• International Journal of Computer Science & Network Security
• /
• 제21권8호
• /
• pp.288-296
• /
• 2021

Automated face recognition in a runtime environment is gaining more and more important in the fields of surveillance and urban security. This is a difficult task keeping in mind the constantly volatile image landscape with varying features and attributes. For a system to be beneficial in industrial settings, it is pertinent that its efficiency isn't compromised when running on roads, intersections, and busy streets. However, recognition in such uncontrolled circumstances is a major problem in real-life applications. In this paper, the main problem of face recognition in which full face is not visible (Occlusion). This is a common occurrence as any person can change his features by wearing a scarf, sunglass or by merely growing a mustache or beard. Such types of discrepancies in facial appearance are frequently stumbled upon in an uncontrolled circumstance and possibly will be a reason to the security systems which are based upon face recognition. These types of variations are very common in a real-life environment. It has been analyzed that it has been studied less in literature but now researchers have a major focus on this type of variation. Existing state-of-the-art techniques suffer from several limitations. Most significant amongst them are low level of usability and poor response time in case of any calamity. In this paper, an improved face recognition system is developed to solve the problem of occlusion known as FRS-OCC. To build the FRS-OCC system, the color and texture features are used and then an incremental learning algorithm (Learn++) to select more informative features. Afterward, the trained stack-based autoencoder (SAE) deep learning algorithm is used to recognize a human face. Overall, the FRS-OCC system is used to introduce such algorithms which enhance the response time to guarantee a benchmark quality of service in any situation. To test and evaluate the performance of the proposed FRS-OCC system, the AR face dataset is utilized. On average, the FRS-OCC system is outperformed and achieved SE of 98.82%, SP of 98.49%, AC of 98.76% and AUC of 0.9995 compared to other state-of-the-art methods. The obtained results indicate that the FRS-OCC system can be used in any surveillance application.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권1호
• /
• pp.216-238
• /
• 2023

In intelligent transportation systems, traffic management is an important task. The accurate forecasting of traffic characteristics like flow, congestion, and density is still active research because of the non-linear nature and uncertainty of the spatiotemporal data. Inclement weather, such as rain and snow, and other special events such as holidays, accidents, and road closures have a significant impact on driving and the average speed of vehicles on the road, which lowers traffic capacity and causes congestion in a widespread manner. This work designs a model for multivariate short-term traffic congestion prediction using SLSTM_AE-BiLSTM. The proposed design consists of a Bidirectional Long Short Term Memory(BiLSTM) network to predict traffic flow value and a Convolutional Neural network (CNN) model for detecting the congestion status. This model uses spatial static temporal dynamic data. The stacked Long Short Term Memory Autoencoder (SLSTM AE) is used to encode the weather features into a reduced and more informative feature space. BiLSTM model is used to capture the features from the past and present traffic data simultaneously and also to identify the long-term dependencies. It uses the traffic data and encoded weather data to perform the traffic flow prediction. The CNN model is used to predict the recurring congestion status based on the predicted traffic flow value at a particular urban traffic network. In this work, a publicly available Caltrans PEMS dataset with traffic parameters is used. The proposed model generates the congestion prediction with an accuracy rate of 92.74% which is slightly better when compared with other deep learning models for congestion prediction.

• 한국경제지리학회지
• /
• 제26권2호
• /
• pp.155-168
• /
• 2023

스마트 건강도시, 지역, 지오인터넷(geo-internet) 및 블록체인 기술의 통합으로 인해 건강지리학이 중요해 졌다. 본 연구는 개인과 집단이 직면한 특정한 건강 문제를 중심으로 지리와 건강의 교차점을 탐구한다. 학술문헌들을 바탕으로 관찰 및 기술적 방법을 사용하여 세계적인 건강 문제를 해결하는데 중요한 사회경제적 요인을 탐색하고, 지역적 접근방식을 취한다. 본 연구의 의의는 우즈베키스탄의 보건 문제에 대한 간결한 사례 연구를 제시하여 귀중한 통찰력을 제공하는데 있다. 본 연구에 사용된 기사와 UN 출판물의 데이터를 바탕으로 한 분석은 건강지리학의 학제 간 연구의 특성을 보여주고, 분석 결과는 연구자와 정책 입안자에게 실용적인 적용 가능성을 제공한다. 또한, 전체적인 연구 결과는 지역별 질병을 해결하는 데 있어 지리학 및 보건 건강과학의 중요한 역할을 강조하는 동시에 질병 발생을 포함한 환경 위험 및 건강 영향을 이해하는 데 있어 공간 분석의 중요성을 강조한다.

