• 한국정보통신학회논문지
• /
• 제25권11호
• /
• pp.1477-1485
• /
• 2021

최근 이미지 초해상도는 정수배율만 가능한 모델에만 집중적으로 연구되고 있다. 하지만 관심 객체 인식, 디스플레이 화질 개선 등 실제 초해상도 기술의 대표 적용 분야에서는 소수 배율을 포함하는 임의배율 확대 필요성이 대두되고 있다. 본 논문에서는 기존 정수배율 모델의 가중치를 활용하여 임의배율을 실행할 수 있는 모델을 제안한다. 이 모델은 정수배율에 의해 우수한 성능을 가진 초해상도 결과를 DCT 스펙트럼 도메인으로 변환하여 임의배율을 위한 공간을 확장한다. DCT 스펙트럼 도메인에 의한 확장으로 인해 발생하는 이미지의 고주파 정보 손실 문제를 줄이기 위해 고주파 스펙트럼 정보를 적절히 복원할 수 있는 모델인 고주파 집중 네트워크를 제안한다. 제안된 네트워크는 고주파 정보를 제대로 생성하기 위해서 RGB 채널간의 상관관계를 학습하는 레이어인 channel attention을 활용하고, 잔차 학습 구조를 통해 모델을 깊게 만들어 성능을 향상시켰다.

• 한국음향학회지
• /
• 제42권4호
• /
• pp.345-356
• /
• 2023

수동소나의 표적신호는 수초 내 세기의 변화를 갖는 협대역 고조파 특성과 로이드 거울 효과에 의한 장시간 주파수 변이 특성을 나타낸다. 본 논문에서는 지역 및 전역적 시계열 특징을 학습하는 게이트 순환 유닛 기반의 신호분류 알고리즘을 제안한다. 제안하는 알고리즘은 게이트 순환 유닛을 이용한 다층 네트워크를 구성하고 확장된 연결을 통해 지역 및 전역적 시계열 특징들을 추출한다. 이후 어텐션 메커니즘을 학습하여 시계열 특징들을 가중하고 수동소나 신호를 분류한다. 공개된 수중 음향 데이터를 이용한 실험에서 제안된 네트워크는 96.50 %의 우수한 분류 정확도를 보였다. 이러한 결과는 기존의 잔차 연결된 게이트 순환 유닛 네트워크과 비교하여 4.17 % 높은 분류 정확도를 갖는다.

• 지적과 국토정보
• /
• 제45권2호
• /
• pp.117-130
• /
• 2015

도근점측량과 같은 수평위치를 결정하는 방법 중 최소제곱법은 확률이론에 근거하여 잔차의 분산이 최소가 되는 조건을 만족하는 최확값을 산출하는 방법이다. 본 논문에서는 도선법으로 계산되는 현행 지적도근점측량의 성과와 최소제곱법을 적용한 도근점의 계산성과를 비교하고, 네트워크-RTK 측량결과와 각각의 조정방법에 대한 평균오차를 확인하였다. 실험 결과 최소제곱법이 도선법에 비해 폐합오차를 각 측점에 균등하게 배분하는 것을 확인하였으며, 네트워크-RTK 성과와의 평균오차도 도선법은 2.7cm, 최소제곱법은 2.2cm 산출되었다. 또한 과대오차가 발생한 경우 이를 확인하기 위한 방법으로 정방향 초기값과 역방향 초기값을 이용하여 수평각 과대오차를 확인할 수 있었으며, 관측된 측선거리와 계산된 측선 거리의 차이를 이용하여 거리 과대오차가 발생한 측선을 예측할 수 있었다.

• 한국항행학회논문지
• /
• 제15권5호
• /
• pp.705-713
• /
• 2011

본 논문에서는 Network RTK 보정정보 생성 프로세스에서 핵심 process인 기준국간 미지정수 결정을 위해 Hatch filter를 이용한 방법과 L1/L2 측정치 조합을 활용하는 방법에 대해 소개하고 시뮬레이션 데이터 및 실측 데이터를 활용하여 그 성능을 비교 및 검증하였다. 각각의 방법에 대해 수식 전개를 수행하였으며, 사용자 성능 검증을 위해서 다중 기준국 네트워크에 대해 생성한 보정정보와 사용자 위치에서 생성한 보정정보의 차이값을 비교하였다. 각각의 기준국간 미지정수 결정 방법을 실측 데이터에 적용하여 사용자 성능을 예측한 결과, Hatch filter를 사용한 경우에는 단일 기준국 RTK 기반의 방법에 비해 다중 기준국 네트워크에서 생성된 보정정보를 사용하는 것이 사용자 성능을 크게 향상시키는 결과를 확인하였다. 그러나 사용자의 미지정수에 영향은 없으나, 상당한 크기의 바이어스 오차가 포함되는 것을 확인하였고 그 원인에 대해 분석하였다. L1/L2 측정치 조합을 이용한 경우, Hatch filter를 사용한 방법에 비해 사용자에 발생하는 오차의 크기가 훨씬 감소하였으며 잔차의 경향성도 훨씬 감소한 것을 확인하였다.

