• 한국멀티미디어학회논문지
• /
• 제5권5호
• /
• pp.505-514
• /
• 2002

본 논문에서는 내용기반 영상 분류를 위한 방법론으로써 신경망을 이용한 방법을 제안한다. 분류 대상 영상은 인터넷상의 다양한 영상들 중에서 전경과 배경의 구분이 있는 객체 영상이다. 전처리 과정에서 영역 분할을 이용하여 영상 내에서 배경을 제거하고 객체 영역을 추출한다. 분류를 위한 특징은 웨이블릿 변환 후 푸출된 형태 특징과 질감특징을 이용한다 추출된 특징 값들을 이용하여 영상들에 대한 학습패턴을 생성하고 신경망 분류기를 구성 한다. 신경망의 학습 알고리즘은 역전파 알고리즘을 사용한다. 가장 효과적인 질감특징을 선 택 하기 위한 실험에서는 대각 모멘트가 가장 높은 분류률을 보여 주었다. 배경을 제거 하고 대각 모멘트를 특징으로 사용하여 실험하였을 때, 30종류에서 각 10개씩 총 300개의 학습 데이터와300개의 테스트 데이터에 대하여 각각 72.3%와 67%의 정분류률을 보였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권1호
• /
• pp.85-89
• /
• 2010

대부분의 영상들은 여러 객체 영역들의 시각적인 특징과 각각의 의미들의 조합으로 구성되어 있다. 그러나 일반적으로 영상 처리를 위한 컴퓨터 시스템들은 영상을 특정 객체 영역의 의미 정보 단위로 해석하지 못하기 때문에 사람이 영상을 인지하는 것과 의미적인 차이(semantic gap)가 발생한다. 본 논문에서는 이러한 문제점을 극복하기 위하여 각 객체 영역 단위에서 추출한 고유한 특징점들을 고차원의 의미 정보로 모델링하여 영상을 분류하는 방법을 제안한다. 제안하는 방법은 객체 단위로 추출된 고유한 특징점들의 의미 정보를 특정 객체 영역을 인식하기 위한 의미 단서로 이용한다. 이를 통하여 기존의 영상 분류 방법들에 비하여 인간의 인지 능력과 유사하고 보다 효율적으로 영상을 분류할 수 있는 장점이 있다. 실험 결과는 다양한 카테고리 종류의 영상에 대하여 제안하는 방법의 효과적인 분류 성능을 보여준다.

• 한국멀티미디어학회논문지
• /
• 제25권10호
• /
• pp.1524-1534
• /
• 2022

This study proposes the classification model of Minhwa genre based on object detection of deep learning. To detect unique Korean traditional objects in Minhwa, we construct custom datasets by labeling images using object keywords in Minhwa DB. We train YOLOv5 models with custom datasets, and classify images using predicted object labels result, the output of model training. The algorithm consists of two classification steps: 1) according to the painting technique and 2) genre of Minhwa. Through classifying paintings using this algorithm on the Internet, it is expected that the correct information of Minhwa can be built and provided to users forward.

• 한국BIM학회 논문집
• /
• 제13권4호
• /
• pp.96-105
• /
• 2023

This study focuses on developing a building object recognition technology for efficient use in the remodeling of buildings constructed without drawings. In the era of the 4th industrial revolution, smart technologies are being developed. This research contributes to the architectural field by introducing a deep learning-based method for automatic object classification and recognition, utilizing point cloud data. We use a TD3D network with voxels, optimizing its performance through adjustments in voxel size and number of blocks. This technology enables the classification of building objects such as walls, floors, and roofs from 3D scanning data, labeling them in polygonal forms to minimize boundary ambiguities. However, challenges in object boundary classifications were observed. The model facilitates the automatic classification of non-building objects, thereby reducing manual effort in data matching processes. It also distinguishes between elements to be demolished or retained during remodeling. The study minimized data set loss space by labeling using the extremities of the x, y, and z coordinates. The research aims to enhance the efficiency of building object classification and improve the quality of architectural plans by reducing manpower and time during remodeling. The study aligns with its goal of developing an efficient classification technology. Future work can extend to creating classified objects using parametric tools with polygon-labeled datasets, offering meaningful numerical analysis for remodeling processes. Continued research in this direction is anticipated to significantly advance the efficiency of building remodeling techniques.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2004년도 Proceedings of ISRS 2004
• /
• pp.125-127
• /
• 2004

High-resolution satellite images offer abundance information of the earth surface for remote sensing applications. The information includes geometry, texture and attribute characteristic. The pixel-based image classification can't satisfy high-resolution satellite image's classification precision and produce large data redundancy. Object-oriented information extraction not only depends on spectrum character, but also use geometry and structure information. It can provide an accessible and truly revolutionary approach. Using Beijing Spot 5 high-resolution image and object-oriented classification with the eCognition software, we accomplish the cultures' precise classification. The test areas have five culture types including water, vegetation, road, building and bare lands. We use nearest neighbor classification and appraise the overall classification accuracy. The average of five species reaches 0.90. All of maximum is 1. The standard deviation is less than 0.11. The overall accuracy can reach $95.47\%.$ This method offers a new technology for high-resolution satellite images' available applications in remote sensing culture classification.

