• International journal of advanced smart convergence
• /
• 제8권3호
• /
• pp.131-137
• /
• 2019

This study proposes a method of learning and recognizing the characteristics that are the classification criteria of Hangul using Mask R-CNN, one of the deep learning techniques, to recognize and classify atypical Hangul characters. The atypical characters on the Hangul signboard have a lot of deformed and colorful shapes beyond the general characters. Therefore, in order to recognize the Hangul signboard character, it is necessary to learn a separate atypical Hangul character rather than the existing formulaic one. We selected the Hangul character '닭' as sample data and constructed 5,383 Hangul image data sets and used them for learning and verifying the deep learning model. The accuracy of the results of analyzing the performance of the learning model using the test set constructed to verify the reliability of the learning model was about 92.65% (the area detection rate). Therefore we confirmed that the proposed method is very useful for Hangul signboard character recognition, and we plan to extend it to various Hangul data.

• 한국통신학회논문지
• /
• 제19권11호
• /
• pp.2094-2105
• /
• 1994

본 논문은 레이돈(Radon) 변환식으로부터 유도된 투사 근거 허프(Hough) 변환 방식을 사용하여 시간연속 영상상의 이동물체의 궤적을 추정하는 기법을 제안한다. 이때 이동비행물체는 시간연속되는 각 영상 프레임에 몇 개의 화소로 나타나며 그 궤적은 삼차원 직선으로 간주한다. 근래에 제시된 방법들은 합성영상 입단일 궤적도면을 여러 종류의 허프변환 방식을 사용하여 그 궤적을 추정하여 왔으나 본 논문의 방식은 시간연속 영상을 여러 방향에서 투사하여 얻어지는 이차원적 비행체 궤적 지식을 효과적으로 비행체 궤적 재구성에 이용함으로 비행체 탐지 능력은 물론 궤적 추정 능력을 향상하였다. 아울러 투사 근거 허프 변환방식을 평가, 사정하기 위하여 영상 공간의 소음 등으로 야기된 투사 공간상의 허프 파라미터의 추정 error를 분석, 유도하였다. HiCamps라 명칭된 실제 적외선 시간연속 영상 데이타를 대상으로 시뮬레이션한 결과 비행체 궤적 추정이 아주 낮은 SNR 에서도 가능함을 보여준다.

• 대한원격탐사학회지
• /
• 제28권4호
• /
• pp.369-392
• /
• 2012

현재까지 초분광영상을 위한 다양한 표적탐지 알고리즘이 개발 및 사용되고 있다. 그러나 표적탐지 알고리즘의 비교 및 검증 기준으로 1~2가지 영상에 적용한 탐지정확도 만을 사용하고 있어, 사용자 입장에서 그 적용성을 평가하는 데에는 한계가 있다. 본 연구의 목적은 초분광영상에 대한 표적탐지 알고리즘의 적용성을 체계적으로 분석하는 것이다. 이를 위하여 표적, 배경, 영상의 분광적 또는 복사적 특성에 관련된 5가지 기준 인자들을 정의하였고, 각 인자의 변이에 따른 6가지 기존 표적탐지 알고리즘의 탐지정확도 변화를 비교하였다. 이와 더불어 영상 크기에 따른 각 알고리즘의 처리시간을 비교하였다. 그 결과 탐지정확도 측면에서는 기준인자에 따라 적용성이 높은 알고리즘의 종류가 다르게 나타났다. 처리시간은 2차 통계값 기반 알고리즘이 다른 알고리즘에 비해 매우 크게 나타났다. 탐지정확도와 처리시간을 종합적으로 고려한 결과 사용하는 영상과 표적 그리고 배경의 특성에 따라 적용성이 높은 알고리즘의 종류가 다른 것으로 나타났다. 따라서 초분광영상에 대한 기존 표적탐지 알고리즘의 적용성은 자료의 특성 및 배경과 표적의 공간적 분광적 관계에 따라 다르게 나타나므로, 사용하는 자료의 특성과 목적에 따라 적용하는 표적탐지 알고리즘의 종류가 달라질 필요가 있다.