• 한국융합학회논문지
• /
• 제11권12호
• /
• pp.15-22
• /
• 2020

본 논문은 채널 강조(Channel Attentin)와 공간 강조(Spatial Attention) 방법을 결합한 딥 러닝 기반의 초해상도 방법을 제안하였다. 초해상도 과정에서 질감, 특징과 같은 주변 픽셀의 변화량이 큰 고주파 성분의 복원이 중요하다. 채널 강조와 공간 강조를 결합한 특징 강조를 이용한 초해상도 방법을 제안하였다. 기존의 CNN(Convolutional Neural Network) 기반의 초해상도 방법은 깊은 네트워크의 학습이 어려우며, 고주파 성분의 강조가 부족하여 윤곽선이 흐려지거나 왜곡이 발생한다. 문제를 해결하기 위해 스킵-커넥션(Skip Connection)을 적용한 채널 강조와 공간 강조를 결합한 강조 블록과 잔차 블록(Residual Block)을 사용하였다. 방법으로 추출한 강조된 특징 맵을 부-픽셀 컨볼루션(Sub-pixel Convolution)을 통해 특징맵을 확장하여 초해상도를 진행하였다. 이를 통해 기존의 SRCNN과 비교하여 약 PSNR는 5%, SSIM은 3% 향상되었으며 VDSR과 비교를 통해 약 PSNR는 2%, SSIM은 1% 향상된 결과를 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권4호
• /
• pp.47-53
• /
• 2021

본 논문에서는 초해상도(Super-Resolution, SR)을 계산하는데 필요한 물리 기반 시뮬레이션 데이터를 효율적으로 분류하고 분할하여 빠르게 SR연산을 가능하게 하는 쿼드트리 기반 최적화 기법을 제안한다. 제안하는 방법은 입력 데이터로 사용하는 연기 시뮬레이션 데이터를 다운스케일링(Downscaling)하여 쿼드트리 연산 소요 시간을 대폭 감소시킨다. 이 과정에서 연기의 밀도를 이진화함으로써, 다운스케일링 과정에서 밀도가 수치 손실되는 문제를 완화하며 쿼드트리를 구축한다. 학습에 사용된 데이터는 COCO 2017 데이터 셋이며, 인공신경망은 VGG19 기반 네트워크를 사용한다. 컨볼루션 계층을 거칠 때 데이터의 손실을 막기 위해 잔차(Residual) 보완 방식과 유사하게 이전 계층의 출력 값을 더해주며 학습을 진행한다. 실험결과가 연기의 경우 제안된 방법은 이전 접근법에 비해 약 15~18배 정도의 속도향상을 얻었다.

• 방송공학회논문지
• /
• 제27권4호
• /
• pp.477-486
• /
• 2022

본 논문에서는 컨볼루션 신경망 네트워크를 이용하여 VVC 화면 내 예측으로 얻은 예측 블록을 개선하여 잔차 신호를 보다 줄이는 화면 내 예측 방법을 제안한다. 기존의 화면 내 예측 방법은 일부 고정 규칙을 기반으로 주변의 재구성된 참조 샘플로부터 예측 블록을 생성하므로 복잡한 콘텐츠의 예측 블록을 생성하기 어렵다는 한계가 있다. 또한, 참조 샘플로 이용할 수 있는 정보의 양이 시간적 주변 정보에 비해 적기 때문에 화면 간 예측보다 낮은 부호화 성능을 가진다. 본 연구에서는 앞서 언급한 문제를 해결하기 위해 기존의 비디오 부호화 과정의 화면 내 예측을 통해 생성되는 예측 블록에 CNN을 적용하여 원본 블록과 예측 블록의 차분 신호를 줄이는 화면 내 예측 방법을 제안한다. 부호기에서는 제안 알고리즘의 활성 여부를 나타내는 플래그가 함께 부호화된다. 제안하는 화면 내 예측 방법은 최신 비디오 압축 표준인 Versatile Video Coding의 참조 모델인 VTM version 10.0 대비 휘도 성분에 대하여 향상된 압축 성능을 제공한다.

