• 대한원격탐사학회지
• /
• 제37권6_3호
• /
• pp.2011-2025
• /
• 2021

고해상도 위성영상 분류에서 다양한 색상을 가지는 건물들과 같이 동일한 클래스에 속하지만 색상 정보가 상이한 화소들이 클래스를 구성하는 경우에는 클래스를 대표하는 색상 정보를 결정하기가 어렵다. 본 논문에서는 클래스의 대표적인 색상 정보를 결정하는 문제를 해결하기 위해 HSV(Hue Saturation Value)의 색상 채널을 분할하고 객체 기반의 분류를 수행하는 방법을 제안한다. 이를 위해 RGB 컬러 공간의 입력 영상을 HSV 컬러 공간의 성분으로 변환한 후에 색상(Hue) 성분을 일정 간격의 서브채널로 분할한다. 각 색상 서브채널에 대해 최소거리기반의 영상 분류를 수행하고 분류 결과를 영상 분할 결과와 결합한다. 제안한 방법을 아리랑3A 위성영상에 적용한 결과 overall accuracy는 84.97%, kappa coefficient는 77.56%로 나타났고 상용 소프트웨어 대비 분류 정확도가 10% 이상 개선된 결과를 보였다.

• 한국정보통신학회논문지
• /
• 제21권1호
• /
• pp.144-150
• /
• 2017

최근 데이터의 지능적 처리 및 정확도 향상을 위해 딥러닝 기술이 응용되고 있다. 이 기술은 다층의 데이터 처리 레이어들로 구성된 계산 모델을 통해 이루어지는데, 이 모델은 여러 수준의 추상화를 거쳐 데이터의 표현을 학습한다. 딥러닝의 한 부류인 컨볼루션 신경망은 인간 행동 추정, 얼굴 인식, 이미지 분류, 음성 인식 같은 연구 분야에서 많이 활용되고 있다. 이미지 분류에 좋은 성능을 보여주는 컨볼루션 신경망은 깊은 학습망과 많은 부류를 이용하면 효과적으로 분류율을 높일수 있지만, 적은 부류의 데이터를 사용할 경우, 과적합 문제가 발생할 확률이 높아진다. 따라서 본 논문에서는 컨볼루션 신경망기반의 소부류의 분류을 위한 학습망을 제작하여 자체적으로 구축한 이미지 DB를 학습시키고, 객체를 분류하는 연구를 실험 하였으며, 1000개의 부류를 분류하기 위해 제작된 기존 공개된 망들과 비교 실험을 통해 기존 망보다 평균 7.06%이상의 상승된 분류율을 보여주었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.4-6
• /
• 2003

A holistic representation, such as sparse ceding or independent component analysis (ICA), was successfully applied to explain early auditory processing and sound classification. In contrast, Part-based representation is an alternative way of understanding object recognition in brain. In this paper. we employ the non-negative matrix factorization (NMF)［1］which learns parts-based representation for sound classification. Feature extraction methods from spectrogram using NMF are explained. Experimental results show that NMF-based features improve the performance of sound classification over ICA-based features.

• 한국콘텐츠학회논문지
• /
• 제16권7호
• /
• pp.31-41
• /
• 2016

하이퍼스펙트럴 영상을 이용하여 토지피복 분류를 정확히 수행하기 위해서는 전처리 작업으로서 대기보정을 거쳐야 한다. 항공 하이퍼스펙트럴 영상에 대하여 대기보정을 실시하고 대기보정 유 무에 따른 해수, 갯벌, 식생, 아스팔트, 콘크리트 등의 토지피복 항목별 분광반사율 특성을 비교하여 대기보정의 뚜렷한 효과를 확인할 수 있었다. 대기보정 후의 영상에 대하여 최대우도법, 분광각맵퍼법 등의 화소기반 감독분류기법으로 각각 토지피복 분류를 행하고 그 결과를 비교하였다. 분광각맵퍼법의 경우 임계각 $0.4^{\circ}$에서 노이즈를 최소화하면서 해수영역을 가장 양호하게 분류해 낼 수 있었다. 같은 개체라도 다양한 분광특성을 나타내는 하이퍼스펙트럴 영상의 경우 연안지역에서는 종래의 화소기반 분류기법보다는 축척, 분광 정보, 형태, 결 등을 종합적으로 고려하는 객체기반 분류기법이 더 우월할 것으로 사료된다.

• 한국멀티미디어학회논문지
• /
• 제25권6호
• /
• pp.769-782
• /
• 2022

A study on agricultural automation became more important. In Korea, sweet persimmon farmers spend a lot of time and effort on classifying profitable persimmons. In this paper, we propose and implement an efficient grading algorithm for persimmons before shipment. We gathered more than 1,750 images of persimmons, and the images were graded and labeled for classifications purpose. Our main algorithm is based on EfficientDet object detection model but we implemented more exquisite method for better classification performance. In order to improve the precision of classification, we adopted a machine learning algorithm, which was proposed by PyCaret machine learning workflow generation library. Finally we acquired an improved classification model with the accuracy score of 81%.

