• 지능정보연구
• /
• 제21권2호
• /
• pp.93-112
• /
• 2015

소비자의 소비성향이 필요 품목을 중심으로 근거리에서 구매하는 근린형으로 변화함에 기존의 소매점은 식료품, 생활용품을 위주로 제공하는 슈퍼마켓, 하이퍼마켓 또는 편의점으로 진화하고 있다. 따라서 소매점이 한정된 공간에서 효율적으로 공간을 활용하고 매출을 증대하기 위해서는 소비자의 구매욕을 충족시킬 수 있는 상품배치와 적정한 재고수준을 유지하는 것이 매우 중요하다. 본 연구에서는 소매점의 판매 상품에 대하여 RFM 기반 SOM 군집화를 하여 효율적으로 매장을 관리할 수 있는 상품 배치전략 및 재고전략을 제안하였다. 실제 M마트의 판매데이터를 이용하여 RFM모델을 상품에 적용한 후, 기존 문헌 연구뿐만 아니라 해석 가능성, 응용 가능성 등을 고려하여 3X3 총 9개의 군집으로 분류하여 분석한 결과, 주요 군집으로 R값, F값, M값이 모두 높은 군집, R값, F값, M값 모두 낮은 군집, R값만 높은 군집, F값만 높은 군집이 도출되었다. 본 논문에서는 다른 군집과 비교시 R값, F값, M값이 차이를 보이는 주요 4개의 군집의 상품 배치 및 재고 전략을 제시하였다. R값, F값, M값이 모두 높은 군집의 상품은 소비자 동선을 늘림으로써 상품 노출을 확대시킬 수 있는 장소에 배치하여야 할 뿐만 아니라 높은 수준의 재고를 보유할 필요가 있다. 반면에 R값, F값, M값이 모두 낮은 군집의 상품은 가시성이 낮은 곳에 배치하고 최소한의 안전재고만 보유할 필요가 있다. 또한 R값이 높은 군집은 신상품으로 매장 입구에 배치하여 상품의 판매를 유도할 필요가 있다. 그리고 F값만 높은 군집의 경우, R값과 M값이 평균 값 보다 작은 상품들의 군집이므로 최근에는 판매가 저조하며 빈도 수에 비해 총 판매액이 낮다는 것을 유추할 수 있다. 따라서 현재보다 과거에 많이 판매된 저가의 상품군집으로 재고 수준을 점차 감소시킬 필요가 있다. 본 연구에서 제시한 방법은 POS 시스템의 보유한 소매점에서 상품배치 및 재고관리 방법으로 활용되어 매장의 수익성 증대에 기여할 수 있을 것으로 기대된다.

• 한국의학물리학회지:의학물리
• /
• 제27권2호
• /
• pp.64-71
• /
• 2016

삼차원 프린터(3DP)를 이용하여 환자맞춤형 전자선 치료용 볼루스(patient specific customized bolus, PSCB)를 제작하는 절차를 고안하고 제안된 방법으로 제작한 PSCB의 선량 정확도를 평가했다. 치료계획장치에서 치료계획표적용적(PTV)에 적합한 전자선 빔과 조사면 크기를 선택하고 초기 선량계산을 수행했다. 계산된 선량분포를 기반으로 PSCB를 그리고 재계산을 수행했다. 수 차례 반복을 통해 최상의 PSCB를 설계하고 설계된 윤곽자료를 DICOMRT 프로토콜을 이용해 자체 제작한 변환프로그램으로 전송했다. PSCB의 윤곽자료는 자체 변환프로그램을 이용해 3DP에서 인식 가능한 파일(STL 포맷)로 변환한 후 3DP를 이용해 제작했다. PSCB의 유용성을 검증하기 위해 2명의 가상 환자(오목, 볼록 유형)를 생성했고 각각의 환자에 가상의 PTV와 정상장기(OAR)을 생성했다. 3D-PSCB 를 사용했을 때와 사용하지 않았을 때의 선량체적히스토그램(DVH)와 선량 특성을 비교했다. 3D-PSCB 제작의 정확도를 분석하기 위해 필름 선량측정을 통해 선량 정확도를 평가했다. 치료계획 결과와 필름을 이용한 선량분포를 중첩한 후 빔 중심축에서의 심부선량곡선을 구했고 감마분석(3% 선량 오차와 3 mm 거리오차)을 수행 했다. 2명의 가상환자 모두에서 PSCB를 사용한 경우 PTV 선량은 큰 차이를 보이지 않았다. PSCB를 사용할 경우 PSCB를 사용하지 않는 경우에 비해 OAR의 최대 선량, 최소선량, 평균선량은 각각 평균 9.7%, 36.6%, 28.3% 감소했다. 처방선량의 90% 선량($V_{90%}$)을 받는 OAR의 용적은 PSCB를 적용할 경우 약 99% 낮아졌다(14.40 vs $0.1cm^3$). 또한 처방선량의 80% 선량을 받는 OAR 체적도 PSCB를 사용할 경우 약 91% 줄었다(42.6 vs $3.7cm^3$). 감마분석 결과(3%, 3 mm) 오목 및 볼록 볼루스를 적용한 경우 각각 95%, 98% 통과율(pass rate)을 보였다. 3DP를 이용해 PSCB를 제작하는 절차를 정립하고 선량적 정확도를 평가해서 임상적용이 가능한 만족할 만한 결과를 얻었다. 3DP 기술의 빠른 발전에 힘입어 PSCB의 임상적용이 좀 더 쉬워지고 적용대상이 확장될 것으로 생각된다.