• 대중서사연구
• /
• 제25권4호
• /
• pp.469-506
• /
• 2019

'장소'에 주목하는 기존의 대중서사 연구들에서는 공간과 장소의 구별을 이론적 토대로 하는 경향이 있다. 이에 따르면 한마디로 공간은 이동적이고 장소는 정주적이다. 그렇다면 고도 모빌리티 시대, 즉 이동의 공간이 정주의 장소를 빠르고 광범위하게 잠식하는 것처럼 보이는 시대에도 이러한 의미의 장소에 주목하는 대중서사 연구는 여전히 유효할 것인가? 이 글은 데이비드 시먼(David Seamon)의 저서 『삶은 장소에서 일어난다: 현상학, 생활세계들, 그리고 장소 만들기(Life Takes Place: Phenomenology, Lifeworlds, and Place Making)』를 중심으로 고도 모빌리티 시대에 장소에 주목하는 대중서사 연구의 가능성을 모색한다. 이 책은 현상학적 방법론에 기초하여 장소를 탐구하기 위해, 통합적 관계성(synergistic relationality)을 디딤돌로 하여 이른바 전진적 점근(progressive approximation)이라는 이론적 틀을 활용한다. 이에 따르면 장소는 먼저 하나의 전체, 즉 단자(monad)로 연구되어야 한다. 하나의 전체로서의 장소 단자에 대한 현상학적 연구는 장소가 인간의 근본 조건임을 식별한다. 그 다음 연구의 '전진적' 순서에 따라, 장소를 이항대립들의 결합체인 양자(dyad)로서 연구한다. 이에 따르면 운동/정지, 내부성/외부성, 평범함/비범함, 내향성/외향성, 본향/이향이 다섯 가지의 양자로 식별된다. 그러나 이러한 이항대립을 넘어서기 위해 이제 연구는 장소 삼자(triad)라는 상위 차수(order)로 이행하는데, 여기에는 장소상호작용, 장소 정체성, 장소 해방, 장소 실현, 장소 강화, 장소 창조가 포함된다. 이를 통해 장소에 대한 연구는 장소의 본질을 향해 전진적으로 점근하여 가는 것이다. 이 풍부하고 통찰적인 책의 저자는 고도 모빌리티 시대의 장소라는 물음을 스스로 제기하면서, 이에 대해 장소가 여전히 인간의 근본 운명이라는 답변을 제출한다. 그러나 이러한 답변은 여전히 공간/장소 및 이동/정주라는 이항대립에 머물러 있는 듯 보인다. 이 글에서는 이러한 이항대립을 넘어설 가능성, 그리고 이동의 실천을 통해 '장소 만들기'를 수행할 가능성을 대안적 답변으로 제시하고, 이러한 관점에서 대중서사 연구가 어떻게 이루어질 수 있는지 사례를 제시하고자 한다.

• 정보처리학회논문지B
• /
• 제18B권1호
• /
• pp.29-38
• /
• 2011

계획 문제 명세로부터 영역-독립적인 휴리스틱을 유도해내기 위해서는 주어진 계획문제에 대한 간략화와 간략화된 계획문제에 대한 해 도출 과정이 요구된다. 본 논문에서는 초기 상태의 불확실성과 비결정적 동작 효과를 모두 포함한 조건부 계획문제를 풀기 위한 새로운 융합 계획그래프와 이것을 이용한 GD 휴리스틱 계산법을 소개한다. 융합 계획그래프는 고전적 계획 문제 풀이를 위한 휴리스틱 계산에 이용되는 간략화된 계획그래프를 조건부 계획문제에 적용할 수 있도록 확장한 자료구조이다. 융합 계획그래프에서는 감지 동작과 비결정적 동작들을 포함한 조건부 계획 문제에 대한 휴리스틱을 얻기 위해, 전통적인 삭제 간략화외에도 감지 동작과 비결정적 동작들에 대한 효과-융합 간략화를 추가로 이용한다. 융합 계획 그래프의 전향 확장과 병행적으로 진행되는 GD 휴리스틱 계산에서는 목표조건들 간의 상호 의존성을 분석하여 전체 목표 집합에 대한 최소 도달비용을 추정할 때 불필요한 중복성을 배제한다. 따라서 GD 휴리스틱은 기존의 겹침 휴리스틱보다 더 적은 계산시간 을 요구하면서도, 최대 휴리스틱이나 합산 휴리스틱보다 더 높은 정보력을 가진다는 장점이 있다. 본 논문에서는 GD 휴리스틱의 정확성과 탐색 효율성을 확인하기 위한 실험적 분석에 대해 설명한다.

