• 자원환경지질
• /
• 제55권4호
• /
• pp.353-366
• /
• 2022

지구과학 데이터(지오데이터)의 공간 이질성, 희소성 및 고차원성으로 인해 공간 분포 추정에 어려움이 있다. 따라서 지구과학의 많은 응용 분야에서 지오데이터의 고유 특성을 고려할 수 있는 공간 추정 기법이 필요하다. 본 연구에서는 기계 학습 알고리즘 중 하나인 가우시안 혼합 모델(Gaussian Mixture Model; GMM)을 이용하여 공간 예측 방법을 제공하고자 하였다. 제안된 기법의 성능을 검증하기 위해, 옛 제련소 부지에서 휴대용 X선 형광분석기(PXRF) 및 유도결합플라즈마-원자방출분광법(ICP-AES)을 이용하여 분석된 토양 농도 자료를 활용하였다. ICP-AES를 이용해 분석된 As와 Pb를 주변수로 하고, 나머지 자료는 보조변수로 활용하였다. 다차원의 보조변수 중 중요 변수를 선별하기 위해 랜덤포레스트 기반의 변수선택법을 적용하였다. ICP-AES 및 PXRF를 통해 구축된 다변량 데이터를 사용한 GMM의 결과를 단변량 및 이변량 데이터를 사용한 정규 크리깅(Ordinary Kriging; OK) 및 정규 공동크리깅(Ordinary Co-Kriging; OCK)의 결과와 비교하였다. GMM의 결과는 OK 및 OCK의 결과보다 낮은 평균 제곱근 편차(RMSE; 비소는 최대 0.11 및 납은 0.33까지 향상)와 높은 상관관계(r; 비소는 최대 0.31 및 납은 0.46까지 향상)를 제공하였다. 이는 GMM을 사용할 경우 토양 오염의 범위 해석의 성능을 향상시킬 수 있음을 지시한다. 본 연구는 다 변량 공간추정 접근법이 복잡하고 이질적인 지질 및 지구 화학자료의 특징을 이해하는 데 효과적으로 적용될 수 있음을 증명하였다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.925-938
• /
• 2022

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다.

• 한국측량학회지
• /
• 제35권4호
• /
• pp.313-318
• /
• 2017

Land surface temperature is essential for monitoring abnormal climate phenomena such as UHI (Urban Heat Islands), and for modeling weather patterns. However, the quality of surface temperature obtained from the optical space imagery is affected by many factors such as, revisit period of the satellite, instance of capture, spatial resolution, and cloud coverage. Landsat 8 imagery, often used to obtain surface temperatures, has a high resolution of 30 meters (100 meters rearranged to 30 meters) and a revisit frequency of 16 days. On the contrary, MODIS imagery can be acquired daily with a spatial resolution of about 1 kilometer. Many past attempts have been made using both Landsat and MODIS imagery to complement each other to produce an imagery of improved temporal and spatial resolution. This paper applied machine learning methods and performed downscaling which can obtain daily based land surface temperature imagery of 30 meters.

• 디지털산업정보학회논문지
• /
• 제5권3호
• /
• pp.141-145
• /
• 2009

In this paper, we propose an efficient lossless compression algorithm using spatial and temporal information. The proposed method obtains higher lossless compression of images than other lossless compression techniques. It is divided into two parts, a motion adaptation based predictor part and a residual error coding part. The proposed nonlinear predictor can reduce prediction error by learning from its past prediction errors. The predictor decides the proper selection of the spatial and temporal prediction values according to each past prediction error. The reduced error is coded by existing context coding method. Experimental results show that the proposed algorithm has better performance than those of existing context modeling methods.

• ETRI Journal
• /
• 제42권3호
• /
• pp.399-410
• /
• 2020

Detecting visual relationships in an image is important in an image understanding task. It enables higher image understanding tasks, that is, predicting the next scene and understanding what occurs in an image. A visual relationship comprises of a subject, a predicate, and an object, and is related to visual, language, and spatial cues. The predicate explains the relationship between the subject and object and can be categorized into different categories such as prepositions and verbs. A large visual gap exists although the visual relationship is included in the same predicate. This study improves upon a previous study (that uses language cues using two losses) and a spatial cue (that only includes individual information) by adding relative information on the subject and object of the extant study. The architectural limitation is demonstrated and is overcome to detect all zero-shot visual relationships. A new problem is discovered, and an explanation of how it decreases performance is provided. The experiment is conducted on the VRD and VG datasets and a significant improvement over previous results is obtained.

• Child Studies in Asia-Pacific Contexts
• /
• 제5권1호
• /
• pp.21-38
• /
• 2015

This paper reviews Grammatical Mapping theory, a recently proposed theoretical paradigm for understanding children's acquisition of syntax, and ventures to apply the theory to the acquisition of semantics. Particularly, we focused on the domain of space, and proposed how children might acquire a unique system of spatial words in their mother tongue. Based on our review of evidence, we propose that there may be universal semantic primitives that serve as foundations of word meanings. We also propose that children must learn their mother tongue's semantic category system of spatial relations, from real time data. Finally, we argue that children's learning of word meanings may involve creation of a theory that makes sense to the child, and that this process of theory creation is possibly guided by universal principles and parameters.

