• 방송공학회논문지
• /
• 제14권4호
• /
• pp.450-462
• /
• 2009

최근까지 단일 영상이나 동영상을 영역화하는 기법들은 다양하게 제시되어 왔으나, 유사한 장면에 대한 여러 장의 영상을 동시에 영역화하는 기법은 많지 않았다. 본 논문에서는 한 장소에서 연속적으로 촬영하였거나 전경 물체가 유사한 여러 영상들을 동일 장면 영상으로 정의하고, 이런 동일 장면 영상들을 적은 양의 사용자 입력을 통해 효과적으로 영역화하는 기법을 제안한다. 구체적으로, 사용자가 최초의 영상 한 장을 직접 영역화한 후, 그 영상의 영역화 결과와 영상의 특성을 토대로 다중 단계 신호를 적응적 가중치를 주어서 인접 영상으로 전파하고, 이를 통해 제안하는 기법은 인접 영상을 반복적으로 영역화한다. 영역화는 마르코프 랜덤 장에서의 에너지 최소화를 통해 이루어지는데, 전파되는 신호는 각 픽셀에 대한 에너지를 정의하는 바탕이 되며, 픽셀, 픽셀 패치, 그리고 영상 전체로부터 비롯되었는가에 따라 낮은 단계, 중간 단계, 그리고 높은 단계의 신호로 지칭된다. 또한 에너지 최소화 틀 안에서 전파된 신호를 통해 정의되는 에너지 역시 낮은 단계, 중간 단계, 그리고 높은 단계의 세 단계로 정의한다. 이런 과정을 통해 전파된 신호를 최대한 다양하게 활용하고, 이를 통해 다양한 영상에 영역화 결과가 일관되게 유지된다. 다양한 동일 장면 영상들에 제안하는 기법을 적용하여 성능을 평가하고, 픽셀 패치를 바탕으로 하는 중간 단계 신호만을 이용한 결과와 제안하는 다중 신호를 적용하는 기법의 결과를 비교한다.

• 대한원격탐사학회지
• /
• 제32권6호
• /
• pp.617-627
• /
• 2016

웹 환경에서 위성영상정보를 포함하는 대용량 공간정보를 공유하거나, 상호호환성에 따라 처리하기 위한 공간정보 웹 표준들이 OGC에서 개발되어 다양한 분야에서 활용되고 있다. 한편 물리적인 컴퓨팅 자원을 직접 구매하지 않고도 웹을 통해 할당받아 필요할 때에만 접속하여 사용할 수 있는 클라우드 컴퓨팅 환경을 기반으로 하는 응용 서비스가 계속 증가하고 있다. 그러나 원격탐사 분야에서 이와 같은 두 가지의 중요한 기술 동향을 반영하는 연구 개발은 국제적으로도 초기 단계이다. 이번 연구에서는 실제로 이 두 가지 컴퓨팅 기술을 연계하는 사례를 제시하고 구름추출 서비스 구현 결과를 기반으로 하는 성능측정 시험결과를 제시하고자 한다. 실험에 적용한 대상 표준은 WPS 2.0 표준이며 성능측정 시험대상은 하나의 웹 서버 운영환경과 오픈소스 OpenStack 클라우드 컴퓨팅에 기반을 둔 가상서버운영 환경이다. JMeter를 이용한 성능측정 시험은 WPS 2.0의 GetCapabilities, DescribeProcess, Execute, GetStatus, GetResult 응답시간에 대한 실험을 수행하였다. 실험 결과로 다중 원격 서버와 가상 서버를 지원하는 클라우드 환경에서 상호운영 공간정보 처리를 위한 WPS 2.0 표준 적용의 경우도 좋은 성능을 나타냄을 알 수 있고, 추후 서버와 처리 알고리즘 기능 확장을 통하여 실무 적용이 가능할 것으로 기대한다.

