• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.979-995
• /
• 2023

산불은 예측이 어려운 재해이기 때문에 실시간 모니터링을 통해 빠르게 대응하는 것이 중요하며, 정지 궤도 위성 영상은 광역을 짧은 시간 간격으로 모니터링할 수 있어 산불 탐지 분야에 활발히 이용되고 있다. 기존의 위성 영상 기반 산불 탐지 알고리즘은 밝기 온도의 통계량 분석을 통한 임계값 기반으로 이상치를 탐지하는 방향으로 진행되어 왔다. 그러나 강도가 약한 산불을 탐지하기 어렵거나, 적절한 임계값 설정의 어려움으로 일반화 성능이 저하되는 한계점이 있어 최근에는 기계학습을 이용한 산불 탐지 알고리즘들이 제시되고 있다. 현재까지는 random forest, VanillaConvolutional neural network (CNN), U-net 구조 등의 비교적 간단한 기법이 적용되고 있다. 따라서, 본 연구에서는 정지궤도 위성인 Advanced Himawari Imager를 이용하여 동아시아와 호주를 대상으로 State of the Art (SOTA)딥러닝 기법을 적용한 산불 탐지 알고리즘을 개발하고자 하였다. SOTA 모델은 EfficientNet과 lion optimizer를 적용하여 개발하고, Vanilla CNN 구조를 사용한 모델과 산불 탐지 결과를 비교하였다. EfficientNet은 동아시아와 호주에서 0.88 및 0.83의 F1-score를 기록함으로써 CNN (동아시아: 0.83, 호주: 0.78)에 비해 뛰어난 성능을 입증하였다. EfficientNet에 불균형 문제 해결을 위한 weighted loss, equal sampling, image augmentation 기법 적용 시, 동아시아와 호주에서 각각 0.92와 0.84의 F1-score를 기록함으로써 적용 전(동아시아: 0.88, 호주: 0.83)에 비하여 성능이 향상되었음을 확인하였다. 본 연구를 통하여 제시된 SOTA 딥러닝 기법의 산불 탐지에의 적용 가능성과 딥러닝 모델의 성능 향상을 위해 고려해야 할 방향은 향후 산불탐지 분야에 대한 딥러닝 적용에 도움이 될 것으로 기대된다.

• 지능정보연구
• /
• 제23권1호
• /
• pp.95-108
• /
• 2017

최근 알파고의 등장으로 딥러닝 기술에 대한 관심이 고조되고 있다. 딥러닝은 향후 미래의 핵심 기술이 되어 일상생활의 많은 부분을 개선할 것이라는 기대를 받고 있지만, 주요한 성과들이 이미지 인식과 자연어처리 등에 국한되어 있고 전통적인 비즈니스 애널리틱스 문제에의 활용은 미비한 실정이다. 실제로 딥러닝 기술은 Convolutional Neural Network(CNN), Recurrent Neural Network(RNN), Deep Boltzmann Machine (DBM) 등 알고리즘들의 선택, Dropout 기법의 활용여부, 활성 함수의 선정 등 다양한 네트워크 설계 이슈들을 가지고 있다. 따라서 비즈니스 문제에서의 딥러닝 알고리즘 활용은 아직 탐구가 필요한 영역으로 남아있으며, 특히 딥러닝을 현실에 적용했을 때 발생할 수 있는 여러 가지 문제들은 미지수이다. 이에 따라 본 연구에서는 다이렉트 마케팅 응답모델, 고객이탈분석, 대출 위험 분석 등의 주요한 분류 문제인 이진분류에 딥러닝을 적용할 수 있을 것인지 그 가능성을 실험을 통해 확인하였다. 실험에는 어느 포르투갈 은행의 텔레마케팅 응답여부에 대한 데이터 집합을 사용하였으며, 전통적인 인공신경망인 Multi-Layer Perceptron, 딥러닝 알고리즘인 CNN과 RNN을 변형한 Long Short-Term Memory, 딥러닝 모형에 많이 활용되는 Dropout 기법 등을 이진 분류 문제에 활용했을 때의 성능을 비교하였다. 실험을 수행한 결과 CNN 알고리즘은 비즈니스 데이터의 이진분류 문제에서도 MLP 모형에 비해 향상된 성능을 보였다. 또한 MLP와 CNN 모두 Dropout을 적용한 모형이 적용하지 않은 모형보다 더 좋은 분류 성능을 보여줌에 따라, Dropout을 적용한 CNN 알고리즘이 이진분류 문제에도 활용될 수 있는 가능성을 확인하였다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.105-129
• /
• 2020

