• 한국측량학회지
• /
• 제40권3호
• /
• pp.177-185
• /
• 2022

본 연구에서는 딥러닝을 통해 고해상도 광학 위성영상에 동종센서로 촬영한 영상을 참조하여 폐색 영역을 복원하는 방법을 제안하였다. 패치 단위로 분할된 영상에서 원본 영상의 화소 분포를 최대한 유지하며 폐색 영역을 모의한 영상과 주변 영상의 자연스러운 연속성을 위해 ConvNeXt 블록을 적용한 CycleGAN (Cycle Generative Adversarial Network) 방법을 사용하여 실험을 진행하였고 이를 3개의 실험지역에 대해 분석하였다. 또한, 학습패치 크기를 512*512화소로 하는 경우와 2배 확장한 1024*1024화소 크기의 적용 결과도 비교하였다. 서로 특징이 다른 3개의 지역에 대하여 실험한 결과, ConvNeXt CycleGAN 방법론이 기존의 CycleGAN을 적용한 영상, Histogram matching 영상과 비교하여 개선된 R² 값을 보여줌을 확인하였다. 학습에 사용되는 패치 크기별 실험의 경우 1024*1024화소의 패치를 사용한 결과, 약 0.98의 R²값이 산출되었으며 영상밴드별 화소 분포를 비교한 결과에서도 큰 패치 크기로 학습한 모의 결과가 원본 영상과 더 유사한 히스토그램 분포를 나타내었다. 이를 통해, 기존의 CycleGAN을 적용한 영상 및 Histogram matching 영상보다 발전된 ConvNeXt CycleGAN을 사용할 때 원본영상과 유사한 모의 결과를 도출할 수 있었고, 성공적인 모의를 수행할 수 있음을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권11호
• /
• pp.5427-5445
• /
• 2019

While deep neural networks have achieved remarkable performance in representation learning, a huge amount of labeled training data are usually required by supervised deep models such as convolutional neural networks. In this paper, we propose a new representation learning method, namely generative adversarial networks (GAN) based bagging deep convolutional autoencoders (GAN-BDCAE), which can map data to diverse hierarchical representations in an unsupervised fashion. To boost the size of training data, to train deep model and to aggregate diverse learning machines are the three principal avenues towards increasing the capabilities of representation learning of neural networks. We focus on combining those three techniques. To this aim, we adopt GAN for realistic unlabeled sample generation and bagging deep convolutional autoencoders (BDCAE) for robust feature learning. The proposed method improves the discriminative ability of learned feature embedding for solving subsequent pattern recognition problems. We evaluate our approach on three standard benchmarks and demonstrate the superiority of the proposed method compared to traditional unsupervised learning methods.

• 대한원격탐사학회지
• /
• 제38권1호
• /
• pp.33-43
• /
• 2022

This study presents a method to restore an optical satellite image with distortion and occlusion due to fog, haze, and clouds to one that minimizes degradation factors by referring to the same type of peripheral image. Specifically, the time and cost of re-photographing were reduced by partially occluding a region. To maintain the original image's pixel value as much as possible and to maintain restored and unrestored area continuity, a simulation restoration technique modified with the Cycle Generative Adversarial Network (CycleGAN) method was developed. The accuracy of the simulated image was analyzed by comparing CycleGAN and histogram matching, as well as the pixel value distribution, with the original image. The results show that for Site 1 (out of three sites), the root mean square error and R² of CycleGAN were 169.36 and 0.9917, respectively, showing lower errors than those for histogram matching (170.43 and 0.9896, respectively). Further, comparison of the mean and standard deviation values of images simulated by CycleGAN and histogram matching with the ground truth pixel values confirmed the CycleGAN methodology as being closer to the ground truth value. Even for the histogram distribution of the simulated images, CycleGAN was closer to the ground truth than histogram matching.

