• 한국측량학회지
• /
• 제27권5호
• /
• pp.619-628
• /
• 2009

LiDAR는 광범위한 지역의 지형 지물 및 지표면에 대한 3차원 좌표를 신속하게 획득할 수 있는 장비로 고정밀의 3차원 공간데이터를 제공하는 장점이 있다. 그러나 LiDAR 데이터는 불규칙한 3차원 점 데이터로 구성되어 있으므로, 의미적이고 시각적인 정보를 제공하지 않으며, LiDAR 데이터만을 사용하여 정보를 추출하는 것은 어렵다. 본 연구에서는 항공 LiDAR 데이터로부터 건물의 외곽선 자동 추출 및 3차원 상세 모델링을 위한 방법을 제안하였다. 전처리 과정으로 반복적 평면 fiitting을 통하여 노이즈 및 불필요한 데이터를 제거하고, 히스토그램 분석을 수행하여 지면과 비지면 데이터를 효과적으로 분리하였다. 건물 외곽선을 추출하기 위해서 객체추적 기법을 이용하여 건물의 외곽에 해당하는 LiDAR 점들을 분류하였으며, 선행과정을 통해 LiDAR 데이터로부터 최종적으로 건물의 외곽선을 추출하였다. 정확도 검증을 위해 추출된 건물의 외곽선을 1:1,000 수치지도와 비교한 결과, 실험지역의 평면 RMSE가 약 0.56m였다. 또한, 건물의 상부구조물의 형태를 재현하기 위한 특성정보 추출 방법을 제안하였다. 지붕면을 세부적으로 분할하고 모델링하기 위하여 통계적 및 기하적 특성정보를 이용하였으며, 각각의 상부구조물에 적합한 수학적 함수를 최소제곱법에 의해 결정함으로써 3차원 모델링이 가능하도록 하였다. 상부구조물 모델링 결과 각 형태에 따른 RMSE가 사각형 상부구조물은 0.91m, 삼각형 상부구조물은 1.43m, 아치형 상부구조물은 1.85m, 돔형 상부구조물이 1.97m였다. 이는 원시 LiDAR 데이터로부터 지붕면 분할 및 3차원 자동 모델링이 효과적으로 수행되었음을 보여주고 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권2호
• /
• pp.59-76
• /
• 2023

코로나 시대 이후 아파트 가격 상승은 비상식적이었다. 이러한 불확실한 부동산 시장에서 가격 예측 연구는 매우 중요하다. 본 논문에서는 다양한 부동산 사이트에서 자료 수집 및 크롤링을 통해 2015년부터 2020년까지 87만개의 방대한 데이터셋을 구축하고 다양한 아파트 정보와 경제지표 등 가능한 많은 변수를 모은 뒤 미래 아파트 매매실거래가격을 예측하는 모델을 만든다. 해당 연구는 먼저 다중 공선성 문제를 변수 제거 및 결합으로 해결하였다. 이후 의미있는 독립변수들을 뽑아내는 전진선택법(Forward Selection), 후진소거법(Backward Elimination), 단계적선택법(Stepwise Selection), L1 Regularization, 주성분분석(PCA) 총 5개의 변수 선택 알고리즘을 사용했다. 또한 심층신경망(DNN), XGBoost, CatBoost, Linear Regression 총 4개의 머신러닝 및 딥러닝 알고리즘을 이용해 하이퍼파라미터 최적화 후 모델을 학습시키고 모형간 예측력을 비교하였다. 추가 실험에서는 DNN의 node와 layer 수를 바꿔가면서 실험을 진행하여 가장 적절한 node와 layer 수를 찾고자 하였다. 결론적으로 가장 성능이 우수한 모델로 2021년의 아파트 매매실거래가격을 예측한 후 실제 2021년 데이터와 비교한 결과 훌륭한 성과를 보였다. 이를 통해 머신러닝과 딥러닝은 다양한 경제 상황 속에서 투자자들이 주택을 구매할 때 올바른 판단을 할 수 있도록 도움을 줄 수 있을 것이라 확신한다.

