• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.183-192
• /
• 2023

위성영상 및 항공사진과 같은 원격탐사 자료들은 영상판독과 영상처리 기법을 통하여 영상 내의 객체를 탐지하고 추출하는 데에 사용될 수 있다. 특히, 원격탐사 자료의 해상도가 향상되고, 딥러닝(deep learning) 모델 등과 같은 기술의 발전으로 인하여 관심객체를 자동으로 추출하여 지도갱신 및 지형 모니터링 등에 활용될 수 있는 가능성이 증대되고 있다. 이를 위해, 본 연구에서는 의미론적 분할에 사용되는 대표적인 딥러닝 모델인 fully convolutional densely connected convolutional network (FC-DenseNet)을 기반으로 하여 항공정사영상 내 존재하는 비닐하우스를 추출하고, 이에 대한 결과를 정량적으로 평가하였다. 농림축산식품부의 팜맵(farm map)을 이용하여 담양, 밀양지역의 비닐하우스에 대한 레이블링을 수행하여 훈련자료를 생성하고, 훈련자료를 이용하여 FC-DenseNet의 훈련을 수행하였다. 원격탐사자료에 딥러닝 모델을 효과적으로 이용하기 위하여, 각 밴드별 특성이 유지되도록 instance norm을 이용하여 정규화과정을 수행하였으며, attention module을 추가하여 각 밴드별 가중치를 효과적으로 산정하였다. 실험결과, 딥러닝 모델을 이용하여 영상 내 존재하는 비닐하우스 지역을 효과적으로 추출할 수 있음을 확인하였으며 팜맵, 토지피복지도 등의 갱신에 활용될 수 있을 것으로 판단하였다.

• 대한전자공학회논문지SP
• /
• 제48권5호
• /
• pp.30-38
• /
• 2011

본 논문은 군집 주제의 유의어와 유사도를 이용하여 문서군집의 성능을 향상시키는 방법을 제안한다. 제안된 방법은 비음수 행렬분해의 의미특징을 이용하여 군집 주제(topic)의 용어들을 선택함으로서 문서 군집 집합의 내부구조를 잘 표현할 수 있으며, 군집 주제의 용어들에 워드넷의 유의어를 사용하여서 확장함으로써 문서를 용어집합(BOW, bag-of-words)으로 표현하는 문제를 해결할 수 있다. 또한 확장된 군집 주제의 용어와 문서집합에 코사인 유사도를 이용하여서 군집의 주제에 적합한 문서를 잘 군집하여서 성능을 높일 수 있다. 실험결과 제안방법을 적용한 문서군집방법이 다른 문서군집 방법에 비하여 좋은 성능을 보인다.

• 한국ITS학회 논문지
• /
• 제8권6호
• /
• pp.36-45
• /
• 2009

최근 도로상의 비디오 영상에서 다양한 저차원 정보를 바탕으로 자동 차량 흐름 파악과 사고 탐지에 관해 관심이 높아지고 있다. 본 논문에서는 CCTV 동영상 교통관리시스템을 이용하여 자동으로 차량의 흐름을 파악하고 이를 이용하여 교통체증과 더 나아가 사고탐지를 위한 알고리즘과 그 응용에 대해 연구하였다. 이를 위하여 우선 움직임 객체를 시공간 관계 모델링을 통해 차량의 실제 궤적과 매핑하고 이를 통해 차량의 흐름 파악에 사용하였다. 또한 시공간 관계 모델링과 차량의 실제 궤적간 매핑을 위해 TSR (Tangent Space Representation) 알고리즘을 사용하였다. 또한, 객체의 움직임 추출을 위해 먼저 차(Differece)영상을 이용하여 움직임 객체 추출을 하였고, 이를 통하여 객체의 움직임 트래킹(Tracking)을 하고 각 객체에 번호를 부여하여 동시에 여러 객체를 인식시키고 이를 저장하였다. 이를 통하여 의미적 움직임 객체를 인식하고, 차량 흐름을 파악하는 어플리케이션을 구현하였다. 본 연구를 통해 기본적인 움직임 객체에 대한 의미적인 결과를 얻을 수 있었고, 나아가 CCTV를 이용한 자동 사고 탐지에 관한 연구로 확장시킬 수 있을 것으로 기대된다.

• 인터넷정보학회논문지
• /
• 제4권4호
• /
• pp.1-8
• /
• 2003

최근 멀티미디어 정보 시스템의 발전으로 저차원적 내용 기반 이미지 색인$\cdot$검색 방법에서 의미론적 개념기반 색인$\cdot$검색에 대한 연구로 바뀌어져가고 있다. 본 논문에서는 주석기반 이미지 검색에서 개념적 이질성을 극복하기 위해 온톨로지 이론의 적용에 대하여 분석하며, 또한 개념적 이질성 극복방안에 따른 온톨로지 적용 시 발생하는 문제점을 해결하고자 한다. 따라서 본 논문에서는 시각데이터에서 개념적 이질성을 극복하기 위해 새로운 도메인 온톨로지를 도입하고 온톨로지 적용 시 문제점들을 해결한다. 실험 결과, 기존의 대형 온톨로지의 하나인 WordNet을 사용한 것보다 단어들 간의 의미적 거리가 상당히 가까워짐에 따라 개념적 이질성을 극복할 수 있었다. 또한 도메인 온톨로지를 적용하여 주석기반 이미지 검색 시 대형 온톨로지가 가지고 있던 문제점을 해소하여 좀더 의미적 이미지 검색이 가능함을 보이고 있다.