• 디자인학연구
• /
• 제12권2호
• /
• pp.75-86
• /
• 1999

1995년 시작된 교육개혁이후 국내의 대학들은 설립이래 가장 큰 위기를 맞고 있다. 대학 설립이 자유로워지고 외국 교육기관의 국내 시장 진출이 가능해졌으며 무엇보다도 핵가족화에 따른 인구자연감소로 2003년에는 대학의 모집인원이 지원하는 학생 수보다도 더 많아지게 됐다. 이미 지방의 경쟁력이 없는 대학에서는 정원 미달이란 초유의 사태가 벌어지고 있으며 무사안일과 보수적 성향에 있었던 대학들은 이제 개혁과 변화의 물결에서 벗어날 수 없게 되었다. 2년제 포함 300여 개가 넘는 대학의 수는 서로를 경쟁의 상대로 느끼기 시작했으며 각 대학들은 이 치열한 경쟁의 해결책으로 광고 마케팅을 인식하고 본격적인 광고활동을 벌이고 있다. 양적으로 급작스럽게 커지고 있는 대학광고는 그 질적인 수준이라 할 수 있는 크리에이티브 전략에서는 기업광고나 제품광고에 비해 많이 뒤쳐져 있다. 본 연구를 통해 대학광고 특성을 파악하고 집행된 대학광고물의 표현전략으로서의 크리에이티브를 분석, 효과적인 표현전략을 제시하고자 한다. 대학이 가지는 공공성의 특성 때문에 일반 기업광고의 상업적인 차원과는 다른 접근이 필요하며 기존의 모집 공고형태의 수동적인 자세에서 이미지 홍보형태의 적극적인 표현전략이 요구된다. 이러한 효과적이고 적극적인 표현전략을 통해 수험생을 1차적 타켓오디언스로 하는 대학광고의 소비자들에게 대학선택의 기회를 제공할 뿐 아니라 미래의 잠재적 고객인 초·중학생 또는 일반인에게도 긍정적이고 적극적인 이미지를 주입시켜 효과적인 커뮤니케이션을 가능케 할 것이다.

• 대한원격탐사학회지
• /
• 제18권4호
• /
• pp.221-231
• /
• 2002

본 연구에서는 한국과학기술원 인공위성연구센터에서 개발한 DEM생성 알고리즘을 다양한 해상도의 위성영상에 적용하여 도심지역의 DEM생성결과를 살펴보고자 한다. 실험에 사용한 위성 영상은 10m해상도의 SPOT영상과, 6.6m해상도를 가지는 EOC영상, 1m해상도를 가지는 IKONOS위성영상이며 모든 위성영상에는 대전광역시의 도심지역이 포함되어 있다. 모든 위성영상에 대해 궤도정보 없이도 카메라 모델이 수립되는 Gupta와 Harteley(1997)가 제안한 DLT모델을 사용하였다. EOC DEM과 SPOT DEM정확도 검증은 USGS DTED를 사용하였으며, IKONOS DEM의 정확도는 DGPS측량을 수행한 23개의 검증점(check points)를 사용하여 정확도를 비교하였다. 그 결과 SPOT 위성영상으로부터 얻은 DEM은 약 38m RMS오차를 갖고 EOC DEM은 약 12m RMS오차를 보였다. 이 수치는 위성영상의 해상도를 고려하면 약 2∼4픽셀에 해당하는 오차이다. IKONOS DEM의 정확도는 약 6.5m RMS오차를 보였으며 해상도를 고려하면 약 6∼7픽셀의 오차를 가지고 있다. 이는 SPOT DEM과 EOC DEM보다 다소 높은 수치나 IKONOS DEM은 SPOT, EOC DEM과 달리 도심지역의 건물을 육안으로 구분할 수 있을 정도의 DEM을 생성하고 있다. 그러나 높이 불연속과 건물의 그림자 등에 의해 오정합이 발생하고 있어 향후 높이 불연속과 그림자의 영향을 최소화하는 알고리즘 개발이 필요하다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.367-378
• /
• 2021

야적퇴비는 대표적인 축산계 비점오염원으로 강우로 인해 수계로 유입될 경우 야적퇴비에 포함된 인과 질소 등의 영양염류가 하천 수질에 악영향을 미칠 수 있다. 이에 본 논문에서는 무인항공기 영상과 딥러닝 기반의 의미론적 분할 기법을 활용한 야적퇴비 탐지 방법을 제안한다. 연구지역에서 취득한 39개의 정사영상을 토대로 Data Augmentation을 통해 약 30,000개의 데이터를 확보하였다. 취득한 데이터를 U-net을 기반으로 개발된 의미론적 분할 알고리즘에 적용시킨 후 OpenCV의 필터링 기법을 적용하여 정확도를 평가하였다. 정확도 평가 결과 화소정확도는 99.97%, 정밀도는 83.80%, 재현율은 60.95%, F1- Score는 70.57%의 정확도를 보였다. 정밀도에 비해 재현율이 떨어지는 것은 정성적으로 보았을 때 전체 이미지에서 가장자리에 작은 비율로 야적퇴비 픽셀이 존재하는 경우 과소추정되었기 때문이다. 향후 추가적인 데이터셋과 RGB 밴드 이외의 추가 밴드를 조합한다면 모델 정확도를 향상시킬 수 있을 것으로 판단된다.