• 정보보호학회논문지
• /
• 제30권4호
• /
• pp.617-629
• /
• 2020

인터넷 컴퓨팅 환경의 변화, 새로운 서비스 출현, 그리고 지능화되어 가는 해커들의 다양한 공격으로 인한 규칙 기반 침입탐지시스템의 한계점을 극복하기 위해 기계학습 및 딥러닝 기술을 활용한 네트워크 이상 검출(NAD: Network Anomaly Detection)에 대한 관심이 집중되고 있다. NAD를 위한 대부분의 기존 기계학습 및 딥러닝 기술은 '정상'과 '공격'으로 레이블링된 훈련용 데이터 셋을 학습하는 지도학습 방법을 사용한다. 본 논문에서는 공격의 징후가 없는 일상의 네트워크에서 수집할 수 있는 레이블링이 필요 없는 데이터 셋을 이용하는 비지도학습 오토 엔코더(AE: AutoEncoder)를 활용한 NAD 적용 가능성을 제시한다. AE 성능을 검증하기 위해 NSL-KDD 훈련 및 시험 데이터 셋을 사용해 정확도, 정밀도, 재현율, f1-점수, 그리고 ROC AUC (Receiver Operating Characteristic Area Under Curve) 값을 보인다. 특히 이들 성능지표를 대상으로 AE의 층수, 규제 강도, 그리고 디노이징 효과 등을 분석하여 레퍼런스 모델을 제시하였다. AE의 훈련 데이터 셋에 대한 재생오류 82-th 백분위수를 기준 값으로 KDDTest+와 KDDTest-21 시험 데이터 셋에 대해 90.4%와 89% f1-점수를 각각 보였다.

• 대한공간정보학회지
• /
• 제11권4호
• /
• pp.21-27
• /
• 2003

IKONOS 2호와 QuickBird 2호의 센서 모델로서 제공되는 RPC(rational polynomial coefficients) 모델은 물리적 센서 모델의 대체 모델로 다양한 센서에 적용 가능하다. 고해상도 위성들이 상용화되면서 각기 센서들의 복잡성과 보안성 문제로 인해 물리적 센서모델을 대체할 수 있는 센서 모델로서 RPC의 활용도가 높아지고 있다. 대표적인 상업용 고해상도 위성인 IKONOS 2호는 물리적 센서 모델을 공개하지 않고 각영상에 대한 RPC만을 제공하며 QuckBird 영상은 센서의 기하 정보와 함께 RPC를 제공한다. 이에 본 연구에서는 물리적 센서모델로부터 RPC를 추출하는 원천 기술을 확보하고 RPC의 물리적 센서모델에 대한대체 적합성을 평가해보고자 하였다. 이를 위해 공간해상도가 높은 항공사진과 국내 위성인 KOMPSAT 1호의 기하 모델로부터 분모식과 차수를 달리하는 RPC모델들을 추출하는 실험을 수행하였다. 최소제곱법을 통해 RPC 초기값을 구하고 Levenberg Marquardt 기법을 이용하여 반복 조정한 RPC를 물리적 센서 모델과 비교 평가하여 최적의 RPC를 결정하였다. 그 결과 항공사진은 분모식이 동일한 1차 RPC가 KOMPSAT 1호는 분모식이 상이한 3차 RPC가 가장 정확도가 높았으며 각 오차(RMSE)는 $2{\times}10^{-5}$ 화소 이하로 나타났다.

• 디지털융복합연구
• /
• 제20권1호
• /
• pp.203-211
• /
• 2022

이 연구는 대학 연구자들의 표절, 위변조, 중복게재, 부당한 저자표시, 연구윤리제도의 무력화 등 연구부정행위의 원인을 살펴보고 연구윤리체계의 개선방안을 모색하는 것을 목적으로 한다. 연구방법에 있어서 기본적으로 문헌연구에 의존하였으며, 보완적으로 국내 4년제 대학에서 연구 관련 분야에 대한 책임자로 일한 경험이 있거나 현재 연구윤리와 관련된 보직을 수행하고 있는 전문가 교수를 대상으로 델파이기법을 통한 자문을 실시했다. 연구결과 연구자 개인 측면에서는 연구자들이 관습에 미루는 안이한 태도와 부정직성, 연구비에 대한 욕심 등이 주요한 이유로 파악되었다. 조직측면에서는 규정의 세밀성과 적용의 미흡, 검증시스템의 결여, 성과중심의 연구 환경 등이 그 이유로 분석되었다. 연구자 개인적 이유로 발생하는 부정행위를 극복하기 위한 방안으로 연구윤리교육의 정례화 및 횟수 증가, 개인적 벌칙 강화가 제시되었다. 제도적 이유로 발생하는 부정행위를 극복하기 위한 방안으로서는 검증시스템의 강화, 고발자 신변보호제도 강화, 승진누락 등 벌칙제도의 강화 및 연구평가의 질적·양적 균형 강화 등이 제시되었다.

