• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• fall
• /
• pp.172-175
• /
• 2021

4차 산업혁명이 시작된 이래로 다양한 산업 분야에서 AI가 활용되고 있고, 그 중에서도 컴퓨터 비전 분야에서 딥러닝 기술이 각광받고 있다. 하지만 딥러닝 기술은 높은 전문 지식이 요구되어 관련 지식이 없는 일반인들은 활용하기 어렵다. 본 논문에서는 AI 관련 배경지식이 없는 사용자들도 UI를 통해 쉽게 이미지 분류 모델을 학습시킬 수 있는 노 코드 플랫폼에 관하여 기술하고, django 프레임워크를 이용해 웹 개발과 딥러닝 모델 학습을 통합 개발을 위한 아키텍처와 방향성을 제시하고자 한다. 사용자가 웹서버에 업로드한 이미지들을 웹 인터페이스를 통해 라벨링 하여 학습 데이터를 생성한 후, 이 데이터를 사용하여 모델을 학습시킨다. CNN 모델에 데이터를 학습시키는 과정과 생성된 모델 기반으로 이미지 예측하는 모듈을 통해 전문지식이 없는 사용자가 딥러닝 기술에 대해 쉽게 이해하고 이용하는 것을 기대할 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.512-515
• /
• 2010

환경오염으로 인해 아토피 등의 피부질환이 증가하고 있으며 이에 국내에서는 인터넷을 통한 아토피 진단 서비스는 많다. 하지만 단순한 설문조사 형식으로 진단에 대한 객관성을 유지하기 어려워 신뢰도가 낮다. 이에 본 논문은 컴퓨터 비전 인식 기술을 활용하여, 컴퓨터에서 처리가능한 아토피 환자의 환부 영상을 수집 및 진단하는 시스템을 개발한다. 아토피 진단 시스템은 환부 영상을 사용자로부터 입력받아 색상값에 대한 히스토그램을 만들어 정규화한다. 다음으로 정규화된 히스토그램의 확률적 분포를 이용해 역투영한 결과 영상을 만들어 내게 되며 이 역투영 영상을 바탕으로 피부색을 제외한 부분을 아토피 침범 영역이라 판단하게 된다. 최종적으로는 입력 영상으로부터 얻어진 침범 영역, 문진을 이용한 점수를 이용하여 SCORAD 지수 스코어링 하게 된다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2015.10a
• /
• pp.699-702
• /
• 2015

다중의 영상을 이용하여 하나의 파노라마 영상을 제작하는 기법은 컴퓨터 비전, 컴퓨터 그래픽스 등과 같은 여러 분야에서 널리 연구되고 있다. 파노라마 영상은 하나의 카메라에서 얻을 수 있는 영상의 한계, 즉 예를 들어 화각, 화질, 정보량 등의 한계를 극복할 수 있는 좋은 방법으로서 가상현실, 로봇비전 등과 같이 광각의 영상이 요구되는 다양한 분야에서 응용될 수 있다. 파노라마 영상은 단일 영상과 비교하여 보다 큰 몰입감을 제공한다는 점에서 큰 의미를 갖는다. 현재 다양한 파노라마 영상 제작 기법들이 존재하지만, 대부분의 기법들이 공통적으로 파노라마 영상을 구성할 때 각 영상에 존재하는 특징점 및 대응점을 검출하는 방식을 사용하고 있다. 본 논문에서 사용한 SURF(Speeded Up Robust Features) 알고리즘은 영상의 특징점을 검출할 때 영상의 흑백정보와 지역 공간 정보를 활용하는데, 영상의 크기 변화와 시점 검출에 강하며 SIFT(Scale Invariant Features Transform) 알고리즘에 비해 속도가 빠르다는 장점이 있어서 널리 사용되고 있다. 본 논문에서는 두 영상 사이 또는 하나의 영상과 여러 영상 사이에 대응되는 매칭을 계산하여 파노라마영상을 생성하는 처리 방법을 구현하고 기술하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.675-678
• /
• 2021

본 논문에서는 데이터 처리에 대한 비전문가들도 시계열 데이터를 필요한 형태로 쉽게 변환하는 방법을 제안한다. 이를 위해 국내 및 해외의 다양한 공공 시계열 데이터들의 저장 형태를 파악하였고 가장 빈번하게 사용되는 4가지의 시계열 데이터 변환 패턴을 정의하였다. 또한, 변환 패턴을 정형화하기 위해 파라미터를 구조화하고 이를 해석하여 변환하는 변환 모듈을 개발하였다. 변환 모듈은 제안하는 입력 파라미터의 값에 따라 데이터 변환이 이루어지기 때문에 비전문가의 활용이 쉬우며 다수의 공개 데이터를 원하는 형태로 변환할 수 있음을 검증하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.01a
• /
• pp.145-146
• /
• 2020

현재 4차 산업 혁명 시대에서 가장 중요한 화두는 빅데이터(Big Data), 인공지능이며, 이를 이용한 분야로 생산, 제조 분야에서도 인공지능 영상 인식 기술을 활용한 생산품을 자동으로 분류하고 나아가 품질검사도 할 수 있도록 개발하고 있다. 또한, 로봇을 공장의 생산라인에 운영하여 노동력 감소에 따른 보완이 되고, 제조과정의 효율성 증가와 생산시간 감소로 생산성을 높일 수 있다. 이를 위해 본 논문에서는 실시간 객체감지 기술인 YOLO-v3 알고리즘을 이용해서 PCB보드 인식, 분류할 수 있는 시스템을 개발하였다.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.37 no.4
• /
• pp.267-277
• /
• 2019