• ETRI Journal
• /
• 제43권6호
• /
• pp.1058-1080
• /
• 2021

Crime is not a completely random event but rather shows a pattern in space and time. Capturing the dynamic nature of crime patterns is a challenging task. Crime prediction models that rely only on neighborhood influence and demographic features might not be able to capture the dynamics of crime patterns, as demographic data collection does not occur frequently and is static. This work proposes a novel approach for crime count and hotspot prediction to capture the dynamic nature of crime patterns using taxi data along with historical crime and demographic data. The proposed approach predicts crime events in spatial units and classifies each of them into a hotspot category based on the number of crime events. Four models are proposed, which consider different covariates to select a set of independent variables. The experimental results show that the proposed combined subset model (CSM), in which static and dynamic aspects of crime are combined by employing the taxi dataset, is more accurate than the other models presented in this study.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2023년도 봄 학술논문 발표대회
• /
• pp.349-350
• /
• 2023

In the field of domestic construction, 3D modeling mainly targets outdoor construction sites, and acquires outdoor spatial information by operating UAVs and UGVs equipped with cameras. 3D modeling of construction sites tends to expand its scope to indoors along with the increasing demand for site monitoring and management through indoor spatial information. In the case of indoors, it is impossible to shoot with a drone after the framework and outer walls of the building are completed, so it is necessary to collect indoor spatial information and 3D modeling using a 360 camera. The purpose of this study is limited to basic research to establish a process that can obtain simple and high-quality indoor 3D modeling results using indoor data collected from 360 cameras.

• 한국학교수학회논문집
• /
• 제13권2호
• /
• pp.303-322
• /
• 2010

본 연구의 목적은 기하학습 교구인 조립 교구인 4D Frame 활용 학습이 초등학생들의 공간 지각 능력 신장에 미치는 영향을 분석함으로써 수학 교수 학습 방법의 개선에 도움을 주기 위한 것이다. 서울시내 5학년 2개 반을 임의로 선정하여 한 학급은 기하 교구를 활용한 수업을 실시하는 실험 집단(31명)으로, 한 학급은 일반 수학 수업을 실시하는 비교 집단(32명)으로 선정하여 한 달간 10차시의 수업을 실시하였다. 본 연구에 사용한 실험 설계는 준 실험 설계(Qusai-Experimental-Design) 중 이질 통제 집단 전후 검사 설계(Nonequivalent control group pretest-posttest design)를 적용하였다. 실시한 검사 도구는 공간 감각 검사로 사전 사후 모두 동형 검사지를 사용하였다. 또한 수업 관찰 분석과 학생들의 학습지에 대한 반응을 분석하였다. 연구의 결과 첫째, 기하 교구의 활용 학습은 공간 지각 능력 신장에 있어서 효과적이었다. 둘째, 기하 교구의 활용 학습은 공간 감각에 있어서 지각의 일관성과 공간 관계의 지각력 신장에 있어서 효과적이었다. 그리고 후속 연구로 동일 교구의 보다 광범위한 적용 및 다양한 교구의 개발을 제언하였다.

• 대한원격탐사학회지
• /
• 제34권5호
• /
• pp.811-827
• /
• 2018

본 연구의 목적은 다중시기 원격탐사 자료를 이용한 작물분류에서 기계학습 알고리즘과 딥러닝 알고리즘의 비교에 있다. 이를 위해 전라남도 해남군과 미국 Illinois 주의 작물 재배지를 대상으로 기계학습 알고리즘과 딥러닝 알고리즘에 대해 (1) 하이퍼파라미터와 (2) 훈련자료의 크기에 따른 영향을 비교 분석하였다. 비교 실험에는 기계학습 알고리즘으로 support vector machine(SVM)을 적용하고 딥러닝 알고리즘으로 convolutional neural network(CNN)를 적용하였다. 특히 CNN에서 2차원의 공간정보를 고려하는 2D-CNN과 시간차원을 확장한 구조의 3D-CNN을 적용하였다. 비교 실험 결과, 다양한 하이퍼파라미터를 고려해야 하는 CNN의 경우 SVM과 다르게 두 지역에서 정의된 하이퍼파라미터 값이 유사한 것으로 나타났다. 이러한 결과를 바탕으로 모델 최적화에 많은 시간이 소요되지만 최적화된 CNN 모델을 다른 지역으로 확장할 수 있는 전이학습의 적용 가능성이 높을 것으로 판단된다. 다음 훈련자료 크기에 따른 비교 실험 결과, SVM 보다 CNN에서 훈련자료 크기의 영향이 큰 것으로 나타났는데 특히 다양한 공간특성을 갖는 Illinois 주에서 이러한 경향이 두드러지게 나타났다. 또한 Illinois 주에서 3D-CNN의 분류 성능이 저하되는 것으로 나타났는데, 이는 모델 복잡도가 증가하면서 과적합의 영향이 발생한 것으로 판단된다. 즉 모델의 훈련 정확도는 높지만 다양한 공간특성이나 입력 자료의 잡음 효과 등으로 오히려 분류 성능이 저하된 것으로 나타났다. 이러한 결과는 대상 지역의 공간특성을 고려해 적절한 분류 알고리즘을 선택해야 하는 것을 의미한다. 또한 CNN에서 특히, 3D-CNN에서 일정 수준의 분류 성능을 담보하기 위해 다량의 훈련자료 수집이 필요하다는 것을 의미한다.