• 한국콘텐츠학회논문지
• /
• 제22권1호
• /
• pp.274-282
• /
• 2022

보행자의 보행권 확보를 위해 기존 보행자 교통사고의 원인, 진단, 감소 방안을 모색하는데 있어 기존 조사방식, 분석방법, 진단 등의 한계성을 극복하기 위한 대체방안으로 중고스마트폰을 활용한 모바일 CCTV 활용방안을 제시하였다. 중고스마트폰을 업사이클링하여 모바일CCTV를 제작하였고 보행사망사고가 다수 발생하는 지역에 설치하여 24시간 이상의 영상데이터를 확보하였다. 영상시각화 기술과 클라우딩 리포팅(Crowding Reporting) 기술을 적용하여 분석하였으며, 인공지능 학습기반의 모델링과 GIS 기반의 진단지도를 통해 더욱 정밀하고 정확한 결과를 도출하였다. 그 결과 보행안전 위험요인과 횟수를 분석할 수 있었으며, 기존 방식으로는 알 수 없었던 요인까지 도출할 수 있었다. 또한 중고스마트폰 업사이클링 모바일 CCTV가 보행위험요인을 찾는데 객관적 도구가 될 것인지 검증하기 위해 데이터를 1년으로 환산하여 교통사고 위험지수를 도출하였다. 연구를 통해 새롭게 적용된 중고스마트폰의 업사이클링 모바일 CCTV는 보행자의 보행위험요인을 찾는데 새로운 도구로 활용이 가능하며, 이를 발전시켜 보행자외 교통약자의 안전을 지키는 서비스로 활용이 가능할 것이다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.562-565
• /
• 2022

최근 증가하고 있는 도로 위 적재 불량 화물차는 비정상적인 무게 중심으로 인해 물체 낙하, 도로 파손, 연쇄 추돌 등 교통 안전에 위해가 되고 한번 사고가 발생하면 큰 피해가 유발할 수 있다. 하지만 이러한 비정상적인 무게 중심은 적재 불량 차량 인식을 위한 주행 중 축중 시스템으로는 검출이 불가능하다는 한계점이 있다. 본 논문에서는 이러한 사회 문제를 야기하는 적재 불량 차량을 관리하기 위한 객체 인식 기반 AI 모델을 구축하고자 한다. 또한 AI-Hub에 공개된 약 40만장의 대형차, 소형차, 중형차 별 적재 불량 차량과 일반차량으로 구분 된 데이터 셋 중 종류별로 제공되는 CCTV, 블랙박스, 카메라 시점의 적재 불량 차량 데이터 셋을 분석하여 전처리를 통해 적재 불량 차량 검지 AI 모델의 성능을 향상시키는 방법을 제시한다. 이를 통해, 원시 데이터를 활용한 학습 성능 대비 약 23% 향상된 적재 불량 차량의 검출 성능을 나타냄을 보였다. 본 연구 결과를 통해 공개 빅데이터를 보다 효율적으로 활용하여, 객체 인식 기반 적재 불량 차량 탐지 모델 개발에 적용할 수 있을 것으로 기대된다.