Photogrammetry and computer vision are identical in determining the three-dimensional coordinates of images taken with a camera, but the two fields are not directly compatible with each other due to differences in camera lens distortion modeling methods and camera coordinate systems. In general, data processing of drone images is performed by bundle block adjustments using computer vision-based software, and then the plotting of the image is performed by photogrammetry-based software for mapping. In this case, we are faced with the problem of converting the model of camera lens distortions into the formula used in photogrammetry. Therefore, this study described the differences between the coordinate systems and lens distortion models used in photogrammetry and computer vision, and proposed a methodology for converting them. In order to verify the conversion formula of the camera lens distortion models, first, lens distortions were added to the virtual coordinates without lens distortions by using the computer vision-based lens distortion models. Then, the distortion coefficients were determined using photogrammetry-based lens distortion models, and the lens distortions were removed from the photo coordinates and compared with the virtual coordinates without the original distortions. The results showed that the root mean square distance was good within 0.5 pixels. In addition, epipolar images were generated to determine the accuracy by applying lens distortion coefficients for photogrammetry. The calculated root mean square error of y-parallax was found to be within 0.3 pixels.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2008.06a
• /
• pp.33-38
• /
• 2008

최근 컴퓨터비전이나 로봇 공학 분야에서 가격이 저렴한 웹캠을 이용한 영상, 즉 2차원 영상으로부터 물체를 인식하는 연구가 활발히 이루어지고 있다. 이러한 로봇이나 비전에서 물체를 찾아내는 여러 가지 방향들이 제시되고 있으며, 지속적으로 로봇은 사람과 유사해져가고 있다. 이를 실현하기 위해서는 사람이 사과를 보고 사과라고 알기 때문에 사과라고 인식하듯이 로봇 또한 미리 알고 있어야 한다는 가정 하에 내용기반의 물체인식이 필요하다. 그러나 엄청난 양의 내용의 데이터베이스가 필요하다. 그래서 용량은 하드웨어기술로 커버가 가능하지만 화면상에 있는 물체들을 빠르게 데이터베이스상의 자료와 매칭이 되어야한다. 본 논문에서는 이미지를 SIFT(Scale Invariant Feature Transform)알고리즘으로 BTS(Binary Search Tree)로 트리구조의 데이터베이스를 구축하여 많은 양의 데이터베이스 중 빠르게 검색하여 화면에 있는 물체를 인식하는 방법을 제안하였다.

• Electronics and Telecommunications Trends
• /
• v.31 no.3
• /
• pp.131-141
• /
• 2016

최근 알파고를 통해 인공지능 기술이 전 세계인의 이목을 집중시켰던 반면, 인공지능 연구자들은 인공지능 부활에 결정적 역할을 한 딥러닝 기술에 주목하고 있다. 딥러닝은 다계층 인공신경망 기반의 기계학습 기술로서 최근 컴퓨터 비전, 음성인식, 자연어 처리 분야에서 인식 성능을 높이는 데 중요한 역할을 하고 있다. 딥러닝 기술을 이용하여 기계가 수천만장의 이미지를 학습하여 객체를 인식하게 하고, 수천 시간의 음성 데이터를 학습하여 사람의 말을 알아듣게 처리하는 데에는 다수의 고성능 컴퓨터가 필요하다. 따라서 딥러닝에는 다수의 컴퓨터를 효율적으로 이용하기 위한 분산처리 기술이 필수적이며 관련 연구들이 활발히 진행되고 있다. 이에 본고는 다중 컴퓨터 노드들에서 딥러닝 모델을 분산처리할 수 있는 기존의 프레임워크들을 비교 분석하고 딥러닝 분산처리 기술에 대한 발전 방향을 전망한다.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.157-160
• /
• 2001

컴퓨터와 주변장치의 급속한 발전은 인간과 컴퓨터 사이의 인터페이스에 많은 변화를 가져왔다. 특히, 인간의 감정을 인식하는 기술은 컴퓨터를 보다 인간 친화적으로 만들기 위한 노력으로, 그 동안 꾸준히 진행되어 왔다. 본 논문에서는 한대의 카메라로 촬영한 영상으로부터 실시간으로 신체움직임이 표현하는 감정을 인식할 수 있는 방법을 제안하고, PC기반의 실시간 감정 인식 시스템을 구현한다.

• Electronics and Telecommunications Trends
• /
• v.28 no.1
• /
• pp.121-136
• /
• 2013

사물 인터넷(Internet of Things: IoT)이 M2M의 궁극적 비전이라면, 만물지능통신 기반 초연결은 사람 사물 공간 그리고 시스템 간에 끊김 없는 콘텐츠를 기반으로 인식 판단 처리가 이루어지는 초연결(hyper-connectivity) 인터넷의 궁극적인 비전이라고 할 수 있다. 본고에서는 인터넷의 기본 이념인 '모든 것들 간의 상호연결'이 실현되는 2030년 어느 날의 하루를 시나리오로 소개한다. 그리고 동 시나리오에서는 지구 규모로 모든 컴퓨터, 기기, 데이터, 콘텐츠가 상호작용하는 초연결 디지털 세상의 진면목을 보여준다. 이 과정에서 미래 만물지능통신 기반 초연결 관련 기술, 사회생활 등을 엿볼 수 있는 용어를 각 상황별로 쉽게 설명함으로써 시나리오 이해와 가독성을 높이고자 하였다. 마지막으로 분석을 토대로 사람의 생각, 기술 그리고 사회를 분산적이고 유기적으로 상호 연결할 수 있다는 월드와이드웹(WWW)의 담대한 비전을 포괄하는 초연결 혁명 시대의 함의를 고찰하고자 하였다.