• Journal of Korea Multimedia Society
• /
• v.24 no.1
• /
• pp.1-12
• /
• 2021

In this paper, we present a new architecture for semantic segmentation. Semantic segmentation aims at a pixel-wise classification which is important to fully understand images. Previous semantic segmentation networks use features of multi-layers in the encoder to predict final results. However, they do not contain various receptive fields in the multi-layers features, which easily lead to inaccurate results for boundaries between different classes and small objects. To solve this problem, we propose a multi-path feature fusion module that allows for features of each layers to contain various receptive fields by use of a set of dilated convolutions with different dilatation rates. Various experiments demonstrate that our method outperforms previous methods in terms of mean intersection over unit (mIoU).

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.103-105
• /
• 2022

본 논문에서는 스네이크 알고리즘에서 복잡한 배경으로 인해 어긋난 윤곽선을 개선하는 방법을 제안한다. 스네이크 알고리즘은 능동 윤곽선 모델(active contour model)중 하나로, 사전 정의한 영역에서 시작하여 점진적으로 강한 변화가 감지되는 방향으로 윤곽선을 수정하는 방법이다. 그러나 이러한 방법은 강한 기울기 성분이 나타나는 배경에 취약하고, 대상의 불필요한 영역이 포함되거나, 필요한 영역이 포함되지 않는 문제가 발생한다. 제안하는 방법은 이미지에 원근 변환을 기반으로 한 스네이크 알고리즘을 반복적으로 적용하여 대상의 윤곽선을 온전히 추출한다. 이는 실험 데이터에서 평균 IoU가 약 11.5% 이상 증가한 것을 통해 올바른 윤곽선을 찾는데 효과적인 방법임을 알 수 있다.

• Smart Structures and Systems
• /
• v.32 no.2
• /
• pp.111-121
• /
• 2023

This study proposes an automated assembly performance evaluation method for prefabricated steel structures (PSSs) using machine learning methods. Assembly component images were segmented using a modified version of the receptive field pyramid. By factorizing channel modulation and the receptive field exploration layers of the convolution pyramid, highly accurate segmentation results were obtained. After completing segmentation, the positions of the bolt holes were calculated using various image processing techniques, such as fuzzy-based edge detection, Hough's line detection, and image perspective transformation. By calculating the distance ratio between bolt holes, the assembly performance of the PSS was estimated using the k-nearest neighbors (kNN) algorithm. The effectiveness of the proposed framework was validated using a 3D PSS printing model and a field test. The results indicated that this approach could recognize assembly components with an intersection over union (IoU) of 95% and evaluate assembly performance with an error of less than 5%.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.438-440
• /
• 2022

산업 현장에서 인력으로 작업할 수 있는 물리적 한계를 극복하기 위해 특수 목적 차량 작업 시 차량의 넘어짐 방지와 차체 보호를 위해 아웃트리거를 착지시키는데 도로 상태에 따라 사용자가 직접 최적화를 수행하는데 어려움이 존재한다. 본 논문에서는 도로 표면 상태를 신속하게 판단하여 아웃트리거 수직 및 수평 전개 착지 시 시간 소모, 안전사고 발생을 낮추기 위해 시멘틱 분할을 이용한 도로 표면 상태를 분석하는 연구를 수행하였다. 13가지로 구분된 도로 표면 상황에 대하여 DeepLabV3+를 통해 실험한 결과 픽셀 성능0.7819, mIoU 0.7085 결과를 도출하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• v.17 no.3
• /
• pp.861-880
• /
• 2023

Semantic segmentation of road scene is the key technology of autonomous driving, and the improvement of convolutional neural network architecture promotes the improvement of model segmentation performance. The existing convolutional neural network has the simplification of learning knowledge and the complexity of the model. To address this issue, we proposed a road scene semantic segmentation algorithm based on multi-task collaborative learning. Firstly, a depthwise separable convolution atrous spatial pyramid pooling is proposed to reduce model complexity. Secondly, a collaborative learning framework is proposed involved with saliency detection, and the joint loss function is defined using homoscedastic uncertainty to meet the new learning model. Experiments are conducted on the road and nature scenes datasets. The proposed method achieves 70.94% and 64.90% mIoU on Cityscapes and PASCAL VOC 2012 datasets, respectively. Qualitatively, Compared to methods with excellent performance, the method proposed in this paper has significant advantages in the segmentation of fine targets and boundaries.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.441-442
• /
• 2021