• Journal of health informatics and statistics
• /
• 제43권4호
• /
• pp.274-281
• /
• 2018

Objectives: The purpose of this study is to comprehensively compare the trends of health administration and health policy in the field of health care using the semantic network analysis in the inaugural address of the Ministry of Health and Welfare of each regime in Korea. Methods: This study used a language network analysis method that uses Korean Key Words In Context (KrKwic) program and NetMiner program in sequence. The analysis was conducted by Minister Hwa-joong Kim during the Moo-hyun Roh government, Minister Jae-hee Jeon during the Myung-bak Lee government, Minister Young Jin of Geun-hye Park government and Government Jae-in Moon's inaugural address of Neung-Hoo Park Minister, respectively. Results: The key words differentiated by each regime are that the Moo-hyun Roh Government's Minister Hwa-joong Kim had high connection centrality values in the words 'balanced development', 'comprehensive' and 'reform'. Minister Jae-Hee Jeon of Myung-bak Lee Government had high connection centrality values in the words 'poverty' and 'return'. In the case of Minister Young Jin of Geun-hye Park Government had high connection centrality values in the words 'demand', 'Customized' and 'Life cycle'. In the case of Minister Neung-Hoo Park of Jae In Moon Government had high connection centrality values in the words 'Welfare state', 'Embracing' and 'Soundness'. Conclusions: If the role of health administration in the health care field and the health care policies are constantly changed according to the policies of each regime, it is inconsistent and it is difficult to approach from the long term perspective for public health promotion. In the future, health policy should be developed and implemented with a long-term perspective and consistency based on the consensus and participation of the people with less influence on the change and direction of each government's policies.

• 대한원격탐사학회지
• /
• 제38권4호
• /
• pp.395-409
• /
• 2022

The purpose of this study is to evaluate the classification performance and applicability when land cover datasets constructed for AI training are cross validation to other areas. For study areas, Gyeongsang-do and Jeolla-do in South Korea were selected as cross validation areas, and training datasets were obtained from AI-Hub. The obtained datasets were applied to the U-Net algorithm, a semantic segmentation algorithm, for each region, and the accuracy was evaluated by applying them to the same and other test areas. There was a difference of about 13-15% in overall classification accuracy between the same and other areas. For rice field, fields and buildings, higher accuracy was shown in the Jeolla-do test areas. For roads, higher accuracy was shown in the Gyeongsang-do test areas. In terms of the difference in accuracy by weight, the result of applying the weights of Gyeongsang-do showed high accuracy for forests, while that of applying the weights of Jeolla-do showed high accuracy for dry fields. The result of land cover classification, it was found that there is a difference in classification performance of existing datasets depending on area. When constructing land cover map for AI training, it is expected that higher quality datasets can be constructed by reflecting the characteristics of various areas. This study is highly scalable from two perspectives. First, it is to apply satellite images to AI study and to the field of land cover. Second, it is expanded based on satellite images and it is possible to use a large scale area and difficult to access.

• 한국측량학회지
• /
• 제37권6호
• /
• pp.435-444
• /
• 2019

최근 딥러닝(DL)은 여러 분야에서 급속도로 활용되고 있으며, 특히 영상으로부터 객체를 인식하여 분류하고 인식하기 위한 컴퓨터비전 분야에서 활발하게 연구가 진행되고 있다. 영상분야에서는 주로 합성곱 신경망(CNN)을 이용한 딥러닝 모델의 성능 향상에 주력하고 있다. 대부분의 합성곱 신경망은 영상을 학습시켜 영상분류 및 객체인식에 활용하고 있지만, 본 논문에서는 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 수치표면모델(DSM)과 이 데이터로부터 생성한 경사 및 주향 정보를 효율성과 성능이 우수하다고 평가받는 합성곱 신경망기반의 SegNet 모델에 적용하여 객체를 분류하고 분석하였다. 딥러닝은 고사양의 컴퓨터 시스템과 다량의 학습 데이터와 라벨 데이터가 필요하고, 다수의 시행착오에 의한 풍부한 경험이 요구된다. 또한 본 논문에서는 한정된 수량의 데이터로부터 효율적인 학습을 위한 데이터 생성 방법을 제시하고 수치표면모델을 분류하였다. 분석 결과 수치표면모델 데이터와 이로부터 도출한 부가적인 데이터를 딥러닝 모델에 적용해도 객체를 타당한 정확도로 분류할 수 있음을 확인하였다.