• 미술자료
• /
• 제96권
• /
• pp.18-53
• /
• 2019

최근 국립중앙박물관이 기증을 받아 "우리 강산을 그리다: 화가의 시선, 조선시대 실경산수화" 특별전(2019년)에서 처음으로 공개한 작품인 <경포대도>와 <총석정도>는 조선시대 회화사 이해에 있어 시사하는 바가 매우 지대하다. 두 작품이 1557년의 관동 유람을 계기로 그려진 병풍의 일부였음을 알 수 있어서 16세기 산수화에 대한 이해의 폭을 넓히는 데 획기적인 자료가 되기 때문이다. 이러한 중요성을 밝히기 위해서 본고에서는 <경포대도>와 <총석정도>에 담긴 경물의 내용을 살펴보고 제작시기와 양식상의 특징을 분석한 후, 다른 작품과의 비교를 통해서 이 작품에 담긴 회화사적인 의미에 대해서 살펴보았다. 이 작품의 제작 배경은 <총석정도>의 발문으로 알 수 있다. 본고에서 박충간(朴忠侃)(?~1601)으로 비정한 정상일로(商山逸老)가 1557년 봄에 홍연(洪淵)(?~?)과 함께 금강산(풍악산)과 관동 지역을 유람하고 유산록(遊山錄)을 작성하였으며 시간이 흐른 뒤 그중 몇몇 명승지를 그려 병풍을 만든 것을 알 수 있었다. 홍연은 자가 덕원(德遠)으로 1551년에 별시문과에 급제하고 1584년까지는 생존했던 인물이다. 박충간은 호가 남애(南崖)로서 1589년 정여립(鄭汝立)의 모역을 고변하여, 그 공으로 형조참판으로 승진되고 평난공신(平難功臣) 1등에 책록된 후 상산군(商山君)에 봉해진 인물이다. 이 글로 작품의 제작 시기를 1557년의 유람 후이자, 발문을 쓴 박충간이 50대 이상이 되는, 1571년 이후 곧 16세기 후반경으로 보았다. 산수나 나무 표현 등의 화풍을 기준으로도 16세기 후반의 시대 양식과 부합한다. 전술한 발문의 내용으로 <경포대도>와 <총석정도>가 병풍의 일부였던 것을 알수 있으며, 발문이 써 있는 <총석정도>가 마지막 폭이었을 것으로 생각된다. <경포대도>를 보면 구도면에서 조선 초기 안견파(安堅派) 산수화에서 볼 수 있는 편파(偏頗) 3단 구도의 요소를 찾을 수 있으나 실경(實景)을 대상으로 하여 그 배치와 화법이 현실화된 양상을 볼 수 있다. 시점(視點)에 있어서도 여러 경물간의 관계나 경관의 특징이 효과적으로 표현되도록 사선각(斜線角)의 부감시(俯瞰視), 정면시(正面視) 등을 활용하여 경포대의 넓은 영역을 효과적으로 표현하는 다각적(多角的)인 관점(觀點)을 보여준다. 산의 형태나 태점(苔點)의 사용은 1557년작 <의순관영조도(義順館迎詔圖)>(서울대학교 규장각한국학연구원 소장)와 매우 유사하다. 16세기 안견파의 특징인 짧은 선이나 점으로 질감을 내는 단선점준(短線點皴)과 구름 모양 운두준(雲頭皴)은 현장감 있게 변모되었다. 조선 초기 산수화의 전통적인 구도와 연결성을 찾을 수 있는 <경포대도>와 달리 <총석정도>는 그 구도가 매우 파격적이다. 화면에 중심축을 두고 돌기둥들이 첩첩이 도열하여 삼각형을 이루고 있는 데 근경(近景)의 돌기둥, 중앙의 사선봉(四仙峯), 절벽 위의 사선정(四仙亭)을 삼단계 정도의 깊이감으로 배치하여 화면에 공간감을 조성하였다. 중앙의 사선봉이 화면의 대부분을 차지하며 압도적인 비중을 점하고 있으나 수직적인 돌기둥들이 유기적인 관계를 형성하지 못하고 분질적(分節的), 평면적(平面的)인 양상으로 그려져 아직 입체적이고 자연스러운 공간감을 조성하는 데에는 이르지 못하고 있다. 