• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 ITC-CSCC -2
• /
• pp.799-802
• /
• 2000

There are many methods that extract the depth information based on the blurring ratio for object point in DFD(Depth from Defocus). However, it is often difficult to measure the depth of the object in two-dimensional images that was affected by various elements such as edges, textures, and etc. To solve the problem, new DFD method employing the texture classification with a neural network is proposed. This method extracts the feature of texture from an evaluation window in an image and classifies the texture class. Finally, It allocates the correspondent value for the blurring ratio. The experimental result shows that the method gives more accurate than the previous methods.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권5호
• /
• pp.2558-2573
• /
• 2019

We present a deep CNN-based approach for classifying artistic media from artwork images. We aim to classify most frequently used artistic media including oilpaint brush, watercolor brush, pencil and pastel, etc. For this purpose, we extend VGGNet, one of the most widely used CNN structure, by substituting its last layer with a fully convolutional layer, which reveals class activation map (CAM), the region of classification. We build two artwork image datasets: YMSet that collects more than 4K artwork images for four most frequently used artistic media from various internet websites and WikiSet that collects almost 9K artwork images for ten most frequently used media from WikiArt. We execute a human baseline experiment to compare the classification performance. Through our experiments, we conclude that our classifier is superior in classifying artistic media to human.

• 한국과학교육학회지
• /
• 제34권5호
• /
• pp.469-478
• /
• 2014

본 연구에서는 학생들이 과학과 과학자에 대한 이미지를 다양화하기 위해 과학자들의 인간적인 면이 드러난 에피소드를 활용한 '과학자의 희로애락 프로그램'을 개발해 학생들의 반응을 파악했다. 과학자의 다양한 이미지를 학습자에게 제공함으로써 과학자에 대한 이미지가 어떻게 다양해졌는지, 자신의 과학 학습과 진로에 어떻게 영향을 주었는지 살펴보았다. 프로그램은 과학자의 희로애락 관련 총 5개 주제, 10차시로 구성되었고, 20명의 고등학생들이 참여했으며 이 중 5명의 수업 전후 조사지, 수업 중 상호 작용, 활동지 자료, 면담 자료, 수업현장 노트 등을 심층 분석했다. 과학자의 인간적인 면을 나타내는 수업의 흐름은 먼저 과학자에 대한 이미지 떠올리기, 과학사 에피소드 읽기, 과학자의 인간적 측면 탐색하기, 과학자의 상황 공감하기, 과학자의 인간적 측면 평가하기 등의 단계로 구성되었다. 프로그램에 참여한 학생들은 과학자도 감정을 가진 평범한 사람이라는 것을 알게 되었고, 과학자에게 친밀감을 느끼게 되었으며, 과학자가 될 수 있다는 자신감도 갖게 되었다. 학생들이 과학자의 다양한 측면을 이해하게 됨으로써 과학과 과학자에 대해 더 큰 지지를 보낼 수 있는 과학적 소양을 갖추게 될 것으로 기대된다.

• 한국산학기술학회논문지
• /
• 제13권2호
• /
• pp.872-877
• /
• 2012

본 논문은 한글 모음의 구조적 특징을 이용하여 자연영상에 포함된 한글 문자영역을 검출하는 기법을 제안하였다. 자연 영상을 명도영상으로 변환하고 에지 및 연결요소 기반 방법으로 특징값을 추출하며, 추출된 특징값은 필터링을 수행하여 한글 문자의 특징에 맞지 않는 특징값을 제거하여 한글 문자영역 병합을 위한 후보를 선정한다. 선정된 후보 특징값은 한글 자소 병합 알고리즘으로 하나의 문자로 병합하여 후보 문자영역으로 검출하고, 한글 문자 유형 판별 알고리즘으로 한글 문자영역 여부를 판별함으로서 최종적인 한글 문자영역을 검출한다. 실험결과, 복잡한 배경을 갖고 다양한 환경에서 촬영된 영상에서 한글 문자영역을 효과적으로 검출하였고, 제안한 문자영역 검출 방법은 향상된 검출 결과를 보여 주었다.