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.867-871
• /
• 2022

최근 빠른 유행의 변화 속에서 디자인의 변화는 패션기업의 매출에 큰 영향을 미치기 때문에 기업들은 신제품디자인 선택에 신중할 수밖에 없다. 최근 인공지능 분야의 발달에 따라 패션시장에서도 소비자들의 선호도를 높이기 위해 다양한 기계학습을 많이 활용하고 있다. 우리는 선호도와 같은 추상적인 개념을 수치화함으로써 신제품 개발에 신뢰성을 높이는 부분에 기여하고자 한다. 이를 위해 3가지 적대적 생성 신경망(Generative adversial netwrok, GAN)을 통하여 기존에 없는 새로운 이미지를 생성하고, 미리 훈련된 합성곱 신경망(Convolution neural networkm, CNN)을 이용하여 선호도라는 추상적인 개념을 수치화시켜 비교하였다. 심층 컨볼루션 적대적 생성 신경망(Deep convolutional generative adversial netwrok, DCGAN), 점진적 성장 적대적 생성 신경망(Progressive growing generative adversial netwrok, PGGAN), 이중 판별기 적대적 생성 신경망(Dual Discriminator generative adversial netwrok, D2GAN)의 3가지 방법을 통해 새로운 이미지를 생성하였고, 판매량이 높았던 제품으로 훈련된 합성곱 신경망으로 유사도를 비교, 측정하였다. 측정된 유사도의 정도를 선호도로 간주하였으며 실험 결과 D2GAN이 DCGAN, PGGAN에 비해 상대적으로 높은 유사도를 보여주었다.

• 동의신경정신과학회지
• /
• 제23권1호
• /
• pp.59-82
• /
• 2012

Objectives : We purposed to objectify the pattern diagnosis of Tic disorders through factor and reliability analysis regarding a pattern identification questionnaire concerning Tic disorders in children. Methods : We chose and studied 144 children who were pattern-diagnosed out of 200 tic disordered children who visited H hospital in Seoul from January 2006 to April 2011. Results : 1. TTD (50%) was the most common type and the occurrence rate in male children was higher(4.76:1). Also, the rate of hospital visits was highest at the age 8(23.6%). 2. In results concering pattern diagnosis, Gan-poong-nae-dong was most frequently diagnosed in 53 patients (36.8%), and Dam-hwa-yo-sin (42 patients), Gan-sin-um-her (30 patients), and Bee-her-gan-wang (6 patients). 3. In an attempt to verify the reliability of the questionnaire, the coefficient regarding the whole questions (Cronbach ${\alpha}$) came to 0.909. Moreover, the reliability coefficient foreach sub factor was 0.687 in Ganpoong-nae-dong, 0.817 in Dam-hwa-yo-sin, 0.851 in Bee-her-gan-wang, and 0.726 in Gan-sin-um-her, respectively. Thus, their consistency was ensured. 4. In exploratory factor analysis concerning the most common five questions in the questionnaire, the questions of Dam-hwa-yo-sin and Gan-poong-nae-dong appeared to be part of different factors. While, Gan-sin-um-her and Bee-her-gan-wang questions showed that they belong to the same factors. 5. In factor analysis excluding both Gan-sin-um-her and Bee-her-gan-wang questions, both showed significant results; however, the one excluding Gan-sin-um-her showed improved results. Conclusions : From the above results concerning the Pattern Identification Questionnaire for Tic Disordered children, three separated patterns of Bee-her-gan-wang, Dam-hwa-yo-sin, Gan-poong-nae-dong are thought to be available for clinical use. However, further validity studies are needed.

• 대한한방내과학회지
• /
• 제20권1호
• /
• pp.263-273
• /
• 1999

Cheung-Gan-Haeju tang has been used on 3 cases of alcoholic liver disease patients complicated with ascites, clinical symptom(fatigue. jaundice, urine dark, indigestion, anorexia. ascites etc), liver function (AST, ALT, ${\gamma}$-GT, ALP, total bilirubin), and index of nutritional state (total protein, albumin, cholesterol) were improved after the adminstration. Although the exact mechanism involved in the effects of Cheung-Gan-haeju tang on these disease is still unknown, it is possibly suspected that Cheung-Gan-Haeju tang is non-toxic to liver and has beneficial effects on treating alcoholic liver disease complicated ascites. Further reports with many case, however, will be needed.

