• 한국산학기술학회논문지
• /
• 제21권10호
• /
• pp.77-83
• /
• 2020

국토를 효율적으로 관리하고 도시문제를 과학적으로 해결하기 위해 최근 스마트시티, 디지털트윈 등 3차원 공간정보 관련 기술이 급격하게 발전하고 있다. 이러한 3차원 공간정보 구축은 주로 영상정보를 이용하여 객체를 3차원 입체화하고 실감형 영상인 텍스처링 영상을 추출하여 객체벽면에 영상을 부여하는 방식으로 수행된다. 하지만 객체 주변의 다양한 요인으로 인해 텍스처링 영상에서는 필연적으로 폐색영역이 발생한다. 이에 본 연구에서는 최근 기술인 딥러닝 기술 중에서 ResNet 알고리즘을 이용하여 건물 폐색을 유발하는 가로수에 대한 데이터셋을 만들고 이에 대한 해결방안을 제시하고자 한다. 연구결과 ResNet 알고리즘의 공간정보 적용 가능성을 판단하고 이를 적용한 레이블링 생성 SW 개발하여 실제 가로수를 대상으로 데이터셋을 구축하였다. 구축된 데이터셋을 텍스처링 영상에 적용하여 정확도와 재현율로 검출능력을 분석하였다. 분석결과를 위해 딥러닝 분야에서 많이 사용되고 있는 정밀도와 재현율을 이용한 F값을 적용하였으며 가로수 단일 객체가 포함된 건물의 측면부 영상과 경사 영상에 대해서는 높은 F값을 도출하여 우수한 성과를 확인하였으나, 같은 해상도를 가진 건물 전면부 영상에서는 그림자 등의 요인으로 F값이 낮음을 확인하였다.

• 대한의용생체공학회:의공학회지
• /
• 제44권3호
• /
• pp.182-189
• /
• 2023

CT is a medical device that acquires medical images based on Attenuation coefficient of human organs related to X-rays. In addition, using this theory, it can acquire sagittal and coronal planes and 3D images of the human body. Then, CT is essential device for universal diagnostic test. But Exposure of CT scan is so high that it is regulated and managed with special medical equipment. As the special medical equipment, CT must implement quality control. In detail of quality control, Spatial resolution of existing phantom imaging tests, Contrast resolution and clinical image evaluation are qualitative tests. These tests are not objective, so the reliability of the CT undermine trust. Therefore, by applying an artificial intelligence classification model, we wanted to confirm the possibility of quantitative evaluation of the qualitative evaluation part of the phantom test. We used intelligence classification models (VGG19, DenseNet201, EfficientNet B2, inception_resnet_v2, ResNet50V2, and Xception). And the fine-tuning process used for learning was additionally performed. As a result, in all classification models, the accuracy of spatial resolution was 0.9562 or higher, the precision was 0.9535, the recall was 1, the loss value was 0.1774, and the learning time was from a maximum of 14 minutes to a minimum of 8 minutes and 10 seconds. Through the experimental results, it was concluded that the artificial intelligence model can be applied to CT implements quality control in spatial resolution and contrast resolution.

• 한국항행학회논문지
• /
• 제27권4호
• /
• pp.323-329
• /
• 2023

본 연구는 헬리콥터 조종사 교육에 있어서 성공적인 비행훈련 성과에 영향을 미치는 요인을 살펴보고자 한다. 이를 위해 탐색적 요인분석을 이용하여 개인의 인지적 특성과 비인지적 특성을 추출하고, 계층적 회귀분석을 통해 이러한 특성(요인)들이 비행훈련 성과에 얼마나 영향을 미치는지 알아보았다. 그 결과 공간지각능력, 회복탄력성, 숙달목표지향적 학습태도 성향이 높을수록 비행 교육성과에 긍정적인 영향을 미치는 것으로 나타났다. 이는 조종사에게 특히 요구되는 공간지각능력의 중요성을 재확인할 수 있었고, 그리고 제한된 조종석 공간에서의 비행교관의 역할, 개인의 올바른 동기부여와 노력이 비행훈련 성과에 영향을 미친다는 것을 재확인시켜준다. 이러한 결과는 향후 헬기 조종사의 효과적인 비행교육에 유용한 지표가 될 것으로 기대한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권4호
• /
• pp.980-997
• /
• 2024