본 논문에서는 고해상도의 시계열 위성영상을 딥러닝 알고리즘으로 학습하여 도시 변화탐지를 수행한다. 고해상도 위성영상을 활용한 서비스는 4 차 산업혁명 융합 신사업 중 하나인 스마트시티에 적용하여 도시 노후화, 교통 혼잡, 범죄 등 다양한 도시 문제 해결 및 효율적인 도시를 구축하는데 활용이 가능하다. 이에 본 연구에서는 도시 변화탐지를 위한 딥러닝 알고리즘으로 DeepLabV3+를 사용한다. 이는 인코더-디코더 구조로, 공간 정보를 점진적으로 회복함으로써 더욱 정확한 물체의 경계면을 찾을 수 있다. 제안하는 방법은 DeepLabV3+의 레이어와 loss function 을 수정하여 기존보다 좋은 결과를 얻었다. 객관적인 성능평가를 위해, 공개된 데이터셋 LEVIR-CD 으로 학습한 결과로 평균 IoU 는 0.87, 평균 Dice 는 0.93 을 얻었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.26-27
• /
• 2021

본 논문에서는 딥러닝 영상기술을 활용해 파프리카 잎에서 나타나는 병해를 분류하는 연구를 진행하였다. 비파괴 방법으로 파프리카 잎 뒷면을 촬영하면 잎을 잡는 손이 파프리카 잎을 가리는 영역이 부분적으로 나타나고, 이는 학습을 방해하는 요소가 된다. 이를 해결하기 위해 잎의 영역을 먼저 찾고 그 외의 배경영역을 없애고, 병해를 진단할 수 있도록 모델을 설계하였다. 잎의 영역을 찾아내는 모델은 86.7%의 IoU(Intersection over Union)의 값을 얻었고, 병해를 진단하는 분류 정확도는 86.4%을 얻었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.673-674
• /
• 2020

의식주 중에서 자신을 표현하고 외부와의 교류를 할 수 있는 분야는 패션분야로서 인간 생활과 밀접한 관계를 가지고 있으며 사람들의 개인화된 성향 변화 및 인터넷 환경의 개선으로 트렌드는 빠르게 변화하고 있다. 인공지능 기술의 발전은 단순히 객체의 검출 및 분류에서 벗어나 패션 아이템의 분석 및 세부적인 속성을 분석할 수 있는 수준에 다다랐으며 인공지능 기술을 활용하여 사용자에게 추천할 수 있는 서비스가 출시되고 있다. 패션 트렌드의 빠른 변화 및 인공지능 기술의 발전으로 이를 활용한 플랫폼에 기반을 두어 디자이너에게는 디자인 기술을 향상시킬 수 있으며 사용자에게는 개인화된 제품을 구매할 수 있는 플랫폼 개발이 요구되고 있다. 본 논문에서는 인공지능 기술 기반 패션 분석 기술 개발을 위하여 패션 검출 모듈, 패션 검색 모듈, 패션 검색을 위한 벡터 검색 모듈, 상하의 분리를 위한 세그먼테이션 모듈, 패션 복종 분류 모듈을 개발하여 통합하였으며 패션 검색 정확도는 Top-5 기준 75.28%, 벡터 검색 속도는 벡터당 0.002m sec 이하, 세그먼테이션 추출 정확도 87.6%이상, 패션 검출 결과 IoU 0.5 환경에서 96.2%, 복종분석 90.54%의 성능을 보였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2019.11a
• /
• pp.51-53
• /
• 2019

연안 해역을 운항하는 예부선의 위험요소 중 예인선과 부선을 연결하는 예인줄을 타 선박이 인식하지 못하여 발생하는 해양사고를 분석하고 사물인터넷(IoT) 활용을 통한 예부선의 예인줄 시인성 강화로 해양사고 예방을 모색.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.13-14
• /
• 2023

집중 안전 점검의 대상인 노후 건축물에서 균열은 건물의 안전도를 점검할 수 있는 지표이다. 안전 점검에 드론을 활용하면서 고해상도의 드론 기반 균열 이미지 수집이 가능해졌고, 육안이 아닌 AI기반으로 균열을 탐지, 구획화할 수 있다. 본 연구에서는 주변 사물과 배경에 구애받지 않고 안전 점검이 가능한 구획화 알고리즘을 제안한다. METU와 POC데이터셋을 가공하여 데이터셋을 구축하고, 이를 바탕으로 ResNet50을 통해 균열과 유사한 배경을 분류하였으며, 균열 구획화 모델을 선정하여 DesneNet201-UNet++으로 mIoU 82.27%를 달성하였다. 본 연구는 노후 건축물 안전 점검에 필요한 균열 폭 추정에 도움이 될 것으로 기대된다.