• KDI Journal of Economic Policy
• /
• 제33권3호
• /
• pp.33-55
• /
• 2011

한국 은행산업의 시장집중은 1997~98년 금융위기 이후 은행들의 합병, 인수 등으로 현저하게 증가하였다. 이러한 변화와 함께, 한국 금융부문의 시장지배력에 대한 우려 또한 늘어났다. 본고는 1992~2006년의 기간 동안 한국에서의 은행의 효율성과 경쟁도에 대한 시장집중도 변화의 효과를 분석하고자 한다. 은행 비효율성의 측정을 위하여 방향성 기술거리함수에서 도출되는 X-비효율을 포함한 세 가지 다른 지표가 본 연구에 사용되었으며, 은행의 경쟁도는 Panzar-Rosse 모형의 H-통계로, 또는 순이자 마진의 수준과 편차의 변화로 측정하였다. 실증분석 결과에 따르면, 시장집중 증가가 규모 및 범위의 경제를 통해 은행의 효율성을 제고하지 못한 것으로 나타났다. 오히려 최근의 은행 합병, 인수와 통합은 세 가지 지표(X-비효율, 노동 비효율 및 자산 비효율)에 의해 측정된 비효율성을 증가시키는 것으로 나타났다. 개별 은행의 시장점유율 증가는 은행의 효율성을 개선시키는 반면, 전체 은행의 시장집중도의 증가는 효율성을 낮추는 결과를 초래했다. 또한 본 연구는, 한국의 은행부문은 금융위기 기간을 제외한 샘플 기간 동안 독점적 경쟁의 특징을 가지고 있다는 결과를 얻었다. 시장집중도의 증가는 은행 경쟁도의 전반적인 수준에 변화를 초래하지는 않았지만, 평균 이자 마진의 수준에 통계적으로 유의적인 정(+)의 효과가 있는 것으로 나타났다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.1-25
• /
• 2020

본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.