• Journal of Plant Biotechnology
• /
• 제39권1호
• /
• pp.33-48
• /
• 2012

작물의 구조와 기능을 이해하려는 과학적 탐구심과 이를 작물 육종에 적용하려는 실험적 노력의 일환으로 다양한 작물에서 유전자 지도가 개발되었다. 특히, 배추과 작물의 경우 모델식물인 애기장대의 유전체 정보가 공개된 이후 다양한 정보 (염기서열 정보, 유전자 구조 및 기능정보 등)의 이용이 가능해져 유전자 지도 작성이 가속화 되었으며 이는 최근 $B.$ $rapa$ A genome (배추)유전체 해독이라는 결과를 가져왔다. 배추과 작물의 유전자 지도 작성에 있어서 초기에는 RFLP 마커들이 사용되었으나 이후 분자마커, 즉, RAPD, AFLP, SSR 등과 같이 비교적 사용이 간단하고 시간적 제약이 없는 PCR 마커의 형태로 점차 바뀌었다. 배추과 작물의 경제적, 학문적 가치가 고려되어 $B.$ $rapa$ (배추)를 표준재료로 A genome 유전체 염기서열 해독이라는 목표로 다국적 유전체 프로젝트가 결성되었고 2011년 국내연구진이 주도적으로 참여한 국제 컨소시엄 (BrGSPC, $B.$ $rapa$ Genome Sequencing Project Consortium)에 의해 배추 (10개 염색체)의 유전자 영역(gene space), 약 98% (83.8 Mb)의 염기서열이 해독되어 발표되었다. 유전체 해독 과정에서 축적된 염기서열 정보는 대량의 SSR, SNP, IBP 마커의 개발을 가능하게 하였고 이들 마커는 $B.$ $rapa$ A genome 유전자 지도와 물리 지도 작성에 이용되어 이후 배추과 작물연구 전반에 널리 적용되고 있다. 대량의 분자마커 개발은 유전자 지도 작성을 가속화하여 더욱 정밀한 유전자 지도를 가능하게 하였고 공통의 분자마커 정보는 애기장대와 배추과 작물 간 비교유전체 연구를 통해 농업적 우수 형질의 클로닝, 마커도움선발 (MAS)등의 방법으로 분자육종의 기반을 제공하고 있다. 뿐만 아니라. 최근 등장한 NGS 유전체 해독 기술로 생산된 대량의 정보는 분자육종 실현 가능성을 높여 분자육종 실용화에 박차를 가하는 계기가 되고 있다. 본 논문에서는 $B.$ $rapa$에서 분자마커를 이용한 유전자 지도 개발의 과정과 농업적 유용형질 탐색을 위한 양적 형질 유전자좌 (QTLs)의 연구 현황에 대하여 알아보고 유전체연구에서 유전자 지도의 중요성과 육종에의 응용에 대하여 서술하였다. 또한 다양한 유전체 정보와 오믹스 정보를 국내 배추과 분자육종에 효율적으로 활용하여 분자육종 실용화를 가능하게 하기 위해 사용자가 쉽게 사용할 수 있는 데이터베이스를 구축함으로서 연구자와 육종가 간의 간격을 좁히고 원활한 정보교환의 필요성을 제기하였다.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1465-1483
• /
• 2020

증발산은 토양으로부터 발생하는 증발과 식물의 잎에서 발생하는 증산을 통칭하는 것으로, 물 수지, 가뭄, 작물생장, 기후변화 등의 모니터링에 있어 중요한 요소이다. 실제증발산은 식생 지표면의 물 소비량 또는 물 필요량이며 기준증발산에 작물계수를 곱하여 구하므로, 농지의 실제증발산을 구하기 위해서는 기준증발산의 계산이 정확히 이루어져야 한다. 격자형 기준증발산을 합리적으로 산출하기 위하여 그동안 많은 노력들이 있었고 복수의 산출물이 제공되고 있다. 이에 본 연구에서는 FAO56-PM, LDAPS, PKNU-NMSC, MODIS 기준증발산 산출물을 비교평가 함으로써, 우리나라처럼 복합적이고 이질적인 지표면에서 국지적 규모의 수문 및 농업 분야에 활용하기 위하여 어떤 기준증발산 산출 방법이 적합한지 살펴보고자 한다. 2016~2019년 3~11월의 1일 단위 자료와 8일 합성 자료를 기상청 현장관측치와 비교하여 지점별, 연도별, 월별로 분석하고 시계열변화를 검토한 결과, 기계학습을 통해 우리나라 농지에 대한 지역최적화가 상당히 잘 수행된 PKNU-NMSC 자료의 정확도가 월등히 높게 나타났으며, 시간과 장소에 상관없이 안정적인 산출이 이루어졌음을 확인하였다. 또한 본연구에서는 FAO56-PM, LDAPS, MODIS 산출물에 내재한 정확도 특성을 제시하였으며, 이는 기준증발산 자료 사용에 있어 중요한 정보가 될 것으로 기대한다.