• 한국정보전자통신기술학회논문지
• /
• 제15권5호
• /
• pp.360-366
• /
• 2022

본 논문은 흑백 사진으로만 남아 있는 한국의 전통 고궁 사진을 적대적 생성 신경망 기법의 하나인 Pix2Pix를 활용하여 컬러 사진으로 복원하기 위한 학습 모델 구조를 제시한다. Pix2Pix는 합성 이미지를 생성기와 합성 여부를 판정하는 판별기의 학습 모델 조합으로 구성된다. 본 논문은 판별기의 수용 영역을 조절하여 인공지능 모델을 학습하고 그 결과를 고궁 사진이 가지는 특성을 고려하여 분석하는 내용을 다룬다. 기존에 흑백 사진 복원에 사용하는 Pix2Pix의 수용 영역은 주로 고정된 크기로 사용하였으나 이미지의 변화가 다양한 고궁 사진을 복원함에 있어서는 고정된 수용 영역을 일률적으로 적용하기에 적합하지 않다. 본 논문에서는 고궁의 특성을 반영할 수 있는 판별기의 수용 영역을 확인하기 위해 기존의 고정된 수용 영역의 크기를 변화시켜 나타나는 결과를 관찰하였다. 실험은 사전에 준비한 고궁 사진을 기반으로 판별기의 수용 영역을 조정하고 모델의 학습을 진행하였다. 판별기의 수용 영역 변화에 따른 모델의 손실을 측정하고 최종 학습한 학습 모델을 복원 대상 흑백 사진에 대입하여 복원 결과를 확인한다.

• 한국산학기술학회논문지
• /
• 제21권8호
• /
• pp.395-400
• /
• 2020

전 세계적으로 유행하며 수많은 확진자와 사망자를 발생시킨 코로나바이러스-19(COVID-19)는 일상에서 사람 간 전염이 가능하여 국민들을 불안과 공포에 떨게 하고 있다. 감염을 최소화하기 위해서는 건물 출입시 마스크 착용이 필수적이지만 일부 사람들은 여전히 마스크 없이 얼굴을 노출시킨 채 건물에 출입하고 있다. 본 논문에서는 효율적인 출입 통제를 위해 얼굴에 마스크를 착용했는지 여부를 자동으로 판별하는 방법을 제안한다. 제안 방법은 양쪽 눈 영역을 검출하고 눈 위치를 참조하여 마스크 착용 영역(양쪽 눈 아래 얼굴 영역)을 예측한다. 이 때 마스크 착용 영역을 보다 정확히 예측하기 위해 양쪽 눈 위치가 수평이 되도록 얼굴 영역을 회전하여 정렬한다. 정렬된 얼굴 영역에서 추출된 마스크 착용 영역은 이미지 분석에 특화된 딥러닝 기법인 CNN(Convolutional neural network)을 통해 마스크 착용 여부(착용 또는 미착용)를 최종 판별한다. 총 186장의 테스트 이미지에 대해 실험한 결과, 98.4%의 판별 정확도를 보였다.

• 한국인터넷방송통신학회논문지
• /
• 제21권6호
• /
• pp.77-82
• /
• 2021

요검사는 물리적 성상 검사, 화학적 검사, 현미경 검사 세 가지가 있다. 이 중에서 화학적 요검사는 일반인이 쉽게 접근하는 방법으로 요검사지의 화학반응을 눈으로 표준비색표와 비교하거나 휴대용 요검사기를 별도로 구매하여 검사를 진행한다. 현재는 스마트폰의 보급이 대중화되어 스마트폰을 활용한 요검사 서비스 연구가 높아지고 있다. 요검사 스크리닝 애플리케이션은 스마트폰을 활용한 요검사 서비스 중 하나이다. 그러나 요검사 스크리닝 애플리케이션으로 촬영한 요검사 패드 RGB 값은 조명영향으로 인해 큰 편차가 발생한다. 요검사 패드 RGB 값의 편차는 요검사 판별의 정확도를 떨어뜨린다. 따라서 본 논문에서는 스마트폰 기반 요검사 스크리닝 애플리케이션으로 촬영한 요검사지를 검사 항목별 요검사 패드로 분류한 후 CNN을 통해 요검사 패드 이미지 판별의 정확도를 높인다. 요검사지는 다양한 배경에서 촬영하여 CNN 이미지를 생성하였으며 ResNet-50 CNN 모델을 사용하여 요검사 판별을 분석하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.1454-1455
• /
• 2015

매 년 국내에서 중국으로 떠나는 관광객 수가 증가하고 있다. 하지만 현지 사정에 대해 잘 모르는 관광객들이 위안화 위폐에 대한 피해가 늘어나고 있다. 이러한 피해를 조금이라도 줄이기 위하여 중국 위폐 여부를 판별 할 수 있는 어플리케이션을 제작하였다. 이러한 어플리케이션을 제작하기 위하여 중국의 위폐 구별법을 조사하고 영상처리 기술인 Template matching을 사용하여 원본 이미지와 사진의 이미지를 비교하는 방안을 채택하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.861-863
• /
• 2019

사람 얼굴 생성을 목적으로 하는 Generative Adversarial Network(GAN)에서 판별자(discriminator)의 각 레이어에 대한 스펙트럴 정규화(spectral normalization) 적용에 따른 출력 이미지의 결과를 비교하였다. 또한 생성자(generator)에 적응 인스턴스 정규화(Adaptive Instance Normalization) 모듈의 삽입에 따른 출력 이미지의 결과를 기존 모델과 비교하고 분석하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권3호
• /
• pp.109-114
• /
• 2021