To improve the brightness of images and reveal hidden information in dark areas is the main objective of low-light image enhancement (LLIE). LLIE methods based on deep learning show good performance. However, there are some limitations to these methods, such as the complex network model requires highly configurable environments, and deficient enhancement of edge details leads to blurring of the target content. Single-scale feature extraction results in the insufficient recovery of the hidden content of the enhanced images. This paper proposed an edge detection-based multi-scale feature enhancement network for LLIE (EDMFEN). To reduce the loss of edge details in the enhanced images, an edge extraction module consisting of a Sobel operator is introduced to obtain edge information by computing gradients of images. In addition, a multi-scale feature enhancement module (MSFEM) consisting of multi-scale feature extraction block (MSFEB) and a spatial attention mechanism is proposed to thoroughly recover the hidden content of the enhanced images and obtain richer features. Since the fused features may contain some useless information, the MSFEB is introduced so as to obtain the image features with different perceptual fields. To use the multi-scale features more effectively, a spatial attention mechanism module is used to retain the key features and improve the model performance after fusing multi-scale features. Experimental results on two datasets and five baseline datasets show that EDMFEN has good performance when compared with the stateof-the-art LLIE methods.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권7호
• /
• pp.1726-1748
• /
• 2024

Trajectory planning is vital for autonomous systems like robotics and UAVs, as it determines optimal, safe paths considering physical limitations, environmental factors, and agent interactions. Recent advancements in trajectory planning and future location prediction stem from rapid progress in machine learning and optimization algorithms. In this paper, we proposed a novel framework for Spatial-temporal transformer-based feed-forward neural networks (STTFFNs). From the traffic flow local area point of view, skip-gram model is trained on trajectory data to generate embeddings that capture the high-level features of different trajectories. These embeddings can then be used as input to a transformer-based trajectory planning model, which can generate trajectories for new objects based on the embeddings of similar trajectories in the training data. In the next step, distant regions, we embedded feedforward network is responsible for generating the distant trajectories by taking as input a set of features that represent the object's current state and historical data. One advantage of using feedforward networks for distant trajectory planning is their ability to capture long-term dependencies in the data. In the final step of forecasting for future locations, the encoder and decoder are crucial parts of the proposed technique. Spatial destinations are encoded utilizing location-based social networks(LBSN) based on visiting semantic locations. The model has been specially trained to forecast future locations using precise longitude and latitude values. Following rigorous testing on two real-world datasets, Porto and Manhattan, it was discovered that the model outperformed a prediction accuracy of 8.7% previous state-of-the-art methods.

• 정보교육학회논문지
• /
• 제9권4호
• /
• pp.649-659
• /
• 2005

공간적 표현에 대한 지식은 공간적 배열의 특징과 그 특징들 사이의 관계를 그들의 기능을 고려하여 인지하는 방식과 연관이 있는 바, 본 연구에서는 웹기반 교육에 있어서 두 가지의 정보제공 창의 형태(타일창, 단일창)를 학습자의 공간지각력과 연관지어서 비교, 분석하였다. 본 연구는 공간지각력과 정보제공 창의 형태에 대한 상호작용을 학생들의 인지적 지식의 습득도를 통해 조사, 연구하기 위해 미국 펜실베니아 주의 Falk School에 재학 중인 71명의 초등학생을 대상으로 공간지각력에 대한 사전검사를 실시하고 두 실험 집단으로 나누어 과학내용에 관한 웹기반 수업을 실시하였다. 사후검사를 통해 학생들의 인지적 지식의 습득도가 측정되었고 이는 다변량 선형 회귀분석을 실시한 바에 의하면, 공간 지각력은 사후 검사 점수에 명백하게 통계적으로 유의한 주효과를 보였다. 이 같은 결과는 전체표본과 부표본에서 모두 나타났다. 웹 기반 학습에서의 아동들의 인지적 지식의 습득도는 그들의 공간지각력과 정(+)의 관계가 있으며, 공간지각력과 정보 제공 창의 형태 사이에 상호 작용의 패턴이 있음을 알 수 있는데, 이는 웹 기반 학습에 있어서 공간지각력이 낮은 학생들은 타일창에서 인지적 지식의 습득도가 더 높게 나타났고 공간지각력이 높은 학생들은 단일창에서 인지적 지식의 습득도가 더 높게 나타났다.