• 한국지구과학회지
• /
• 제23권8호
• /
• pp.707-721
• /
• 2002

사이드 스캔 소-나 시스템을 이용하여 태안반도 부근 신두리 해역에서 해저면 음향영상 자료를 획득하였다. 후방산란 음향강도와 해저퇴적물의 물성에 대한 상호관계를 연구하였다. 그리고 위의 두 자료 모두 해저수심과 각각 비교해석 하였다. 해저퇴적물의 물성 대부분은 음향강도와 좋은 상관관계를 보이고 있지만, 퇴적물의 분포양상은 암반노출지역을 제외하고는 해저면 음향영상과 정확하게 일치하지는 않았다. 해저수심은 해저면 음향영상의 분포형태에 영향을 미치고 있었을 뿐만 아니라, 해저퇴적물의 물성 분포에서도 선형적인 관계를 보이고 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.535-538
• /
• 2022

IoT 디바이스의 Plug & Play를 위하여 IoT 디바이스의 대표적인 유선 인터페이스인 USB의 종류를 이미지를 통하여 인식하는 모듈을 개발한다. IoT 디바이스를 구동시키기 위해서는 통신 및 디바이스 하드웨어를 구동하기 위한 드라이버가 필요하다. IoT 디바이스에 연결되는 유선 인터페이스를 스마트폰의 카메라 촬영을 통하여 얻은 이미지를 이용하여서 해당 통신 인터페이스를 인식한다. 대표적인 유선 인터페이스인 USB에 대하여 인공신경망 기반의 기계학습을 통하여 USB의 종류를 분류한다. 인공신경망의 충분한 학습을 위하여 인터넷을 통하여 USB 이미지를 수집하고, 이미지 처리를 통하여 추가적인 이미지 데이터 셋을 확보한다. 합성곱 신경망과 더불어서 다양한 심층 인공신경망으로 인식기를 구현하여서 그 성능을 비교, 평가한다.

• 패션비즈니스
• /
• 제12권4호
• /
• pp.114-130
• /
• 2008

The purpose of this study is to investigate the effect of Dot Pattern Size(0.8, 1.8, 2.5, 5, 8), color combination(W/Bk, Bk/Gr, Gr/W), Area-Ratio(Background/Dot, Dot/Background) on wearing dot-printed dresses image. Sets of stimulus and response scales(7 point semantic) were used as experimental materials. The stimuli were 30 color pictures manipulated with the combination of Dot Pattern Size, color combination, and Area-Ratio using computer simulation. The subjects were 180 female undergraduates living in Gyeongnam-do. The data was analyzed by using SPSS program. Analyzing methods were ANOVA and LSD test. Image factor of the stimulus was composed of 5 different components, visibility, chastity, attractiveness, cuteness and feminity. Among them, the visibility and chastity were important. Each dimensional image was affected by dot pattern size, color combination and Area-Ratio. In the visibility image, color combination(W/Bk is the most effective) is more influential, the larger size is effective pattern. In the cuteness and feminity image, area ratio(low-brightness dot pattern is the more effective) is more effective than color combination or dot pattern size. Even the same dot pattern size and area was recognized as different image depending on the area ratio. According to the variation of dot pattern size, color combination and area-ratio, it was investigated that the images for a dress wearer were expressed diversely, were shown differently in image dimensions, and could be produced to different images.

• 전기전자학회논문지
• /
• 제22권4호
• /
• pp.1079-1087
• /
• 2018

최근 딥러닝(deep learning) 인공지능 기반의 컴퓨터 비전 분야는 각종 영상분석 분야에서 화제로 떠오르고 있다. 본 연구에서는 딥러닝 기반의 여러 이미지 인식 알고리즘 중 이미지 내에서 객체를 검출하는 데 사용되는 Faster R-CNN 알고리즘을 이용하여 화재 이미지에서 불꽃을 검출하고자 한다. 학습 과정에서 소량의 데이터셋을 통한 화재검출 정확도 향상을 위해 이미지 오그멘테이션(image augmentation) 기법을 이용하고, 이미지 오그멘테이션을 6가지 유형별로 나누어 학습하여 정확도, 정밀도, 검출률을 비교하였다. 그 결과, 이미지 오그멘테이션의 종류가 늘어날수록 검출률이 상승하지만, 다른 객체 검출 모델들의 일반적인 정확도와 검출률의 관계와 마찬가지로 오검출율 또한 10%에서 최대 30%까지 증가하게 됨을 확인하였다.

