• 한국경제지리학회지
• /
• 제25권2호
• /
• pp.203-218
• /
• 2022

현대 세계 경제 체제의 주요 특징인 글로벌 가치사슬은 주로 선진국에 의해 주도되어왔고 개발도상국은 상대적으로 저부가가치 활동을 담당함에 따라 가치분배의 지리적 불균형이 발생하였다. 그러나 이러한 가치분배의 불균형은 점차 완화되기 시작하였는데, 이와 같은 변화에 영향을 미치는 요인을 분석하는 것이 본 연구의 목적이다. 연구 목적의 달성을 위하여 다양한 영향요인 중 글로벌 가치사슬에서의 산업 업그레이딩 방식에 초점을 맞춰 개발도상국의 부가가치 획득에 미치는 영향을 분석하였다. OECD 부가가치 기준 교역자료(TiVA)의 전산업, 식료품·담배산업, 섬유·의류 산업, 컴퓨터·전자산업, 자동차산업을 대상으로 패널분석을 실시하였다. 분석결과 전산업의 경우 개발도상국의 부가가치 획득은 총생산량을 증가시키고 고부가가치 제품을 생산하며 전방참여도를 높일수록 증가하는 것을 확인할 수 있었으며, 세부 산업별 분석결과는 산업별 특성에 따라 조금씩 다른 양상으로 나타났다.

• 정보처리학회논문지B
• /
• 제17B권5호
• /
• pp.355-362
• /
• 2010

얼굴추적은 3차원 공간상에서 머리(head)와 안면(face)의 움직임을 추정하는 기술로, 얼굴 표정 감정인식과 같은 상위 분석단계의 중요한 기반기술이다. 본 논문에서는 AAM 기반의 얼굴추적 알고리즘을 제안한다. AAM은 변형되는 대상을 분할하고 추적하는데 광범위하게 적용되고 있다. 그러나 여전히 여러 가지 해결해야할 제약사항들이 있다. 특히 자체중첩(self-occlusion)과 부분적인 중첩, 그리고 일시적으로 완전히 가려지는 완전중첩 상황에서 보통 국부해에 수렴(local convergence)하거나 발산하기 쉽다. 본 논문에서는 이러한 중첩상황에 대한 AAM의 강인성을 향상시키기 위해서 SIFT 특징을 이용하고 있다. SIFT는 일부 영상의 특징점으로 안정적인 추적이 가능하기 때문에 자체와 부분중첩에 효과적이며, 완전중첩의 상황에도 SIFT의 전역적인 매칭성능으로 별도의 재초기화 없이 연속적인 추적이 가능하다. 또한 추적과정에서 큰 자세변화에 따른 움직임을 효과적으로 추정하기 위해서 다시점(multi-view) 얼굴영상의 SIFT 특징을 온라인으로 등록하여 활용하고 있다. 제안한 알고리즘의 이러한 강인성은 위 세 가지 중첩상황에 대해서 기존 알고리즘들과의 비교실험을 통해서 보여준다.

• 한국정보통신학회논문지
• /
• 제5권1호
• /
• pp.14-22
• /
• 2001

필기체 숫자는 개인에 따라 필체가 매우 다양하므로 단일 특징과 단일 분류기를 사용하여 오프라인 필기체 숫자인식을 수행할 경우 높은 인식률을 얻기가 어렵다. 이에 본 논문에서는 복합 특징과 결합 인식기를 사용하여 필기체 숫자 인식의 인식률을 향상시키는 방안을 제시한다. 인식률의 향상을 위해, 먼저 상호 보완적인 특징들-방향특징, 교차점특징, 망특징-을 선정하고 이를 사용하여 숫자영상의 전역적 및 국부적 특징을 갖는 세 종류의 새로운 복합 특징을 구성한다. 그리고 패턴 인식기로는 세 개의 신경회로망 분류기를 퍼지 적분으로 결합한 결합 인식기를 사용한다. 본 인식기의 성능 평가를 위해 Concordia 대차의 무제약 필기체 숫자 데이터베이스를 사용하여 실험한 결과 97.85%의 인식률을 달성하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.942-943
• /
• 2021

The present work proposes a classification system for the HEp-2 cell images using an unsupervised deep feature learning method. Unlike most of the state-of-the-art methods in the literature that utilize deep learning in a strictly supervised way, we propose here the use of the deep convolutional autoencoder (DCAE) as the principal feature extractor for classifying the different types of the HEp-2 cell images. The network takes the original cell images as the inputs and learns to reconstruct them in order to capture the features related to the global shape of the cells. A final feature vector is constructed by using the latent representations extracted from the DCAE, giving a highly discriminative feature representation. The created features will be fed to a nonlinear classifier whose output will represent the final type of the cell image. We have tested the discriminability of the proposed features on one of the most popular HEp-2 cell classification datasets, the SNPHEp-2 dataset and the results show that the proposed features manage to capture the distinctive characteristics of the different cell types while performing at least as well as the actual deep learning based state-of-the-art methods.