• 대한지리학회지
• /
• 제32권4호
• /
• pp.511-520
• /
• 1997

본 연구에서는 학습 과정을 고려하여 지역지리의 교육 내용을 구성하는 원리를 도출하고자 시도하였다. 학습 과정에 대한 기존의 견해들은 학습이 진행되는 과정에서 새로운 지식이 누적되는 과정을 강조하는 입장과 새로운 지식이 기존의 사고들에 따라 조직되는 과정을 강조하는 입장으로 구분지을 수 있다. 그러나 이러한 두 가지 견해들은 학습 과정을 靜態的인 것으로 가정한다는 문제점을 지니고 있다. 본 연구에서는 기존의 학습한 지식과 새롭게 학습하는 지식 간의 순환적인 상호작용이 존재하며, 학생들은 態動的인 構成的 過程을 통하여 知識을 지니게 된다는 견해를 대안으로 제시하였다. 이러한 견해를 지역지리 교육에 적용하면 학생들의 私的 地理와 公的 地理 간의 循環을 강조하게 되며, 따라서 본 연구에서는 학생들의 生活世界에 대한 私的 地理로부터 교육 내용을 구성해야 한다고 제시하였다.

• 디지털융복합연구
• /
• 제19권6호
• /
• pp.251-258
• /
• 2021

본 논문에서는 U-Net 기반의 semantic segmentation 방법에서 정확도를 향상시키기 위해 residual learning을 활용한 인코더-디코더 구조의 모델을 제안하였다. U-Net은 딥러닝 기반의 semantic segmentation 방법이며 자율주행 자동차, 의료 영상 분석과 같은 응용 분야에서 주로 사용된다. 기존 U-Net은 인코더의 얕은 구조로 인해 특징 압축 과정에서 손실이 발생한다. 특징 손실은 객체의 클래스 분류에 필요한 context 정보 부족을 초래하고 segmentation 정확도를 감소시키는 문제가 있다. 이를 개선하기 위해 제안하는 방법은 기존 U-Net에 특징 손실과 기울기 소실 문제를 방지하는데 효과적인 residual learning을 활용한 인코더를 통해 context 정보를 효율적으로 추출하였다. 또한, 인코더에서 down-sampling 연산을 줄여 특징맵에 포함된 공간 정보의 손실을 개선하였다. 제안하는 방법은 Cityscapes 데이터셋 실험에서 기존 U-Net 방법에 비해 segmentation 결과가 약 12% 향상되었다.

• Human Ecology Research
• /
• 제61권4호
• /
• pp.543-563
• /
• 2023

The purpose of this study is to design and develop a Metaverse ZEP platform-based teaching and learning process plan by selecting learning topics that are commonly dealt with among the core concepts of the "family" area of practical (technical and home) subjects. To this end, a teaching and learning process plan was developed through planning, Metaverse platform design, expert review, and revision stages. The Metaverse ZEP "Open Class Day" platform, a virtual learning space, was created and developed to further utilize EduTech programs, such as Padlet, Mentimeter, Jamboard, Miricanvas, and Spatial. The teaching and learning process plan developed in this study consists of a total of seven sessions, including approaching EduTech, Changing Families, Exploring Our Family, and Counseling Centers 1, 2, and 3. Among them, Geumji Counseling Center 1, 2, and 3 was designed as a class in which parents and children participate together in open classes using the ZEP platform. This platform can be used as part of parent classes as well as to encourage online participation in the open classes held periodically at each individual school. In terms of the content validity ratio (CVR) of the developed teaching and learning process verified through five experts, 12 out of 15 questions had a CVR of 1, while the remaining three questions had a CVR of 0.6. The three questions with lower validity were revised and supplemented.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1341-1352
• /
• 2023

위성영상 기반의 정규식생지수(normalized difference vegetation index, NDVI)는 넓은 영역에서 주기적인 정보를 수집할 수 있어 산림 및 농업 모니터링에 주로 사용된다. 그러나 광학센서 기반 식생지수는 구름 등의 영향으로 일부 지역에서 결측을 가지기 때문에, 본 연구는 전천후 및 주야에 관계없이 관측 가능한 Sentinel-1의 합성 개구 레이더(synthetic aperture radar, SAR) 영상을 활용하여 Sentinel-2 NDVI 결측값을 복원하는 모델을 개발하였다. 이는 광학적으로 관측이 어려운 구름 조건이나 야간에도 NDVI를 추정할 수 있는 잠재력을 보여준다. Automated machine learning (AutoML)을 활용한 비선형 결측복원모델의 5폴드(fold) 교차검증 결과, 절대오차 7.214E-05, 상관계수 0.878의 NDVI 복원 성능을 보였다. 이를 통해 시공간 연속적인 NDVI 생산 방법론을 발전시켜, 전천후 식생 모니터링에 필요한 정보 생산에 기여할 수 있을 것으로 기대된다.