GAN(Generative Adversarial Network, 생성적 적대 신경망)은 이미지 생성모델로서 생성기 네트워크와 판별기 네트워크로 구성되며 실제 같은 이미지를 생성한다. GAN에 의해 생성된 이미지는 실제 이미지와 유사해야 하므로 생성된 이미지와 실제 이미지의 손실 오차를 최소화하는 손실함수(loss function)를 사용한다. 그러나 GAN의 손실함수는 이미지를 생성하는 학습을 불안정하게 만들어 이미지의 품질을 떨어뜨린다는 문제점이 있다. 이러한 문제를 해결하기 위해 본 논문에서는 GAN 관련 연구를 분석하고 에지 검출(edge detection)을 이용한 eGAN(edge GAN)을 제안한다. 실험 결과 eGAN 모델이 기존의 GAN 모델보다 성능이 개선되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 춘계학술발표대회
• /
• pp.1024-1026
• /
• 2017

인트라 블록과 인터 블록의 상관계수를 이용하여 이미지의 특징을 뽑아내고, 이를 SVM에 학습시켜 원본과 스테고 영상을 판별한다. 스테고 영상은 F3 알고리즘을 개선한 F4알고리즘을 직접 구현하여 만들어냈다. 실험에 사용한 데이터는 SIPI, BOSS, 자체 수집 데이터베이스에서 학습용 영상 120장, 테스트용 영상 500장을 이용하였다. 원본 500장에 대해 2장이 F4로 판별 되었고, F4 500장에 대해서는 전부 F4로 판별하여 99.8%의 정확도를 달성하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.163-164
• /
• 2007

위폐 판별을 위한 홀로그램 광학 검사 시스템을 제안한다. 이 시스템은 홀로그램의 표준패턴을 생성을 CGH(Computer Generated Hologram)방법에 근거한 주파수 변환을 적용하고, 조명각도에 따라 홀로그램 이미지를 정확하게 획득하여 특성에 적합한 홀로그램 표준패턴을 생성하게 된다. 생성한 표준패턴과 실제 영상과의 패턴매칭을 위해 패턴매칭알고리즘을 적용하여 위폐를 판별하는 검사시스템이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.557-560
• /
• 2010

고성능의 보급형 디지털 영상장비와 레이저프린터의 보급으로 인해 인쇄물의 불법적인 위변조가 사회적 문제로 대두되고 있고, 관련 범죄 또한 증가하는 추세이다. 이에 따라 디지털 포렌식 기술에 기반한 촬영 및 인쇄기기 식별 기술들이 연구되고 있다. 본 논문에서는 인쇄기기별 특성에서 기인하는 인쇄물의 노이즈 특성을 이용해 인쇄기기를 판별하는 알고리즘을 제안한다. 이산 웨이블릿 변환과 위너 필터를 이용한 노이즈 특성 추출 방법을 설명하고, 추출된 노이즈 특성에서 명암도 동시발생 행렬을 계산하고 왜도, 첨도, 공분산, 상관계수의 특징을 추출하였다. 추출한 특징을 서포트 벡터 머신에 적용하여 디지털 인쇄기기의 제조사와 모델을 판별하였다. 제안한 알고리즘의 성능을 분석하기 위하여 7대 프린터에서 각 371장씩 출력된 총 2,597장 이미지로 실험하였고, 제안한 알고리즘이 기존 방법에 비하여 높은 정확률을 나타냄을 보였다.

• 전자공학회논문지CI
• /
• 제45권1호
• /
• pp.11-24
• /
• 2008

효율적인 저차원의 인덱싱을 제공하기 위해 이미지를 유사한 성질을 갖는 영역으로 나누고, 나누어진 영역에 대해 유사성을 비교하는 영역 기반 이미지 검색이 제안되었다. 그러나 영역 기반 이미지 검색은 이미지를 유사한 영역으로 나누기 위한 이미지 세그멘테이션 기술이 추가적으로 필요하다. 일반적인 칼라 자연 이미지의 경우 다양한 칼라와 질감 성분을 갖는 영역으로 나누는 것은 많은 어려움이 있다. 본 논문에서는 자동적인 칼라 이미지 세그멘테이션 알고리즘을 제안한다. 제안하는 세그멘테이션 방법은 양자화를 통해 칼라수를 줄이고 양자화 된 이미지를 Fisher의 클래스 선형 판별식을 이용하여 이미지의 전체적인 에지를 보여주는 그레이 레벨 이미지를 생성한다. 이렇게 얻은 그레이 레벨 에지 이미지를 지역적 임계치 비교를 통해 이진 에지 이미지로 변환하고 이진 에지의 끊어진 부분을 찾아내어 인접 에지에 연결하여 영역을 생성한다. 마지막으로 나누어진 영역간의 유사성을 비교하고 유사한 영역을 병합하여 최종 세그멘테이션 결과 이미지를 생성한다. 본 논문에서는 세그멘테이션 알고리즘을 이용한 영역 기반 이미지 검색 시스템을 구현하였으며, 다양한 실험에 의하면 제안한 세그멘테이션 방법이 다양한 이미지에 대하여 양질의 세그멘테이션 결과를 보이는 것으로 나타났다.