• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권11호
• /
• pp.441-448
• /
• 2019

기존의 자동 띄어쓰기 연구는 n-gram 기반의 통계적인 기법을 이용하거나 형태소 분석기를 이용하여 어절 경계면에 공백을 삽입하는 방법으로 띄어쓰기 오류를 수정한다. 본 논문에서는 심층 신경망을 이용한 종단 간(end-to-end) 한국어 문장 자동 띄어쓰기 시스템을 제안한다. 자동 띄어쓰기 문제를 어절 단위가 아닌 음절 단위 태그 분류 문제로 정의하고 음절 unigram 임베딩과 양방향 LSTM Encoder로 문장 음절간의 양방향 의존 관계 정보를 고정된 길이의 문맥 자질 벡터로 연속적인 벡터 공간에 표현한다. 그리고 새로이 표현한 문맥 자질 벡터를 자동 띄어쓰기 태그(B 또는 I)로 분류한 후 B 태그 앞에 공백을 삽입하는 방법으로 한국어 문장의 자동 띄어쓰기를 수행하였다. 자동 띄어쓰기 태그 분류를 위해 전방향 신경망, 신경망 언어 모델, 그리고 선형 체인 CRF의 세 가지 방법의 분류 망에 따라 세 가지 심층 신경망 모델을 구성하고 종단 간 한국어 자동 띄어쓰기 시스템의 성능을 비교하였다. 세 가지 심층 신경망 모델에서 분류 망으로 선형체인 CRF를 이용한 심층 신경망 모델이 더 우수함을 보였다. 학습 및 테스트 말뭉치로는 최근에 구축된 대용량 한국어 원시 말뭉치로 KCC150을 사용하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권4호
• /
• pp.125-132
• /
• 2021

인공신경망의 계층의 깊이가 깊어지고 입력으로 사용되는 데이터 차원이 증가됨에 신경망의 학습 및 인식에 있어서 많은 연산을 고속으로 요구하는 고연산의 문제가 발생한다. 따라서 본 논문에서는 신경망 입력 데이터의 차원을 감소시키기 위한 데이터 차원 감소 방법을 제안한다. 제안하는 선분 특징 분석(Line-segment Feature Analysis; LFA) 알고리즘은 한 영상 내에 존재하는 객체의 선분(Line-segment) 특징을 분석하기 위하여 메디안 필터(median filter)를 사용한 기울기 기반의 윤곽선 검출 알고리즘을 적용한다. 추출된 윤곽 영상은 [0, 1, 2, 4, 8, 16, 32, 64, 128]의 계수 값으로 구성된 3×3 또는 5×5 크기의 검출 필터를 이용하여 8가지 선분의 종류에 상응하는 고유값을 계산한다. 각각의 검출필터로 계산된 고유값으로부터 동일한 반응값을 누적하여 두 개의 1차원의 256 크기의 데이터를 생성하고 두 가지 데이터 요소를 합산하여 LFA256 데이터를, 두 데이터를 합병하여 512 크기의 LAF512 데이터를 생성한다. 제안한 LFA 알고리즘의 성능평가는 필기체 숫자 인식을 위한 데이터 차원 감소를 목적으로 PCA 기법과 AlexNet 모델을 이용하여 비교 실험한 결과 LFA256과 LFA512가 각각 98.7%와 99%의 인식 성능을 보였다.

• 융합신호처리학회논문지
• /
• 제23권4호
• /
• pp.194-199
• /
• 2022

다양하고 복잡한 영상 데이터 기반의 산업에서 높은 정확도와 활용성을 위해 고품질의 데이터를 위한 전처리가 요구된다. 하지만 기존 이미지 또는 영상 데이터와 노이즈를 결합해 기업에 큰 위험을 초래할 수 있는 오염된 적대적 예제가 유입될 시 기업의 신뢰도 및 보안성, 완전한 결과물 확보를 위해 손상되기 이전으로의 복원이 필요하다. 이를 위한 대비책으로 기존에는 Defense-GAN을 사용하여 복원을 진행하였지만, 긴 학습 시간과 복원물의 낮은 품질 등의 단점이 존재하였다. 이를 개선하기 위해 본 논문에서는 VQ-VAE 모델을 사용함과 더불어 이미지 분할 여부에 따라 FGSM을 통해 만든 적대적 예제를 이용하는 방법을 제안한다. 먼저, 생성된 예제를 일반 분류기로 분류한다. 다음으로 분할 전의 데이터를 사전 학습된 VQ-VAE 모델에 전달하여 복원한 후 분류기로 분류한다. 마지막으로 4등분으로 분할된 데이터를 4-split-VQ-VAE 모델에 전달하여 복원한 조각을 합친 뒤 분류기에 넣는다. 최종적으로 복원된 결과와 정확도를 비교한 후 분할 여부에 따른 2가지 모델의 결합 순서에 따라 성능을 분석한다.