• Journal of Forest and Environmental Science
• /
• 제32권4호
• /
• pp.384-391
• /
• 2016

In this study, regions infected by pine wilt disease were extracted by using object-based classification method (OB-infected region), and the characteristics of special distribution about OB-infected region were figured out. Scale 24, Shape 0.1, Color 0.9, Compactness 0.5, and Smoothness 0.5 was selected as the objected-based, optimal weighted value of OB-infected region classification. The total accuracy of classification was high with 99% and Kappa coefficient was also high with 0.97. The area of OB-infected region was approximately 90 ha, 16% of the total area. The OB-infected region in Age class V and VI was intensively distributed with 97% of the total. Also, The OB-infected region in Middle and Large DBH class was intensively distributed with 99% of the total. In terms of the topographic characteristics of OB-infected region, the damages occurred approximately 86% below the altitude of 200 m, and occurred 91% with a slope less than 10 degree. The damage occurred a lot in low hilly mountain and undulating slope. In addition, the accessibility to road and residential area from OB-infected region was less than 300 m in large part. Overall, it was figured out that artificial effect is stronger than natural effect with regard to the spread of pine wilt disease.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권9호
• /
• pp.1204-1217
• /
• 2004

기존의 통계적인 기법과 기계학습 기법 등을 이용한 자동 문서 분류는 주로 문서 벡터만으로 분류기를 학습하여 분류를 행하기 때문에 특정 범주로 문서를 분류하는데 명확치 않은 경우가 빈번히 발생하여 일정 수준 이상의 정확도를 얻는 데에는 한계를 보이고 있다. 이러한 문제를 해결하기 위해 본 논문에서는 기존 문서 분류 알고리즘에 범주 간의 관련성을 반영하여 분류를 시행하는 방법을 제안한다. 이 방법은 간단한 알고리즘에 비해 좋은 성능을 보이고 있는 k-NN 분류 알고리즘을 이용하여 일차적인 문서 분류를 수행한 후 특정 범주로 분류하기가 명확치 않을 경우, 객체 기반 시소러스에서 제공되는 범주들 간의 일반화 관계, 집성화 관계, 연관화 관계 그리고 인스턴스 관계를 이용하여 문서가 할당될 범주를 결정함으로써 자동 문서 분류의 정확도를 향상시킬 수 있다. 본 논문에서 제안된 방법으로 실험한 결과 k-NN 분류 알고리즘의 분류 결과에 비해 재현율은 유지되면서 최고 13.86% 까지 정확률이 향상되었다.

• 한국지리정보학회지
• /
• 제15권4호
• /
• pp.26-41
• /
• 2012

지구온난화와 함께 홍수와 가뭄 등 기후변화에 대비하기 위해서는 경지현황에 대한 신속하고 정확한 정보를 바탕으로 농업생산량을 효율적으로 관리, 예측, 대비하는 것이 필요하다. 본 연구는 시 도 규모 이상의 넓은 지역을 대상으로 농촌지역 토지피복도 제작을 지원할 수 있는 영상분류 알고리즘 개발을 목표로 객체기반 영상분석기법의 활용가능성과 한계를 검토해 보았다. 추가적인 공간자료의 사용이 최소화된 상태에서 다중시기 RapidEye 위성영상의 분광정보 활용가능성을 테스트해 보고자 하였으며, 사례연구지인 김제지역 일대($1,300km^2$)에 대한 토지피복 분류 정확도는 80.3%로 양호하게 나타났다. 분석에 사용된 RapidEye의 6.5m 공간해상도는 대체로 작은 규모로 경작되는 우리나라 경지의 공간적 특성 추출이 가능하다는 것을 보여주었으며, 객체기반의 영상분석 기법은 분석가의 전문지식을 분류과정에서 다양한 방법으로 구현해냄으로써 영상정보 활용의 최적화를 꾀할 수 있음을 보여주었다. 또한, 기개발된 영상분류 알고리즘을 저장하고, 분석목적에 맞게 세부 변수들을 조정하여 다른 지역 또는 다른 영상에 응용할 수 있다는 장점이 있다. 하지만, 객체기반 영상분류의 근간이 되는 영상분할 과정은 정량적으로 명확히 설명되지 않는 경우가 많아 분석자의 경험과 전문지식을 바탕으로 최선의 결과를 도출하는 것이 요구된다.

• 한국소프트웨어감정평가학회 논문지
• /
• 제17권1호
• /
• pp.59-66
• /
• 2021

Recently, conceptual information model is changing fast, and these changes are coming about as a result of individual tendency, social cultural, new circumstances and societal shifts within big data environment. Despite the data is growing more and more, now is the time to commit ourselves to the development of renewable, invaluable information of social/live commerce. Because we have problems with various insoluble data, we propose about deep learning prediction model-based object classification in social commerce of big data environment. Accordingly, it is an increased need of social commerce platform capable of handling high volumes of multiple items by users. Consequently, responding to rapid changes in users is a very significant by deep learning. Namely, promptly meet the needs of the times, and a widespread growth in big data environment with the goal of realizing in this paper.

• 한국컴퓨터정보학회논문지
• /
• 제24권2호
• /
• pp.127-137
• /
• 2019

In this study, we have developed a calculation system for BIM-based quantities, 4D process, and 5D construction costs, by integrating object shape attributes and the standard classification system which consist of Cost Breakdown System(CBS), Object Breakdown System(OBS) and Work Breakdown System(WBS) in order to use for the 4 dimensional process control of roads and rivers. First, a new BIM library database connected with the BIM library shape objects was built according to the CBS/OBS/WBS standard classification system of the civil engineering field, and a integrated database system of BIM-based quantities, process(4D), and construction costs(5D) for roads and rivers was constructed. Nextly, the process classification system and the cost classification system were automatically disassembled to the BIM objects consisting of the Revit-family style elements. Finally, we added functions for automatically generating four dimensional activities and generating a automatic cost statement according to the combination of WBS and CBS classification system The ultimate goal of this study was to extend the integrated quantities, process(4D), and construction costs(5D) system for new roads and rivers, enabling the integrated use of process(4D) and construction costs(5D) in the design and construction stage, based on the tasks described above.