• 대한전자공학회논문지SP
• /
• 제49권3호
• /
• pp.81-88
• /
• 2012

본 논문에서는 다양한 잡음환경에서 효과적인 잡음 제거 (NS, noise suppression)를 위한 새로운 음성향상 (speech enhancement) 알고리즘을 제안한다. 제안된 방법에서는 음성향상 알고리즘에서 잡음전력 갱신을 위한 음성검출 (VAD, voice activity detection)의 피쳐 (feature) 파라미터로서 오염된 음성신호를 기반으로 주파수 밴드 별로 도출되는 기존의 지역 음성부재확률 (LSAP, local speech absecne probability) 대신 오염된 음성신호의 Teager energy (TE)를 적용한 LSAP를 적용한다. 또한 적용된 TE operator의 성능을 개선하기 위하여 프레임 단위로 도출되는 전역 음성부재확률 (GSAP, global SAP)을 TE의 가중치 파라미터로서 적용한다. 제안된 알고리즘은 기존의 방법과 객관적인 실험을 통해 비교 평가한 결과 다양한 배경잡음 환경에서 향상된 성능을 보였다.

• 컴퓨터교육학회논문지
• /
• 제5권3호
• /
• pp.37-44
• /
• 2002

문서 자동 분류란 입력 문서에 이미 정해져 있는 특정 범주를 할당하는 작업을 의미하며 이는 문서의 효율적, 체계적 관리를 위하여 그 필요성이 증가하고 있는 실정이다. 현재 국내외에서 기계 학습 방법을 이용한 문서 자동 분류에 대한 연구가 활발히 진행되고 있으나 대부분의 연구는 문서 분류기의 성능 향상을 위한 새로운 학습 모델 제안과 학습 모델간의 상호 비교 연구에 치중되어 있으며 특정 학습 모델을 이용한 분류 시스템의 최적화나 개선 방안에 대한 연구는 다소 미흡한 실정이다. 이에 본 논문은 kNN 학습 방법을 이용한 문서 분류 시스템의 성능 향상에 중요한 역할을 하는 파라미터를 정의하고 실험을 통해서 얻은 경험적 정보를 이용한 한국어 문서 분류기 성능 개성 방안을 제안한다. 실험 결과, 이웃 문서들간의 유사도 가중치를 사용하는 분류 함수, 분류 정보를 이용한 자질 선택 방법, 그리고 전역적 분류 방법이 높은 성능을 보였고, 분류 영역에 따라 신중히 결정된 k값을 사용한 지역적 방법도 많은 계산량을 필요로 하는 전역적 방법과 유사한 성능을 보일 수 있음을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제20권5호
• /
• pp.291-302
• /
• 2020

아이돌이 주도하는 한국의 대중음악은 이제 전세계적인 팬덤을 확보하였다. 이로 인해, 아티스트를 넘어서 한국의 경제 상황에도 커다란 영향력을 행사하고 있다. 즉, 아이돌 그룹 하나가 크게 히트를 치면 조 단위의 외화를 벌어들일 수 있게 된 것이다. 따라서 아이돌 그룹을 성공시키고 이를 유지시키는 것이 상당히 중요한 과제로 떠올랐다. 본 연구에서는 소속사가 손익분기점으로 삼는 데뷔 후 3년차 및 평균적인 재계약 직후 시점인 8년차 아이돌의 생존여부를 인공신경망, 의사결정나무, 랜덤 포레스트를 활용하여 예측해보고자 한다. 그리고 생존에 있어 무엇이 중요한 요인인지를 나무 모델의 특성중요도 및 로지스틱 회귀분석을 활용하여 설명하였다. 그 결과, 데뷔 시점의 경쟁자 수, 최초 그룹의 구성원 수, 다루는 장르의 수 등의 요인이 유의하다는 결론을 얻을 수 있었다. 이를 통해, 최종적으로 아이돌 그룹을 보다 효율적으로 기획, 관리함으로써 산업 경쟁력을 증진할 수 있을 것으로 기대한다.