• 소성∙가공
• /
• 제31권4호
• /
• pp.229-239
• /
• 2022

Convolution Neural Network(CNN) is a class of deep learning algorithms and can be used for image analysis. In particular, it has excellent performance in finding the pattern of images. Therefore, CNN is commonly applied for recognizing, learning and classifying images. In this study, the surface defect classification performance of Al 6061 extruded material using CNN-based algorithms were compared and evaluated. First, the data collection criteria were suggested and a total of 2,024 datasets were prepared. And they were randomly classified into 1,417 learning data and 607 evaluation data. After that, the size and quality of the training data set were improved using data augmentation techniques to increase the performance of deep learning. The CNN-based algorithms used in this study were VGGNet-16, VGGNet-19, ResNet-50 and DenseNet-121. The evaluation of the defect classification performance was made by comparing the accuracy, loss, and learning speed using verification data. The DenseNet-121 algorithm showed better performance than other algorithms with an accuracy of 99.13% and a loss value of 0.037. This was due to the structural characteristics of the DenseNet model, and the information loss was reduced by acquiring information from all previous layers for image identification in this algorithm. Based on the above results, the possibility of machine vision application of CNN-based model for the surface defect classification of Al extruded materials was also discussed.

• 디자인학연구
• /
• 제12권4호
• /
• pp.161-170
• /
• 1999

근래 소비자의 제품 선택은 단순한 소득 계층별이 아니라 다양한 라이프스타일에 따라서 변화되고 있으며, 그에 따라 수요의 다양화, 상품의 다품종화가 모든 산업에서 전개되고 있다. 즉 기업은 다양화, 다품종화 속에서 얼마나 생산성을 실현하느냐에 따라 미래 기업의 운명이 좌우되는 것이다. 본 논고에서는 제품개발에 있어서 상품성이 높은 제품개발에는 개발 과정에서의 표적시장 명확화가 불가결하다는 점에 인식에서 출발, 메이커만의 독자적 아이덴티티를 구축하여 브랜드 이미지를 형성하고, 그에 따른 브랜드 역할과 가치에 대해 자동차 사례를 중심으로 논의한 것이다. 이러한 브랜드 고유의 일관된 디자인 아이덴티티를 정립, 적용함으로서 상징성이나 감성적 성향이 점차 강조되어 가고 있는 제품속성에 대응, 고객이 만족하는 기대수준 이상의 가치를 제공하려는 데 의미가 있다.

• 대한원격탐사학회지
• /
• 제21권5호
• /
• pp.383-392
• /
• 2005

Vegetation classes, especially grass and tree classes, are often confused in classification when conventional spectral pattern recognition techniques are used to classify urban areas. This paper reports on a study to improve the classification results by using an automated process of considering height information in separating urban vegetation classes, specifically tree and grass, using three-band, high-spatial resolution, digital aerial imagery. Height information was derived photogrammetrically from stereo pair imagery using cross correlation image matching to estimate differential parallax for vegetation pixels. A threshold value of differential parallax was used to assess whether the original class was correct. The average increase in overall accuracy for three test stereo pairs was $7.8\%$, and detailed examination showed that pixels reclassified as grass improved the overall accuracy more than pixels reclassified as tree. Visual examination and statistical accuracy assessment of four test areas showed improvement in vegetation classification with the increase in accuracy ranging from $3.7\%\;to\;18.1\%$. Vegetation classification can, in fact, be improved by adding height information to the classification procedure.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권1호
• /
• pp.29-34
• /
• 2021