• 한국융합학회논문지
• /
• 제11권6호
• /
• pp.145-151
• /
• 2020

한국의 국가 브랜드 중 하나인 '한식'에 대한 내국인 소비자 인식 파악을 위해 검색어 '한식'으로 데이터 수집을 진행하였다. 분석 프로그램 텍스톰(Textom3.5)을 사용하여 2018년 11월 1일부터 2019년 10월 31일까지의 네이버 블로그와 뉴스 데이터를 수집하였다. 빈도 분석과 TF-IDF 분석 결과, 한식의 인식에서 '뷔페'가 가장 중요한 부분을 차지했다. 스타 셰프의 방송 콘텐츠가 한식의 인식에 영향을 미치고 있었으며, '퓨전화'와 '고급화' 등 한식에 대한 인식이 비단 전통성에 머무르고 있지만은 않음을 알 수 있었다. UCINET6와 NetDraw를 활용한 CONCOR 분석 결과, 다양한 식문화의 클러스터, 방송에 출연한 고급 레스토랑의 클러스터, 한식 브랜드 클러스터, 한식 뷔페의 클러스터가 형성되었다. 한식의 연상 이미지 강화를 위한 방안으로 뷔페 메뉴의 다양성을 차용한 한식 개발, 고급화된 한식 홍보를 위한 미디어 노출, 간편식 수요에 대한 마케팅적 시각과 콘텐츠 개발을 제안하는 바이다.

• 한국측량학회지
• /
• 제40권2호
• /
• pp.91-108
• /
• 2022

대부분의 경우 광학 RGB 영상을 딥러닝(DL: Deep learning)의 학습 데이터로 사용하여 객체탐지, 인식, 식별, 분류, 의미적 분할 및 객체 분할 등을 수행하지만, 실세계의 3차원 객체들을 2차원 영상으로 완전하게 파악하는 것은 한계가 있다. 그러므로 대표적인 3차원 지형 공간정보인 수치표면모델(DSM: Digital Surface Model)과 더불어 DSM에 내재된 특성정보를 이용하여 3차원 지형지물을 분석하는 것이 효과적이다. 건물과 같이 기하학적으로 정형화된 형태의 인공구조물은 3차원 공간데이터로부터 얻을 수 있는 기하학적 요소와 특성을 이용하여 객체의 분류와 형상 묘사가 가능하다. 이 연구는 고차원 시각정보(high-level visual information) 시스템에서 중요한 역할을 하는 내재된 고유의 특성정보(intrinsic information)를 기반으로 하며, 이를 위하여 객체의 기하학적 요소인 경사와 주향을 DSM으로부터 도출하고, 다방향에서 생성한 음영기복영상(SRI: Shaded Relief Image)과 함께 DL 모델의 학습 수행에 사용하였다. 실험은 ISPRS (International Society for Photogrammetry and Remote Sensing)에서 제공하는 데이터 셋 중에서 DSM과 레이블 데이터를 객체의 의미적 분류를 위해 개발된 합성곱 기반의 SegNet 학습에 사용하였다. 지형지물을 분류하고 분류 결과를 이용하여 건물을 추출하였다. 특히 DL 모델의 학습 성능 향상을 위해 학습 데이터의 여러 조합에 따른 시너지 효과를 분석하는 것에 핵심이다. 제안한 방법은 건물 분류와 추출에 효과적임을 보여주고 있다.

• 대한원격탐사학회지
• /
• 제40권1호
• /
• pp.71-80
• /
• 2024

이 연구에서는 무인 항공기(Unmanned Aerial Vehicle, UAV)가 캡처한 이미지의 의미론적 토지 피복 분할 성능을 향상시키기 위한 앙상블 학습 기법을 제안하고 있다. 도시 계획과 같은 분야에서 UAV 사용이 증가함에 따라 토지 피복 분할을 위한 딥러닝 분할 방법을 활용한 기술 개발이 활발히 이루어지고 있다. 이 연구는 대표적인 분할 모델인 U-Net, DeepLabV3 그리고 Fully Convolutional Network (FCN)를 사용하여 분할 예측 성능을 개선하는 방법을 제안한다. 제안된 접근 방식은 세 가지 분할 모델의 훈련 손실, 검증 정확도 및 클래스별 점수를 통합하여 앙상블 모델을 개발하고 전반적인 예측 성능을 향상시킨다. 이 방법은 건물, 도로, 주차장, 논, 밭, 나무, 빈 공간, 미분류 영역을 포함하는 일곱 가지 클래스가 있는 토지 피복 분할 문제에 적용하여 평가하였다. 앙상블 모델의 성능은 mean Intersection over Union (mIoU)으로 평가하였으며, 제안된 앙상블 모델과 기존의 세 가지 분할 방법을 비교한 결과 mIoU 성능이 향상되었음이 나타났다. 따라서 이 연구는 제안된 기술이 의미론적 분할 모델의 성능을 향상시킬 수 있음을 확인하였다.