• 지구물리와물리탐사
• /
• 제23권3호
• /
• pp.192-207
• /
• 2020

탄성파 탐사를 수행할 때 경제적, 환경적 제약 또는 탐사 장비의 문제 등에 의해 탄성파 자료의 일부가 규칙적 또는 불규칙적으로 손실되는 경우가 발생하게 된다. 이러한 자료 손실은 탄성파 자료 처리와 해석 결과에 부정적인 영향을 주기 때문에 사라진 탄성파 자료를 복원할 필요가 있다. 탄성파 자료 복원을 위해 재탐사 또는 추가적인 탐사를 진행하는 경우 시간적, 경제적 비용이 발생하기 때문에, 많은 연구자들이 사라진 탄성파 자료를 정확히 복원하기 위한 보간 기법 연구를 진행해왔다. 최근에는 머신러닝 기술 발달에 따라 머신러닝 기법을 활용한 연구들이 진행되고 있고, 다양한 머신러닝 기술들 중에서도 서포트 벡터 회귀, 오토인코더, 유넷, 잔차넷, 생성적 적대 신경망 등의 알고리즘을 활용한 탄성파 자료의 보간 연구가 활발하게 진행되고 있다. 이 논문에서는 이러한 연구들을 조사하고 분석하여 복잡한 신경망 모델뿐 아니라 상대적으로 구조가 간단한 서포트 벡터 회귀 모델을 통해서도 뛰어난 보간 결과를 얻을 수 있다는 것을 확인했다. 추후 머신러닝 기법들을 사용하는 탄성파 자료 보간 연구들에서 오픈소스로 공개된 실제 자료를 이용하며 데이터 증식, 전이학습, 기존 기법을 이용한 규제 등의 기술을 활용하면 탄성파 자료 보간 성능을 향상시킬 수 있을 것으로 기대된다.

• 한국음향학회지
• /
• 제33권2호
• /
• pp.87-93
• /
• 2014

덕트 내 음원 면에서의 음압과 입자 속도분포를 상세히 알 수 있다면, 주된 소음원들의 위치와 강도를 분석하여 전파특성을 잘 이해할 수 있고, 이에 따라 저소음화 설계에 유용한 정보로 활용가능하다. 이를 위한 기존의 방법들은 대개 단면상 위치와 무관한 일정 변수로 나타내는 제한점이 있다. 본 논문에서는 음원의 단면 분포를 높은 공간분해능으로 관찰할 수 있는 방법에 대해 연구하였다. 모드 합성법을 기반으로 감쇠파의 영향과 근접장 측정을 포함하는 행렬식을 유도하였으며, 컴프레션 드라이버에 의해 일부 단면이 가진된 유동이 없는 덕트 시스템에서 검증하였다. 감쇠파모드 개수의 증가에 따라 음압 스펙트럼을 더욱 정확하게 근사화 할 수 있었으며, 26개의 감쇠파 모드를 포함한 수렴 결과로부터 관심 헬름홀쯔 수 영역에서 -25 dB 이하의 오차로 예측할 수 있었다. 수렴된 모드 진폭들을 이용하여 kR = 1에서 음원 면에서의 음원변수 분포를 관찰한 결과, 실제 음원이 설치된 국소 위치에서 높은 음압과 입자 속도 값을 분명히 나타내는 것을 보였다. 또한, 감쇠 모드의 역추산시에 정규화기법을 도입하여, 과결정된 반경방향 모드에 의해 발생된 무의미한 피크들을 효과적으로 제거할 수 있었다.

• 한국전산구조공학회논문집
• /
• 제27권1호
• /
• pp.9-16
• /
• 2014

레벨셋 기법과 위상민감도를 이용하여 선형 탄성 구조물에 대하여, 초기 설계형상에 의존성이 없는 위상 및 형상 최적설계 기법을 개발하였다. 레벨셋 기법에서는 복잡한 위상 형상변화를 쉽게 다루기 위해 초기 영역은 고정한 채 레벨셋 함수로 표현되는 암시적 이동경계로 경계를 표현한다. 해밀턴-자코비(H-J) 방정식과 수치적으로 강건한 기법인 'up-wind scheme'은 컴플라이언스 목적함수를 최소화시키고 허용체적 제약조건을 만족시키면서, 초기 암시적 경계를 법선 속도장에 따라 최적의 형상으로 이끌어 낸다. 점근적인 정규화 개념에 근거하여, 구멍의 반지름을 0으로 접근시켜 형상 미분의 극한을 취한 위상민감도를 고려하였다. 최적조건으로부터 유도된 라그란지안의 감소 방향을 이용하여 H-J 방정식을 갱신하기 위한 속도장을 결정하였다. 개발한 방법에서는 위상민감도로부터 얻어지는 지표를 이용하여 구멍을 언제든지 어디에서나 생성가능하기 때문에 초기 구멍이 최적 형상을 얻기 위해 요구되지 않는다는 사실을 확인하였다. 또한 효율적인 최적화 과정을 위해서는 구멍 생성을 위한 조정변수의 적절한 선택이 중요함을 확인하였다.