• 방송공학회논문지
• /
• 제28권3호
• /
• pp.293-301
• /
• 2023

표준화되지 않은 의료 데이터 수집 및 관리는 여전히 수동으로 진행되고 있어, 이 문제를 해결하기 위해 딥 러닝을 사용해 CT 데이터를 분류하는 연구들이 진행되고 있다. 하지만 대부분 연구에서는 기본적인 CT slice인 axial 평면만을 기반으로 모델을 개발하고 있다. CT 영상은 일반 이미지와 다르게 인체 구조만 묘사하기 때문에 CT scan을 재구성하는 것만으로도 더 풍부한 신체적 특징을 나타낼 수 있다. 이 연구는 axial 평면뿐만 아니라 CT 데이터를 2D로 변환하는 여러가지 방법들을 통해 보다 높은 성능을 달성할 수 있는 방법을 찾고자 한다. 훈련은 5가지 부위의 CT 스캔 1042개를 사용했고, 모델 평가를 위해 테스트셋 179개, 외부 데이터셋으로 448개를 수집했다. 딥러닝 모델 개발을 위해 ImageNet으로 사전 학습된 InceptionResNetV2를 백본으로 사용하였으며, 모델의 전체 레이어를 재 학습했다. 실험결과 신체 부위 분류에서는 재구성 데이터 모델이 99.33%를 달성하며 axial 모델보다 1.12% 더 높았고, 조영제 분류에서는 brain과 neck에서만 axial모델이 높았다. 결론적으로 axial slice로만 훈련했을 때 보다 해부학적 특징이 잘 나타나는 데이터로 학습했을 때 더 정확한 성능 달성이 가능했다.

• Nuclear Engineering and Technology
• /
• 제55권1호
• /
• pp.339-352
• /
• 2023

Prediction of the time-related traits of pebble flow inside pebble-bed HTGRs is of great significance for reactor operation and design. In this work, an image-driven approach with the aid of a convolutional neural network (CNN) is proposed to predict the remaining time of initially loaded pebbles and the time interval of paired flow images of the pebble bed. Two types of strategies are put forward: one is adding FC layers to the classic classification CNN models and using regression training, and the other is CNN-based deep expectation (DEX) by regarding the time prediction as a deep classification task followed by softmax expected value refinements. The current dataset is obtained from the discrete element method (DEM) simulations. Results show that the CNN-aided models generally make satisfactory predictions on the remaining time with the determination coefficient larger than 0.99. Among these models, the VGG19+DEX performs the best and its CumScore (proportion of test set with prediction error within 0.5s) can reach 0.939. Besides, the remaining time of additional test sets and new cases can also be well predicted, indicating good generalization ability of the model. In the task of predicting the time interval of image pairs, the VGG19+DEX model has also generated satisfactory results. Particularly, the trained model, with promising generalization ability, has demonstrated great potential in accurately and instantaneously predicting the traits of interest, without the need for additional computational intensive DEM simulations. Nevertheless, the issues of data diversity and model optimization need to be improved to achieve the full potential of the CNN-aided prediction tool.

• 터널과지하공간
• /
• 제33권6호
• /
• pp.508-518
• /
• 2023

이 논문은 LiDAR 스캔 또는 사진측량 기술에 의해 재구성된 3D 디지털 모델을 기반으로 터널 벽면의 불연속면을 자동으로 매핑하는 새로운 접근 방식을 제안한다. 본 제안에서는 U-Net이라 불리는 딥러닝 시맨틱 영역분할 모델을 사용하며, 터널 막장면의 3D 지형 모델에서 불연속면 영역을 식별해 낸다. 제안된 딥러닝 모델은 투영된 RGB 이미지, 면의 깊이 이미지 및 국부적인 면의 표면 속성 이미지(즉, 법선 벡터 및 곡률 이미지)를 포함한 다양한 정보를 종합 학습하여 기본 3차원 이미지에서 불연속면 영역을 효과적으로 분할한다. 이후 영역분할 결과는 면의 깊이 맵과 투영 행렬을 사용하여 3D 모델로 다시 투영시키고, 3D 공간 내에서 불연속면의 위치 및 범위를 정확하게 표현한다. 영역분할 모델의 성능은 영역 분할된 결과를 해당 지면 실측 값과 비교함으로써 평가하였으며, IoU(intersection-over-union) 값이 약 0.8 정도로 나타나 영역분할 결과의 높은 정확성을 확인하였다. 여전히 학습데이터가 제한적 이었음에도 불구하고, 제안 기법은 3D 모델의 점군 데이터를 불연속면의 유사군으로 그룹화하기 위해 전 막장면의 법선 벡터와 클러스터링과 같은 비지도 학습기반 알고리즘에만 의존하던 기존 접근 방식의 한계의 극복 가능성을 보여주었다.