• 한국컴퓨터정보학회논문지
• /
• 제25권9호
• /
• pp.63-69
• /
• 2020

이미지-이미지 변환은 입력 이미지를 통해서 목적 이미지를 만들어내는 기술로 최근 비지도 학습 구조인 GAN을 활용하여 더 실제와 같은 이미지를 만들어내는 높은 성과를 보였다. 이에 따라 GAN을 활용한 이미지-이미지 변환 연구는 다양하게 진행되고 있다. 이때 일반적으로 이미지-이미지 변환은 하나의 속성 변환을 목표한다. 그러나 실제 생활에서 사용되고 얻을 수 있는 자료들은 한 가지 특징으로 설명하기 힘든 다양한 특징으로 이루어진다. 그래서 다양한 속성을 활용하기 위하여 속성별로 이미지 생성 과정을 나누어 학습할 수 있도록 하는 다중 속성 변화를 목표로 한다면 더 이미지-이미지 변환의 역할을 잘 수행할 수 있을 것이다. 본 논문에서는 GAN을 활용한 이미지-이미지 변환 구조 중 높은 성과를 보인 CycleGAN을 활용해 이중 속성 변환 구조인 Multi CycleGAN을 제안한다. 이 구조는 입력 도메인을 두 가지의 속성에 대하여 학습하기 위하여 3개의 도메인이 양방향 학습을 진행하는 이중 변환 구조를 구현하였다. 새로운 구조를 통해 생성된 이미지와 기존 이미지-이미지 변환 구조들을 통해 생성된 이미지를 비교할 수 있도록 실험을 진행하였다. 실험 결과 새로운 구조를 통한 이미지는 입력 도메인의 속성을 유지하며 목표한 속성이 적용되는 높은 성능을 보였다. 이 구조를 활용한다면 앞으로 더 다양한 이미지를 생성하는 일이 가능지기 때문에 더 다양한 분야에서의 이미지 생성의 활용을 기대할 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.44-46
• /
• 2022

인공지능을 사용하는 다양한 객체 인식은 기본적으로 평면적인 결과를 보여준다. 물체를 분류하거나 이미지상에 있는 객체가 무엇인지를 확인하는 것을 기초로 한다. 하지만, 원래의 물체는 평면이 아닌 입체적 형태를 가지고 있으며 이미지에서 단순 결과만을 얻기 위한 인식은 상관없지만, 다양한 분야에 활용한다면 부족한 정보가 많다. 본 논문에서는 GAN 알고리즘을 기반으로 한 이미지 생성과 관련하여 중간 결과를 생성하는 Layer의 특성을 활용하여 물체의 다방면의 데이터 생성 방법과 그것이 유의미한지를 확인한다. 기존의 다방면 데이터를 생성하기 위한 하드웨어 및 수집과정에서의 문제점을 일부 해결하고, 몇몇 제한적인 객체에서의 데이터 생성 후 활용이 가능함을 확인한다.

• 대한상한금궤의학회지
• /
• 제4권1호
• /
• pp.1-12
• /
• 2012

Objective : The purpose of this study is to find out the effectiveness of Ling-Gui-Gan-Zao-Tang for patients of panic disorder. Method : To achieve the purpose of this study, Ling-Gui-Gan-Zao-Tang was prescribed for three months to two different patients of panic disorder. They were diagnosed as panic disorder in department of neuropsychiatry, and had no other prescribed decoction or psychotherapy. Results : 1. The BAI score for anxiety were decreased in both patients, and they got improved overall symptoms. 2. In panic attack, patients are in dominant state of sympathetic nerve, so they have palpitaion and get nervous. Fu-Ling(茯笭) can treate this kind of situation. 3. Based on and , urgent situation, over-tension of muscles, hot flash can be treated Gancao(甘草), Dazao(大棗), Guizhi(桂枝) respectively. Conclusions : When panic disorder attaks, the sympathetic nerves are dominant in patient's body. So they feel palpitating, sweating, suffocating. Ling-Gui-Gan-Zao-Tang can treat this series of symptoms.

• 사물인터넷융복합논문지
• /
• 제9권1호
• /
• pp.131-138
• /
• 2023

본 논문은 RAPGAN(Relativistic Average Patch GAN)과 RRDB(Residual in Residual Dense Block)을 이용한 Image-to-Image 변환의 성능 개선에 관한 것이다. 본 논문은 Image-to-Image 변환의 일종인 기존의 pix2pix의 결점을 보완하기 위해 세 가지 측면의 기술적 개선을 통한 성능 향상을 도모함에 그 목적이 있다. 첫째, 기존의 pix2pix 생성자와 달리 입력 이미지를 인코딩하는 부분에서 RRDB를 이용함으로써 더욱 더 깊은 학습을 가능하게 한다. 둘째, RAPGAN 기반의 손실함수를 사용해 원본 이미지가 생성된 이미지에 비해 얼마나 진짜 같은지를 예측하기 때문에 이 두 이미지가 모두 적대적 생성 학습에 영향을 미치게 된다. 마지막으로, 생성자를 사전학습시켜 판별자가 조기에 학습되는 것을 억제하도록 조치한다. 제안된 방법에 따르면, FID 측면에서 기존의 pix2pix보다 평균 13% 이상의 우수한 이미지를 생성할 수 있었다.