• 디지털정책학회지
• /
• 제2권3호
• /
• pp.1-7
• /
• 2023

본 논문은 단일 영상을 이용하여 초해상도 방법을 수행하기 위해 질감-공간 영역을 분리한 뒤 세부정보를 중심으로 특징을 분류하는 방법을 제안한다. CNN(Convolutional Neural Network) 기반의 초해상도는 세부정보를 개선하기 위한 특징 추정 과정에서의 복잡한 절차와 중복된 특징 정보의 생성으로 인해 초해상도에서 가장 중요한 기준인 품질 저하가 발생할 수 있다. 제안하는 방법은 절차적 복잡성을 줄이고 중복 특징 정보의 생성을 최소화하여 초해상도 결과의 품질을 개선하기 위해 입력 영상을 질감과 공간의 두 채널로 분리하였다. 질감 채널에서는 세부정보 복원을 위해 다중스케일로 변환한 영상에 단계별 skip-connection을 적용한 잔차 블록 구조를 적용하여 특징 정제 과정을 수행함으로써 특징 추출을 개선하였고, 공간 채널에서는 평활화된 형태의 특징을 활용하여 잡음을 제거하고 구조적 특징을 유지하도록 하였다. 제안하는 방법을 이용해 실험한 결과 기존 초해상도 방법대비 PSNR 및 SSIM 성능 평가에서 향상된 결과를 보여 품질이 개선됨을 확인할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.362-362
• /
• 2023

한정된 수자원의 이용 및 관리로 매년 물 부족과 물 배분 의사결정 문제가 발생하고 있다. 50년간(1965~2014년) 수자원의 총량은 약 1.2배 증가한 반면 인구수 약 1.8배, 생·공·농업용수의 수요는 약 5배가 증가(국회입법조사처, 2018) 했을 뿐 아니라, 기후변화의 영향으로 인한 강수량의 변화와 지역별 편차가 커져 지속가능한 물관리 필요성이 증대되고 있다. 따라서 효율적인 물관리를 위해서는 관리부처가 분절되어 있는 물순환 계통의 데이터를 통합하는 것이 우선시되어야 하고 이를 통해 물순환 모니터링/평가/예측 기술을 개발할 수 있다. 본 연구에서는 생활용수 물순환 계통 통합 DB를 정의 및 구축하였다. 도시의 관점에서 물순환 시스템을 순차적으로 물 유입(수원~취수장)/전달(정수장~급수지역)/유출(하(폐)수처리장~방류구)의 개념으로 설정하고 DB정의서를 마련하였다. 연구대상지는 가뭄이 장기화가 되고 있는 전라남도중 물순환 계통이 비교적 단순한 네트워크로 형성되어 있는 함평군 도시지역으로 선정하였다. 연구 기간은 총 5년(2017년 1월 1일~2021년 12월 31일)이고 일 단위 실계측자료 위주의 원자료를 구축하였다. 이를 이상치 탐지, 제거, 대체의 과정을 거쳐 품질 보정하고 정제된 시계열 자료에 대한 특성 분석을 하였다. 그 결과, 물순환 계통 내 주요 지점 간의 상관관계 및 지연시간을 통한 물흐름의 시계열적 특성을 파악할 수 있었으며 모형의 적합도를 판단하는 데 활용되는 통계량과 유의미하지 않은 잔차의 자기상관성을 볼 때 물 유입-전달-유출의 단기 예측을 위한 ARIMA(Auto-regressive Integrated Moving Average) 모형의 구축도 가능할 것으로 판단되었다. 다만 여름철 발생하는 방류량의 첨두값을 설명하기 위해서는 강우에 의한 불명수 발생으로 증가하는 방류량을 묘사할 수있어야 하므로 향후에는 물순환계통 외 해당 지역의 불명수(강우 효과)도 하수 방류량의 주요 입력 요인으로 추가 검토할 필요가 있다.

• 방송공학회논문지
• /
• 제24권1호
• /
• pp.132-141
• /
• 2019

매우 제한된 전송 대역을 이용하여 비디오 데이터를 전송해야 하는 필요성은, 광대역을 통한 비디오 서비스가 활성화되어 있는 현 시점에서도 꾸준히 존재한다. 본 논문에서는 초협대역 네트워크를 통한 저해상도 비디오 전송을 위해, 공간 확장형 스케일러블 비디오 코딩 프레임워크에서 기본 계층의 부호화된 프레임을 심층 신경망 기반 초해상화 기법을 이용하여 업스케일링 하여 향상 계층 부호화 시에 예측 영상으로 활용하여 부호화 효율을 높이는 방법을 제안한다. 기존의 스케일러블 HEVC (High efficiency video coding) 표준에서는 고정된 필터로 업스케일링을 하는데 비해, 본 논문에서는 초해상화 수행을 위해 학습된 심층신경망을 기존의 고정 업스케일링 필터를 대체하여 적용하는 스케일러블 비디오 코딩 프레임워크를 제안한다. 이를 위해 스킵 연결과 잔차 학습 기법 등이 적용된 심층 콘볼루션 신경망 구조를 제안하고, 비디오 코딩 프레임워크의 실제 응용 상황에 맞추어 학습시켰다. 입력 해상도가 $352{\times}288$이고 프레임율이 8fps인 영상을 110kbps로 부호화 하는 응용 상황에서, 기존의 스케일러블 HEVC 프레임워크에 비해 제안하는 스케일러블 비디오 코딩 프레임워크의 화질이 더 높고 부호화 효율이 우수함을 확인할 수 있었다.