실시간 화상교육은 원격지에서 강의자와 학습자의 면대면 교육을 대체하는 효과적인 수업 운영방식으로 활용되고 있다. 하지만 기존의 영상통화 및 화상회의 시스템을 활용하는 형태가 주를 이루고 있으며 이는 영상을 통한 강의에 치중하게 되어 어학교육에서 효과성을 보이고 있다. 그러나 그 외의 교육에서는 활용도가 미비한 실정이다. 최근 코로나로 인해 영상 중심의 화상 교육이 있으면서 화상 회의 시스템이 가지는 영상 중심 화상교육의 제한점을 개선하여 강의자와 학습 참여자 모두에게 수업 중 활용할 수 있는 기능을 제공한다. 본 논문에서는 수학교육에서 효과성을 향상시킬 수 있는 실시간 화상 시스템의 설계 모델을 제시한다.

• 한국방사선학회논문지
• /
• 제16권5호
• /
• pp.661-672
• /
• 2022

COVID-19를 발생시키는 SARS-CoV2 바이러스가 발생한 후 전염병은 전 세계로 확산되며, 감염 사례와 사망자의 수가 빠르게 증가함에 따라 의료자원의 부족 문제가 야기되었다. 이것을 해결하려는 방법으로 인공지능을 활용한 흉부 X-ray 검사가 일차적인 진단 방법으로 관심을 받게 되었다. 본 연구에서는 인공지능을 통한 COVID-19 판독 방식들에 대해 종합적으로 분석하는 것에 목적을 두고 있다. 이 목적을 달성하기 위해 292개의 논문을 일련의 분류 방법을 거처 수집했다. 이러한 자료들을 토대로 Accuracy, Precision, Area Under Curve(AUC), Sensitivity, Specificity, F1-score, Recall, K-fold, Architecture, Class를 포함한 성능 측정정보를 분석했다. 그 결과로 평균 Accuracy, Precision, AUC, Sensitivity, Specificity 값은 각각 95.2%, 94.81%, 94.01%, 93.5%, 93.92%로 도출되었다. 연도별 성능 측정정보는 점차 증가하는 값을 나타냈고 이 외에도 Class 수, 이미지 데이터 수에 따른 변화율, Architecture 사용 비율, K-fold에 관한 연구를 진행했다. 현재 인공지능을 활용한 COVID-19의 진단은 독자적으로 사용되기에는 여러 문제가 존재하지만, 의사의 보조수단으로써 사용됨에는 부족함이 없을 것으로 예상된다.

• The Journal of Advanced Prosthodontics
• /
• 제15권6호
• /
• pp.302-314
• /
• 2023

PURPOSE. The aim of this study was to classify the shapes of retromolar pads and assess their morphometric differences using a 3D model. MATERIALS AND METHODS. Two hundred fully edentulous or Kennedy Class I partially edentulous patients (400 retromolar pads) were enrolled. Scan data of the definitive mandibular casts produced through functional impressions were obtained using a 3D laser scanner. Seven parameters (transverse diameter, longitudinal diameter, transverse-contour length, longitudinal-contour length, longitudinal/transverse diameter ratio, longitudinal/transverse-contour length ratio, and angle of the retromolar pad line to the residual alveolar ridge line) were measured using image analysis software. Subsequently, the pads were classified according to the shape. Statistical analyses were performed using 95% confidence intervals. RESULTS. Classifying the retromolar pads into three shapes led to high intra-examiner reliability (Cronbach's alpha = 0.933). The pear shape was the most common (56.5%), followed by oval/round (27.7%) and triangular (15.8%) shapes. There were no significant differences between the left and right sides according to the shape and no significant differences in any parameter according to age. The transverse diameter and longitudinal/transverse diameter ratio differed between sexes (P < .05). The triangular shape had a significantly different transverse diameter, transverse-contour length, longitudinal/transverse diameter ratio, and longitudinal/transverse-contour length ratio compared with the pear and oval/round shapes (P < .05). CONCLUSION. From a clinical reliability standpoint, classifying retromolar pads into three shapes (oval/round, pear-shaped, and triangular) is effective. The differences in the sizes among the shapes were attributed to the transverse measurement values.