
• 2018

신경망을 이용하여 OCT 영상을 분석하고 다양한 망막 질환을 자동 진단하는 것에 관한 연구들이 활발하게 이루어지고 있다. 이러한 연구가 현실에 적용되기 위한 하나의 중요한 요건은 학습된 신경망이 학습에 사용된 데이터와는 다른 기기에서 생성된 데이터에 대해서도 성능의 큰 하락 없이 일반화될 수 있어야 한다는 것이다. 본 논문에서는 심층 CNN을 이용하여 OCT 영상으로부터 노년기황반변성(AMD)을 자동 진단하는 것을 다룬다. 하나의 OCT 기기로부터 획득한 데이터 셋을 이용하여 신경망을 학습시킨 후 다른 OCT 기기로부터 생산된 이미지를 테스트한 결과 상당한 성능의 하락을 관찰할 수 있었다. 이러한 성능의 하락을 방지하기 위해서 OCT 이미지를 정규화 하는 기법을 제안하고 실험을 통해 그 효과를 분석하였다. 제안한 기법은 OCT 이미지를 분할하여 망막에 해당하는 영역을 찾아낸 후 이미지 내에서 망막 영역이 수평에 가까운 기울기를 가지도록 정렬(align)하여 형태적인 측면에서 OCT 이미지를 정규화 하는 것을 목적으로 한다. 실험을 통하여 제안한 기법이 이종의 기기에서 생성된 OCT 이미지로부터 AMD를 자동진단 하는데 있어서 상당한 성능의 향상을 달성함을 보였다.

• 한국컴퓨터산업학회논문지
• /
• 제10권5호
• /
• pp.187-192
• /
• 2009

본 논문에서 개개인의 인증을 위한 그래프 이론을 사용한 손등 표면의 정맥 패턴의 인식을 알고리즘을 제안하였다. 개인 고유의 손 정맥 패턴의 데이터이미지를 사용하여 우리는 기대되는 응답의 측정을 위한 그래프 이론의 틀 내에서 매칭 알고리즘을 사용했다. 전처리과정을 통해 캡쳐된 이미지는 좀 더 날카롭고 명료하게 변환하였으며 세선화하였다. 세선화 후 이 이미지는 다시 정규화하여 노드와 에지셀을 갖춘 그래프를 만들었다. 이 정규화된 그래프는 인접 매트릭스를 만들 수 있었으며, 개개인의 정맥 패턴으로 부터 각각의 인접 매트릭스는 달랐다. 우리는 개인의 정맥 패턴은 실험을 통해 생체인식의 새로운 방법으로 접근할 수 있었다.

• 한국정보통신학회논문지
• /
• 제12권7호
• /
• pp.1278-1290
• /
• 2008

본 논문은 자동차 번호판 인식 시스템의 전반적인 성능을 향상시키기 위한 전처리 방법과 신경회로망을 이용한 문자 인식기를 제안한다. 먼저 자동차 번호판 영상에서 번호판의 외곽 직선을 가상 직선 매칭에 의해 검출하고 검출된 직선의 교점을 구하여 4개의 외곽 꼭지점을 구한다. 4개의 꼭지점 좌표에 의해 양선형 변환으로 직사각형 모양의 번호판 영상으로 정규화한다. 정규화된 번호판 영상으로부터 문자를 추출한 뒤 Delta-bar-delta 알고리즘에 의해 학습된 신경 회로망 기반 인식기로 번호판을 인식한다. 다양한 환경에서 획득된 자동차 번호판 영상을 대상으로 실험한 결과 제안된 번호판 이미지의 정규화에 의해 인식 성능이 16%까지 향상됨을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 가을 학술발표논문집 Vol.29 No.2 (2)
• /
• pp.562-564
• /
• 2002

본 논문에서는 자기상관함수의 국소적 특징을 사용하여 에지 특징을 추출한 후, 이를 이용해 유사이미지를 검색하는 방법을 제시한다. 자기상관함수의 국소적 특징을 이용하여 이미지를 검색할 경우 크기, 밝기, 색상등과 같은 이미지 요소가 서로 다를 경우에도 영향을 받지 않고 에지 특징정보를 추출해 낼 수 있다. 이는 얻어진 에지 특징을 이미지 크기와 고차 국소 자기상관함수의 변위에 의해 변하지 않도록 정규화를 하고, 동일 이미지에 대해 밝기가 조금 달라지면 검색효율이 떨어지는 점을 해결하기 위해 거리척도로서 방향여현거리(direction cosine distance)를 이용함으로써 가능하다. 이렇게 추출된 특징벡터를 자기조직화 맵에 의하여 클러스터링하고, 유사이미지 검색의 효율성을 비교해본 결과, 본 논문에서 제시한 방법을 사용하여 검색한 경우 재현율이 기존의 방법에 비해서 비교적 높은 수치를 나타냈다.

• 전기전자학회논문지
• /
• 제24권3호
• /
• pp.883-889
• /
• 2020

본 논문에서는 CNN(Convolution Neural Network)을 이용한 유도전동기 고정자 고장진단에 PV(Park's Vector)패턴을 특징으로 활용하는 방법을 제안하였다. 기존의 CNN을 이용한 유도전동기 고장진단 방법은 3상 전류를 이미지화하여 진단을 수행하였으나, 이 방법은 인위적으로 전류의 시작점, 위상 등을 맞춰 정규화를 수행해야하는 번거러움이 존재하나, PV패턴을 이용할 경우 일정 원의 패턴을 나타내기 때문에 정규화의 문제를 해결 할 수 있었다. 또한 PV패턴을 이용할 경우, 특징벡터가 자동적으로 정규화됨에 따라 기존의 전류데이터를 이미지화한 결과보다 CNN의 정확도 측면에서 18.18[%] 우수함을 실험을 통해 확인할 수 있었다.