• 전자공학회논문지SC
• /
• 제47권3호
• /
• pp.5-12
• /
• 2010

천장의 반복 무늬를 이용하여 로봇의 방향과 위치를 계산하는 새로운 알고리즘을 제안하였다. 방향 계산을 위해서 천장 영상으로부터 검출한 직선과 로봇의 현재 방향 간의 상대 각도를 계산한 후, 천장무늬에 포함된 여러 기준 직선의 방향들에 상기 상대각도를 더하여 로봇의 절대방향 후보 집합을 구성한다. 로봇 방향은 이 절대방향 후보 집합 중, 이전의 로봇 방향과 가장 가까운 방향으로 결정한다. 로봇의 위치도, 영상에서의 격자점의 화소 위치를 이용하여 로봇의 격자점과 로봇 간의 상대위치를 계산 한 후, 이전 로봇 주변의 격자점들에 상기 상대위치 벡터를 더하여 절대 위치 후보 집합을 구성하며, 이들 중 이전 로봇의 위치와 가장 가까운 위치를 현재 로봇 위치로 결정한다. 제안한 알고리즘을 이용하여 구한 위치 및 방향의 정확성을 검증하기 위한 실험을 수행하였다.

• 대한원격탐사학회지
• /
• 제23권6호
• /
• pp.547-552
• /
• 2007

본 연구에서는 고해상도의 panchromatic 영상을 이용하여 저해상도의 multispectral 영상을 고해상도로 재구축하는 방법을 제시하고 있다. 제안된 방법은 저해상도와 고해상도 간의 선형 모형 사용하여 실제의 spectral 값에 부합하는 고해상도 영상을 재구축하며 두 단계로 이루어 진다. 첫 단계는 고해상도 feature와 연관된 저해상도의 선형 모형을 이용하여 최소 자승 오류 법에 의한 global 추정 과정이고 두 번째 단계는 재구축된 영상을 지역적으로 원래의 spectral 값과 일관되게 만드는 local 수정 과정이다. 본 연구에서 제안 방법을 이용하여 6m KOMPSAT-1 EOC 자료와 30m LANDSAT ETM+에 적용하였고 또한 IKONOS 1m RGB 영상 생성하였다. 실험 결과는 새로이 제시된 방법이 저해상도 Multispectral 영상의 고해상도 재구축에 탁월한 성능을 가지고 있음을 보여주었다.

• International Journal of Advanced Culture Technology
• /
• 제6권4호
• /
• pp.275-283
• /
• 2018

Cancer show distinct pattern of gene expression when it is compared to normal. This difference results malignant characteristic of cancer. Many cancer drugs are targeting this difference so that it can selectively kill cancer cells. One of the recent demand for personalized treating cancer is retrieving normal tissue from a patient so that the gene expression difference between cancer and normal be assessed. However, in most clinical situation it is hard to retrieve normal tissue from a patient. This is because biopsy of normal tissues may cause damage to the organ function or a risk of infection or side effect what a patient to take. Thus, there is a challenge to estimate normal cell's gene expression where cancers are originated from without taking additional biopsy. In this paper, we propose in-silico based prediction of normal cell's gene expression from gene expression data of a tumor sample. We call this challenge as reverting the cancer into normal. We divided this challenge into two parts. The first part is making a generator that is able to fool a pretrained discriminator. Pretrained discriminator is from the training of public data (9,601 cancers, 7,240 normals) which shows 0.997 of accuracy to discriminate if a given gene expression pattern is cancer or normal. Deceiving this pretrained discriminator means our method is capable of generating very normal-like gene expression data. The second part of the challenge is to address whether generated normal is similar to true reverse form of the input cancer data. We used, cycle-consistent adversarial networks to approach our challenges, since this network is capable of translating one domain to the other while maintaining original domain's feature and at the same time adding the new domain's feature. We evaluated that, if we put cancer data into a cycle-consistent adversarial network, it could retain most of the information from the input (cancer) and at the same time change the data into normal. We also evaluated if this generated gene expression of normal tissue would be the biological reverse form of the gene expression of cancer used as an input.