본 연구는 부도위험 예측을 위해 K-IFRS가 본격적으로 적용된 2012년부터 2018년까지의 기업데이터를 이용한다. 부도위험의 학습을 위해, 기존의 대부분 선행연구들이 부도발생 여부를 기준으로 사용했던 것과 다르게, 본 연구에서는 머튼 모형을 토대로 각 기업의 시가총액과 주가 변동성을 이용하여 부도위험을 산정했으며, 이를 통해 기존 방법론의 한계로 지적되어오던 부도사건 희소성에 따른 데이터 불균형 문제와 정상기업 내에서 존재하는 부도위험 차이 반영 문제를 해소할 수 있도록 하였다. 또한, 시장의 평가가 반영된 시가총액 및 주가 변동성을 기반으로 부도위험을 도출하되, 부도위험과 매칭될 입력데이터로는 비상장 기업에서 활용될 수 있는 기업 정보만을 활용하여 학습을 수행함으로써, 포스트 팬데믹 시대에서 주가 정보가 존재하지 않는 비상장 기업에게도 시장의 판단을 모사하여 부도위험을 적절하게 도출할 수 있도록 하였다. 기업의 부도위험 정보가 시장에서 매우 광범위하게 활용되고 있고, 부도위험 차이에 대한 민감도가 높다는 점에서 부도위험 산출 시 안정적이고 신뢰성 높은 평가방법론이 요구된다. 최근 머신러닝을 활용하여 기업의 부도위험을 예측하는 연구가 활발하게 이루어지고 있으나, 대부분 단일 모델을 기반으로 예측을 수행한다는 점에서 필연적인 모델 편향 문제가 존재하고, 이는 실무에서 활용하기 어려운 요인으로 작용하고 있다. 이에, 본 연구에서는 다양한 머신러닝 모델을 서브모델로 하는 스태킹 앙상블 기법을 활용하여 개별 모델이 갖는 편향을 경감시킬 수 있도록 하였다. 이를 통해 부도위험과 다양한 기업정보들 간의 복잡한 비선형적 관계들을 포착할 수 있으며, 산출에 소요되는 시간이 적다는 머신러닝 기반 부도위험 예측모델의 장점을 극대화할 수 있다. 본 연구가 기존 머신러닝 기반 모델의 한계를 극복 및 개선함으로써 실무에서의 활용도를 높일 수 있는 자료로 활용되기를 바라며, 머신러닝 기반 부도위험 예측 모형의 도입 기준 정립 및 정책적 활용에도 기여할 수 있기를 희망한다.

• 인터넷정보학회논문지
• /
• 제21권4호
• /
• pp.17-23
• /
• 2020

인간의 특성과 관련된 측정 항목을 나타내는 생체정보는 도난이나 분실의 염려가 없으므로 높은 신뢰성을 가진 보안 기술로서 큰 주목을 받고 있다. 이러한 생체정보 중 지문은 본인 인증, 신원 파악 등의 분야에 주로 사용된다. 신원을 파악할 때 지문 이미지에 인증을 수행하기 어려운 상처, 주름, 습기 등의 문제가 있을 경우, 지문 전문가가 전처리단계를 통해 직접 지문에 어떠한 문제가 있는지 파악하고 문제에 맞는 영상처리 알고리즘을 적용해 문제를 해결한다. 이때 지문에 상처와 주름이 있는 지문 영상을 판별해주는 인공지능 소프트웨어를 구현하면 손쉽게 상처나 주름의 여부를 확인할 수 있고, 알맞은 알고리즘을 선정해 쉽게 지문 이미지를 개선할 수 있다. 본 연구에서는 이러한 인공지능 소프트웨어의 개발을 위해 캄보디아 왕립대학교의 학생 1,010명, Sokoto 오픈 데이터셋 600명, 국내 학생 98명의 모든 손가락 지문을 취득해 총 17,080개의 지문 데이터베이스를 구축했다. 구축한 데이터베이스에서 상처나 주름이 있는 경우를 판별하기 위해 기준을 확립하고 전문가의 검증을 거쳐 데이터 어노테이션을 진행했다. 트레이닝 데이터셋과 테스트 데이터셋은 캄보디아의 데이터, Sokoto 데이터로 구성하였으며 비율을 8:2로 설정했다. 그리고 국내 학생 98명의 데이터를 검증 데이터 셋으로 설정했다, 구성된 데이터셋을 사용해 Classic CNN, AlexNet, VGG-16, Resnet50, Yolo v3 등의 다섯 가지 CNN 기반 아키텍처를 구현해 학습을 진행했으며 지문의 상처와 주름 판독에서 가장 좋은 성능을 보이는 모델을 찾는 연구를 수행했다. 다섯가지 아키텍처 중 지문 영상에서 상처와 주름 여부를 가장 잘 판별할 수 있는 아키텍처는 ResNet50으로 검증 결과 81.51%로 가장 좋은 성능을 보였다.