기둥의 아랫부분은 희게 하고 윗부분은 어둡게 하여 고원(高遠)의 상승감을 고조시키는 효과가 있는데 각 기둥을 묘사하는 준법을 보면 기둥으로 설정된 면에 담묵을 바르고 그 위에 농묵의 가는 선들을 그어 총석의 질감과 쪼개짐을 묘사하였다. 붓끝을 사선으로 누르며 수직으로 내려 긋고 있어서 부벽준(斧劈皴)의 초기적 양상을 보인다. 일관되게 보이는 이러한 흑백의 대조, 수직적 준법의 구사는 앞으로 전개될 절파계(浙派係) 화풍의 유행을 예시해준다. 한편 기둥의 윤곽 및 균열문이 각각 다 달라서 실제의 특징을 살리려고 한 것을 알 수 있다. 기둥 위에 올라앉은 새들의 묘사, 파도와 흰 거품의 표현 등에서 반복적인 붓질을 찾을 수가 없고 매우 생생한 묘사력을 볼 수 있다. 이러한 <경포대도>와 <총석정도>의 경물 배치는 이후 변화를 보인다. <경포대도>는 아래쪽에 죽도(竹島)를 두고 경포호를 넘어 위쪽에 위치한 경포대 건물과 오대산 일대를 올려보는 구도였다. 이러한 배치는 경포대를 화면 아래쪽에 두고 위쪽의 바다를 향하는 18세기 이래의 전형적인 구성과 차이를 보인다. 바다 쪽에서 총석을 바라보며 그린 <총석정도> 역시 이후의 작품에서는 내륙에서 바다를 향하는 것으로 관점의 변화를 보인다. 이러한 변화는 정선(鄭敾)(1676~1759)과 김홍도(金弘道)(1745~1806 이후)의 작품이 제작된 이후, 두 사람의 구도를 따라 관동도의 유형이 정착되는 것과 관련이 있다. 하지만 사라진 듯 했던 16세기 <경포대도>의 구도가 조선 말기 <강릉 경포대도>에서와 같이 민간 회화에서 전승된 것도 확인해 볼 수 있다. 관동 지역의 명승도는 이른 시기부터 그려져 고려 김생(金生)(711~?)의 관동도(關東圖), 조선 초 안견(安堅)(15세기 활동)의 낙산사도(洛山寺圖) 등 여러 화가가 단폭이거나 여러 폭의 관동도를 병풍이나 첩 형태로 그렸던 것을 문헌으로 확인할 수 있다. 이처럼 기록은 많으나 이를 증명할 수 있는 작품이 없었는데 본고에서 고찰하는 이 두 점은 현존하는 관동도 중 연대가 가장 올라가는 예로 기록으로만 남아 있는 관동도(關東圖) 병풍(屛風)의 제작 양상을 알게 해주어 회화사적인 의미가 크다. 특히 발문의 내용에 따라 8폭 병풍일 것으로 생각되어 16세기 후반에 이미 관동팔경도(關東八景圖) 형식이 형성되었음을 알 수 있다. 그 성격에 있어서 현존하는 16세기 실경산수화의 예로 거론되는 작품들이 모두 실용적, 공적인 목적의 계회도나 기록화로 제작되어 실경산수화적 요소가 부분적으로 나타난 것과 달리 이 작품은 실제 경관을 대상으로 자연의 변화무쌍함과 아름다움을 담고자 하는 것이 일차적인 목적이었다는 점이 주목된다. 발문을 쓴 박충간은 유람할 때 지었던 감상시를 곁들여 자연의 진면목을 반추하는 태도를 보인다. 이 점은 기존에 알려진 실경산수화의 성격과 그 양상을 달리하는 것으로 순수 감상을 목적으로 한 본격적인 실경산수화의 예라는 점에서 그 중요성이 높다. 이처럼 <경포대도>와 <총석정도>의 두 작품은 유람의 결과를 시화(詩畫)로 제작하였다는 역사적 사실을 현존 작품으로 확인할 수 있는 가장 이른 예라는 점에서 그 의미가 지대하다. 또한 그간 확인할 수 없었던 16세기 실경 산수화의 다양한 형태와 구도 및 시점의 면모를 보여주어 한국 실경산수화에 대한 이해의 폭을 확장한 점에서도 그 중요성이 매우 크다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.