• 방송공학회논문지
• /
• 제21권6호
• /
• pp.957-964
• /
• 2016

요즘 들어, 3차원 콘텐츠의 수요는 지속적으로 증가하고 있다. 3차원 콘텐츠의 품질은 해당 장면의 깊이 정보에 큰 영향을 받기 때문에 정확한 깊이 정보를 얻는 것이 매우 중요하다. 카메라와 객체 사이의 깊이 정보는 적외선 센서를 이용한 계산을 통해 직접 얻을 수 있다. 최근 들어, KINECT 카메라와 같이 카메라와 물체 사이의 거리를 적외선이나 광신호를 이용하여 직접 측정하는 Time-of-flight (ToF) 기술을 사용하는 깊이 측정 방법이 널리 사용되고 있다. 이러한 방법은 카메라와 객체 사이의 깊이 정보를 실시간으로 획득할 수 있다는 장점을 갖지만, 획득된 깊이맵에 잡음이 발생하고, 깊이맵의 해상도가 낮다는 단점을 갖는다. 최근 들어, 이런 문제를 해결하기 위해서 양방향 결합 업샘플링 방법 (JBU) 이나 잡음 제거 업샘플링 방법 (NAFDU) 과 같은 필터 기반의 방법이 제안되었다. 그러나 이러한 필터 기반의 업샘플링 방법은 업샘플링된 깊이맵에 색상영상의 질감이 복사되는 문제가 발생한다. 이 논문에서는 이러한 문제점을 해결하기 위해 고차 정규화항을 이용하여 에너지 함수를 만들고, 이를 최적화하여 깊이맵을 업샘플링 한다. 또한, 색상과 깊이맵의 경계 정보를 고려한 경계 가중치항을 추가하여 질감 복사 문제를 해결한다. 실험 결과, 제안하는 깊이맵 업샘플링 방법이 기존의 방법에 비해 깊이 정보의 품질은 유지하면서, 질감 복사 문제를 효과적으로 해결할 수 있음을 확인했다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제9권11호
• /
• pp.265-272
• /
• 2020

뇌파를 이용한 Brain-computer interface (BCI) 연구에서는 다른 그룹보다 그 성능을 발휘하지 못하는 소위 BCI-illiteracy 그룹이라고 알려진 사용자 집단에 대한 이해와 처리가 중요하다. 본 연구는 사용자로부터 사전 휴지 상태의 뇌파 신호를 미리 측정하고 그 신호로부터 주파수 기반의 특징 변수를 생성하여 이를 피험자 개인의 특성 변수로 사용하고, 추정된 개인 특성 변수를 이용하여 이후 움직임 상상 패러다임이 적용된 BCI 시행의 성능과 어느 정도의 정량적 연관성을 가지며 이를 정확하게 예측할 수 있는지를 밝히고자 하였다. 결과에 대한 신뢰성을 높이기 위해서 검증된 공개 뇌파 데이터베이스를 활용하고 Convolution neural network 기반의 딥러닝 기법을 활용하여 이진 BCI 성능 계산을 실시하였으며 Lasso 정규화가 적용된 선형 회귀 분석을 통해서 각 특징 변수와의 예측 관련성을 조사하였다. 첫 번째로 휴지 상태 뇌파 모든 특징 변수들과 BCI 성능 간의 연관성을 파악하기 위해서 전통적인 통계 방법들을 적용하였고 이를 통해서 전두엽에서 측정된 뇌파 신호들의 13 Hz를 기준으로 이보다 낮은 주파수와 높은 주파수 파워 간의 비율이 BCI 성능 사이와 통계적 유의미한 높은 상관성이 가지고 있다는 사실을 확인할 수 있었다. 이를 근거로 상대 주파수 비율 값이 BCI 성능을 예측해볼 수 있는 좋은 지표 후보군으로 지정하였다. 두 번째로 Lasso를 이용한 회귀 분석을 통해서 휴식 상태의 상대 주파수 비율 변수를 이용하여 BCI 성능 사이에 최대 선형 계수 0.544 수준의 선형 관계를 찾을 수 있었으며, BCI 과제를 잘 시행할 수 있는 그룹과 못할 그룹을 AUC 0.817 수준으로 예측할 수 있었다. 본 연구에서는 각 사용자마다 측정된 휴지 상태의 뇌파로부터 앞으로 있을 BCI 성능을 예측할 수 있는 방법론 제시함으로써 일반인을 대상으로 좀 더 신뢰성 있고 응용 가능한 BCI 시스템 개발에 기여하고자 한다.