• 한국식품위생안전성학회지
• /
• 제26권2호
• /
• pp.142-149
• /
• 2011

본 연구에서는 면류에서 면역친화컬럼을 이용한 데옥시니발레놀의 HPLC분석법을 검증하고, 분석과정에서 발생될 수 있는 불확도를 GUM 지침에 따라 측정하였다. 검출한 계와 정량한계는 7.5 ${\mu}g$/kg과 18.8 ${\mu}g$/kg이었고 검량선은 20~500 ${\mu}g$/kg 농도범위 에서 0.9999의 높은 상관성을 보였다. 대표적인 밀 가공품인 건면과 라면에 데옥시니 발레놀을 200 ${\mu}g$/kg과 500 ${\mu}g$/kg을 첨가하여 회수율과 반복성올 측정한 결과, 건면에서는 $82{\pm}2.7%$와 $87{\pm}1.3%$의 결과를 얻었고, 라면에서는 $97{\pm}1.6%$와 $91{\pm}12.0%$로 측정되었다. 한편, 불확도 측정을 위한 첫 단계로, 분석과정에서의 불확도 요인은 시료량 측정, 최종 시료부피, 보관표준용액, 작업표준용액, 표준용액, 기기, 매질, 검량선 작성으로 구분하였다. 불확도 요인의 구성요인은 저울의 안정성, 분해능, 재현성, 표준물질의 순도, 분자량, 농도, 표준용액 희석, 검량선, 회수율 및 분석기기의 재현성 풍이 작용하였다. 건면과 라면에 데옥시니발레놀을 200과 500 ${\mu}g$/kg을 첨가하여 분석한 결과 건면에서는 $163.8{\pm}52.1\;{\mu}g$/kg, $435.2{\pm}91.6\;{\mu}g$/kg으로 측정되었고 라면에서는 $194.3{\pm}33.0\;{\mu}g$/kg, $453.2{\pm}91.1\;{\mu}g$/kg으로 측정되었다. 확장불확도는 합성표준불확도에 포함인자(k=2, 신뢰수준 95%)를 곱하여 산출하였다. 건면과 라면에서 데옥시니발레놀을 분석함에 있어 불확도에 영향을 주는 주요인자는 시료의 회수율과 검량선 작성인 것으로 파악되었다. 따라서 면류 시료에서 데옥시니발레놀 것으로 분석의 정밀성을 높이기 위해서는 회수율과 검량선 작성에 영향을 끼칠 수 있는 분석과정을 확인하고 오차를 최소화 할 수 있는 방안을 모색해야 할 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1465-1483
• /
• 2020

증발산은 토양으로부터 발생하는 증발과 식물의 잎에서 발생하는 증산을 통칭하는 것으로, 물 수지, 가뭄, 작물생장, 기후변화 등의 모니터링에 있어 중요한 요소이다. 실제증발산은 식생 지표면의 물 소비량 또는 물 필요량이며 기준증발산에 작물계수를 곱하여 구하므로, 농지의 실제증발산을 구하기 위해서는 기준증발산의 계산이 정확히 이루어져야 한다. 격자형 기준증발산을 합리적으로 산출하기 위하여 그동안 많은 노력들이 있었고 복수의 산출물이 제공되고 있다. 이에 본 연구에서는 FAO56-PM, LDAPS, PKNU-NMSC, MODIS 기준증발산 산출물을 비교평가 함으로써, 우리나라처럼 복합적이고 이질적인 지표면에서 국지적 규모의 수문 및 농업 분야에 활용하기 위하여 어떤 기준증발산 산출 방법이 적합한지 살펴보고자 한다. 2016~2019년 3~11월의 1일 단위 자료와 8일 합성 자료를 기상청 현장관측치와 비교하여 지점별, 연도별, 월별로 분석하고 시계열변화를 검토한 결과, 기계학습을 통해 우리나라 농지에 대한 지역최적화가 상당히 잘 수행된 PKNU-NMSC 자료의 정확도가 월등히 높게 나타났으며, 시간과 장소에 상관없이 안정적인 산출이 이루어졌음을 확인하였다. 또한 본연구에서는 FAO56-PM, LDAPS, MODIS 산출물에 내재한 정확도 특성을 제시하였으며, 이는 기준증발산 자료 사용에 있어 중요한 정보가 될 것으로 기대한다.