• 정보처리학회논문지D
• /
• 제10D권3호
• /
• pp.501-512
• /
• 2003

본 논문은 다차원 타임 워핑 거리 함수를 이용하여 유사한 이미지 서브시퀀스를 신속하게 검색할 수 있는 색인 방법을 제안한다. 타임 워핑 거리는 시퀀스들의 길이가 다르거나 샘플링 비율이 다른 많은 응용에서 Lp 거리보다 더욱 적합하다. 우리가 제안한 색인 방법은 디스크 기반의 접미어 트리를 색인 구조체로 채택하고, 유사하지 않은 서브시퀀스를 잘못된 누락 없이 잘 여과하기 위해 하한 거리 함수를 사용한다. 이 방법은 특정 차원의 상대적 가중치를 손쉽게 부여하기 위해 정규화를 적용하고 색인 트리를 압축하기 위해 이산화 과정을 수행한다. 메디컬 이미지와 합성 이미지 시퀀스를 대상으로 한 실험은 본 논문에서 제안한 방법이 naive한 방법보다 우수한 성능을 보이고 대용량의 이미지 시퀸스 데이터베이스로의 확장이 용이함을 입증한다.

• 한국지반공학회논문집
• /
• 제27권11호
• /
• pp.93-101
• /
• 2011

X-ray micro-CT를 이용한 지반재료 내부 미세구조 및 공극구조의 정밀한 이미지 처리는 종종 이미지 내에 원천적으로 포함되는 화상결함으로 인해 제약된다. 본 논문에서는 X-ray micro-CT 이미지에 가장 일반적으로 나타나는 화상결함인 패임(영상 외곽과 중심부의 명암 차이) 및 동심원상(영상 중심으로부터 방사방향으로 연속적으로 나타나는 원)을 제거할 수 있는 이미지 보정 기법을 제시한다. 결함 제거는 좌표 변환법, 정규화 및 2차원 푸리에 변환에 의한 저역 통과 필터링 기법의 순차적 적용을 통해 이루어진다. 이미지 처리 기법의 효과를 다공성 현무암의 CT 이미지에서 화상결함들을 제거하고 이진화 후 적층하여 3차원 공극 구조를 추출하는 과정을 통해 설명하였다. 패임 및 동심원상 결함을 제거한 이미지와 원본 이미지의 비교 결과 결함 제거는 대상 재료 공극률의 과대평가를 방지할 수 있으며, 따라서 화상결함의 적절한 보정은 X-ray CT의 지반재료 적용 시 필수적인 과정으로 판단된다.

• 한국정보전자통신기술학회논문지
• /
• 제13권5호
• /
• pp.323-330
• /
• 2020

본 논문은 자율차량 안정성을 위한 도로 거칠기 기반 제동압력 계산 시스템을 제안한다. 제동압력 계산 시스템는 차량의 전방 이미지를 랜덤 포레스트의 입력에 맞게 가공하는 이미지 정규화 모듈, 기상정보와 이미지 정규화 모듈에서 정규화된 차량 전방 이미지를 입력으로 사용하여 차량이 주행 중인 도로의 거칠기를 구별하는 랜덤 포레스트 기반 도로 거칠기 분류 모듈과 도로 거칠기에 따라 차량에 적용되는 마찰 계수를 수정하고, 전방 차량에 따라 최적 주행을 유지하는 브레이킹 강도를 결정하는 차량 브레이크 압력 제어 모듈로 구성된다. 본 논문은 제동압력 계산 시스템의 효율성을 검증하기 위해 제동압력 계산 시스템에 사용되는 랜덤 포레스트 모델을 중심으로 실험이 진행되었다. 실험 결과, 랜덤 포레스트 모델의 정확도는 SVM보다 약 2% 높았고, 정확한 랜덤 포레스트 모델 구성을 위해 7개의 특징이 중복 허용 임의 추출되어야 한다는 결론이 도출되었다. 따라서 제동압력 계산 시스템은 차량이 제동해야 하는 상황에서 정확성 모두를 만족할 수 있다.

• 전기전자학회논문지
• /
• 제26권2호
• /
• pp.319-328
• /
• 2022

베어링은 기계가 작동할때 중요한 역할을 한다. 때문에, 베어링에 결함이 발생하면 기계전체의 치명적인 결함을 발생시킨다. 그러므로 베어링 결함은 조기에 발견되어야한다. 본 논문에서는 연속 웨이블릿 변환과 Switchable 정규화를 기반으로 한 합성곱 신경망(SN-CNN)을 이용한 방법을 베어링 결함 감지 모델에 대해 설명한다. 모델의 정확도는 Case Western Reserve University(CWRU) 베어링 데이터 집합을 사용하여 측정되었다. 또한 배치 정규화(BN, Batch Normalization)[1] 방법과 스펙트로그램 이미지가 모델 성능의 비교를 위해 사용되었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2018년도 제58차 하계학술대회논문집 26권2호
• /
• pp.165-166
• /
• 2018

최근 딥러닝 기술이 발전함에 따라 이를 네트워크 침입탐지 분야에 적용하려는 연구가 활발히 이루어지고 있으며 이에 따라 대용량 네트워크 데이터에 대한 처리 방법이 주목받고 있다. 본 논문에서는 네트워크 데이터를 이미지화하는 전처리 방법을 제안한다. 네트워크 데이터를 세션단위로 처리하여 손실율을 줄이면서 딥러닝 알고리즘에 바로 적용할 수 있도록 정규화된 이미지로 변환하는 방법이다. 이를 통해 딥러닝 기술을 적용한 네트워크 정보보안 분야의 연구 활성화를 기대할 수 있다.