• 한국산업정보학회논문지
• /
• 제11권1호
• /
• pp.77-85
• /
• 2006

본 논문에서는 내용기반 영상 분류를 위한 방법론으로써 신경망을 이용한 계층적 분류 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 특징으로는 웨이블릿 변환 후 추출된 형태 특징과 질감 특징을 이용한다. 추출된 특징 값들을 Principal Component Analysis(PCA)와 K-means를 이용해서 군집화 시키고 유사한 군집들을 묶으면서, 5단계의 계층적 분류기를 구성한다. 계층적 분류기는 BP를 학습 알고리즘으로 사용하는 59개의 신경망분류기로 구성된다. 배경을 제거하고 질감특징 중 가장 높은 분류율을 보이는 대각 모멘트를 사용하여 실험하였을 때, 100종류에서 각 10개씩, 총 1000개의 학습 데이터와 1000개의 테스트 데이터에 대하여 각각 81.5%와 75.1%의 정분류율을 보였다.

• 한국멀티미디어학회논문지
• /
• 제20권8호
• /
• pp.1271-1281
• /
• 2017

It is essential to collect and analyze target information around the vehicle for autonomous driving of the vehicle. Based on the analysis, environmental information such as location and direction should be analyzed in real time to control the vehicle. In particular, obstruction or cutting of objects in the image must be handled to provide accurate information about the vehicle environment and to facilitate safe operation. In this paper, we propose a method to simultaneously generate 2D and 3D bounding box proposals using LiDAR Edge generated by filtering LiDAR sensor information. We classify the classes of each proposal by connecting them with Region-based Fully-Covolutional Networks (R-FCN), which is an object classifier based on Deep Learning, which uses two-dimensional images as inputs. Each 3D box is rearranged by using the class label and the subcategory information of each class to finally complete the 3D bounding box corresponding to the object. Because 3D bounding boxes are created in 3D space, object information such as space coordinates and object size can be obtained at once, and 2D bounding boxes associated with 3D boxes do not have problems such as occlusion.

• 한국측량학회지
• /
• 제28권6호
• /
• pp.627-636
• /
• 2010

영상분할은 관심대상이 되는 물체의 영역을 추출하기 위한 객체기반 영상분류의 전처리과정으로서 원격 탐사 영상분석에서 그 중요성 날로 커지고 있다. 본 연구에서는 고해상도 위성영상의 분광 및 공간정보를 반영할 수 있는 새로운 분할방법을 제안한다. 이를 위해 우선 다중분광 에지정보의 지역적 변이특성을 이용하여 영상에서 자동으로 초기시드 점을 추출하였다. 추출된 시드 점과 이웃하는 점들과의 유사성을 기반으로 영역 확장의 우선순위를 결정하는 MSRG가법을 이용하여 영상분할을 수행하였다. 제안된 기법의 효율성을 평가하기 위해 기존에 위성영상분할에 많이 사용된 유역분할법과 영역성장기법과의 시각적/정량적 비교평가를 수행하였다. 정량적 비교평가 방법으로는 무감독 영상분할 평가 측정치와 동일한 조건하에서 수행된 객체기반 분류 정확도를 이용하였다. 실험 결과 제안한 기법은 고해상도 위성영상의 객체기반분석에 유용하게 적용될 수 있으리라 판단된다.

• 전기학회논문지
• /
• 제67권4호
• /
• pp.578-585
• /
• 2018

In this paper, we propose a classification and theft detection system for human and livestock for various moving objects in a barn. To do this, first, we extract the moving objects using the GMM method. Second, the noise generated when extracting the moving object is removed, and the moving object is recognized through the labeling method. And we propose a method to classify human and livestock using model formation and color for the unique form of the detected moving object. In addition, we propose a method of tracking and overlapping the classified moving objects using Kalman filter. Through this overlap determination method, an event notifying a dangerous situation is generated and a theft determination system is constructed. Finally, we demonstrate the feasibility and applicability of the proposed system through several experiments.

• 대한원격탐사학회지
• /
• 제36권2_2호
• /
• pp.277-292
• /
• 2020

본 연구에서는 천수만 황도 갯벌 지역을 대상으로 UAV 자료와 객체기반영상분석 방법을 사용하여 대축척 갯벌 표층 퇴적상 분류도를 작성하고, 정확도 검증을 수행하여 정밀한 표층 퇴적상 분류의 가능성과 보다 정확한 분류 방법에 대해 제시하였다. 이를 위해 고해상도 UAV 자료에서 가시광 영역의 정사영상과 수치표고모델(DEM), 조류로 밀도 등 퇴적상 분류 시 영향을 주는 요인들을 추출하고, 통계학적 분석 방법을 통해 퇴적상에 따른 요인들의 주성분을 분석하였다. 주성분 요인을 바탕으로 퇴적상 분류 시 사용할 입력 자료를 (1) 가시광 영역의 스펙트럼, (2) 지형 고도와 조류로 밀도, (3) 가시광 영역의 스펙트럼과 지형 고도 및 조류로 밀도로 구분하였으며, 이를 기반으로 객체기반영상분석 분류방법에 입력 자료를 적용하여 대축척 갯벌 표층 퇴적상 분류도를 추출하였다. 입력 자료의 조건에 따라 표층 퇴적상 분류를 수행한 결과, folk 분류 기준을 따르는 6가지의 표층 퇴적상으로 분류하였고, 가시광 영역의 스펙트럼과 지형 고도, 조류로 밀도를 사용할 경우 전체 정확도가 63.04%, Kappa 지수가 0.54로 가장 효과적으로 표층 퇴적상을 분류하였다.