• 자원환경지질
• /
• 제28권4호
• /
• pp.405-414
• /
• 1995

LANDSAT TM 자료를 이용한 지형변화를 관측하는데 알맞은 알고리즘에 대한 고찰과 이 알고리즘을 1986년 4월 15일과 1992년 9월 22일 경기만에서 얻어진 LANDSAT TM 자료에 적용하여 타당성을 시험하였다. 이 알고리즘은 변화벡터분석법과 tasseled cap 변환을 이용한 방법이다. 변화벡터분석법은 영상자료간의 변화를 관측하는데는 우수하지만 그 변화벡터의 수가 증가함에 따라 효율이 감소하는 단점이 있다. 이와 같은 단점을 보완하기 위해 tasseled cap 변환을 이용함으로서 원래 6개 밴드의 LANDSAT TM 자료를 두 개의 밴드 즉 Brightness와 Greenness로 줄일 수 있게 된다. 시험적용 결과 이 알고리즘은 해안선 일대에서의 대규모 지형변화뿐만 아니라 육안관측으로는 어려운 미세한 변화까지도 관측 가능한 것으로 나타났다. 그러나 본 연구결과의 변화벡터 영상에서는 인공적인 변화에 더 민감한 것으로 나타났는데 이는 본 연구에 사용된 두 LANDSAT TM 자료가 얻어진 시간 간격이 지질학적 작용에 의한 변화가 나타나기에는 비교적 짧기 때문인 것으로 사료된다.

• 천문학회지
• /
• 제52권6호
• /
• pp.217-225
• /
• 2019

We apply a modified Convolutional Neural Network (CNN) model in conjunction with transfer learning to predict whether an active region (AR) would produce a ≥C-class or ≥M-class flare within the next 24 hours. We collect line-of-sight magnetogram samples of ARs provided by the SHARP from May 2010 to September 2018, which is a new data product from the HMI onboard the SDO. Based on these AR samples, we adopt the approach of shuffle-and-split cross-validation (CV) to build a database that includes 10 separate data sets. Each of the 10 data sets is segregated by NOAA AR number into a training and a testing data set. After training, validating, and testing our model, we compare the results with previous studies using predictive performance metrics, with a focus on the true skill statistic (TSS). The main results from this study are summarized as follows. First, to the best of our knowledge, this is the first time that the CNN model with transfer learning is used in solar physics to make binary class predictions for both ≥C-class and ≥M-class flares, without manually engineered features extracted from the observational data. Second, our model achieves relatively high scores of TSS = 0.640±0.075 and TSS = 0.526±0.052 for ≥M-class prediction and ≥C-class prediction, respectively, which is comparable to that of previous models. Third, our model also obtains quite good scores in five other metrics for both ≥C-class and ≥M-class flare prediction. Our results demonstrate that our modified CNN model with transfer learning is an effective method for flare forecasting with reasonable prediction performance.

• 대한원격탐사학회지
• /
• 제15권4호
• /
• pp.357-365
• /
• 1999

The optical sensors of Electro-Optical Camera (EOC) and Ocean Scanning Multi-spectral Imager (OSMI) aboard the KOrea Multi-Purpose SATellite (KOMPSAT) will be placed in a sun synchronous orbit in late 1999. The EOC and OSMI sensors are expected to produce the land mapping imagery of Korean territory and the ocean color imagery of world oceans, respectively. Utilization of the EOC and OSMI data would encompass the various fields of science and technology such as land mapping, land use and development, flood monitoring, biological oceanography, fishery, and environmental monitoring. Readiness of data support for user community is thus essential to the success of the KOMPSAT program. As a part of testing such readiness prior to the KOMPSAT launch, we have performed the preliminary acceptance test for the KOMPSAT data processing system using the simulated EOC and OSMI data sets. The purpose of this paper is to demonstrate the readiness of the KOMPSAT data processing system, and to help data users understand how the KOMPSAT EOC and OSMI data are processed, archived, and provided. Test results demonstrate that all requirements described in the data processing specification have been met, and that the image integrity is maintained for all products. It is however noted that since the product accuracy is limited by the simulated sensor data, any quantitative assessment of image products can not be made until actual KOMPSAT images will be acquired.