• 한국전자통신학회논문지
• /
• 제17권2호
• /
• pp.343-350
• /
• 2022

서로 다른 특징을 가지는 이미지를 통합하여 작물의 병충해 분류를 위한 심층신경망을 훈련하는 것이 학습 결과에 어떤 영향을 미치는지 확인하고, 심층신경망의 학습 결과를 개선할 수 있는 이미지 통합방법에 대해 실험하였다. 실험을 위해 두 종류의 작물 이미지 공개 데이터가 사용되었다. 하나는 인도의 실제 농장 환경에서 촬영된 작물 이미지이고 다른 하나는 한국의 실험실 환경에서 촬영한 작물 이미지였다. 작물 잎 이미지는 정상인 경우와 4종류의 병충해를 포함하여 5개의 하위 범주로 구성되었다. 심층신경망은 전이학습을 통해 사전 훈련된 VGG16이 특징 추출부에 사용되었고 분류기에는 다층퍼셉트론 구조를 사용하였다. 두 공개 데이터는 세 가지 방법으로 통합되어 심층신경망의 지도학습에 사용되었다. 훈련된 심층신경망은 평가 데이터를 이용해 평가되었다. 실험 결과에 따르면 심층신경망을 실험실 환경에서 촬영한 작물 이미지로 학습한 이후에 실제 농장 환경에서 촬영한 작물 이미지로 재학습하는 경우에 가장 좋은 성능을 보였다. 서로 다른 배경의 두 공공데이터를 혼용하여 사용하면 심층신경망의 학습 결과가 좋지 않았다. 심층신경망의 학습 과정에서 여러 종류의 데이터를 사용하는 방법에 따라 심층신경망의 성능이 달라질 수 있음을 확인하였다.

• 대한토목학회논문집
• /
• 제30권1B호
• /
• pp.89-100
• /
• 2010

본 연구에서는 고파랑의 단주기파랑과 고립파를 동시에 저감시키기 위한 저감공으로 단주기파랑에 대해 기연구개발된 공진장치를 기설의 방파제 항구부에 부착하는 공법을 검토하였다. 이와 같은 저감공은 공진현상으로부터 단주기파랑의 입사에너지를 포획하여 기설의 방파제 배후로 전달되는 파랑에너지를 저감시키는 특성을 갖는다. 수치해석에 있어서 단주기파랑에 대해서는 연직선Green함수에 기초한 특이점분포법을, 고립파에 대해서는 3차원수치파동수로를 이용하는 3차원혼상류해석법을 각각 적용하였고, 기존의 수치해석결과 및 실험결과와 비교 분석하여 본 수치해석법의 타당성을 검증하였다. 이로부터 공진장치가 없는 경우와 대비 검토하여 단주기파랑 및 고립파의 제어에 대한 공진장치의 제어능을 다각도로 검토한 결과, 그의 유효성을 충분히 확인할 수 있었다. 그리고, 제어대상의 고립파에 대해 공진장치의 최적치수가 존재한다는 사실을 확인할 수 있었다.

• 대한토목학회논문집
• /
• 제26권6B호
• /
• pp.695-701
• /
• 2006

Toluene을 유일 탄소원으로 배양한 혼합미생물 군으로부터 순수미생물을 분리배양한 후, 염기서열을 분석하여 Pseudomonas sp. TDB4 균주를 얻었다. 이 균주의 VOC 분해능을 평가하기 위해 toluene, benzene, p-xylene, styrene을 대상기질로 하여 회분식 생분해실험을 진행하였으며, 단일 기질인 경우 toluene, benzene, styrene, p-xylene의 순으로 분해능이 좋은 것으로 나타났다. 또한 VOCs 혼합물을 주입하였을 경우에는 모든 조합조건에서 styrene, toluene, benzene, pxylene의 순서로 쉽게 분해하였다. 이러한 결과로부터 VOC가 공존할 경우 toluene과 p-xylene은 다른 VOC의 분해를 촉진시키지만 styrene은 저해물질로 작용함을 알 수 있었다. 한편 연속식 계면활성제 미생물 반응기(Bioactive Foam Reactor, BFR)에 혼합미생물 배양액과 TDB4 배양액을 접종하고 장기 운전하면서 운전특성과 미생물 동적변화를 확인하였다. VOCs 혼합물질 유입농도가 250 ppm 이상에서는 처리효율이 급격히 저하되었는데, FISH 분석 결과에 따르면 동일한 시점에서 TDB4가 차지하는 비율이 전체 미생물의 20% 미만으로 감소하여 BFR의 처리효율과 미생물상은 매우 밀접한 관련이 있음을 알 수 있었다. 본 연구 결과 FISH 분석법을 계면활성제 미생물 반응기의 미생물 군집변화 해석에 유용하게 사용할 수 있음을 확인하였으며, 미생물 반응조를 장기간 운전할 때에는 안정적인 처리효율을 유지하기 위하여 주기적인 식종을 해주는 것이 적절하다고 판단된다.

• 대한토목학회논문집
• /
• 제29권5D호
• /
• pp.635-644
• /
• 2009

외부 환경에서의 영상처리 기술은 외부환경에 매우 민감하여 외부환경이 급격하게 변화할 때마다 정확도가 많이 떨어지는 경향이 있다. 따라서 교통감시시스템으로 정확한 교통정보를 산출하기 위해서는 (여기서 교통감시시스템은 영상처리 기술을 이용하여 교통상황을 감시하는 시스템) '전이시간대의 그림자 제거', '야간에 차량 전조등에 의한 왜곡', '비', 눈, 그리고 안개에 의한 잡음', '폐색(occlusion)' 등을 필히 해결해야만 한다. 본 논문은 다양한 변화가 일어나는 실외환경에서 영상처리 기술을 이용하여 교통량, 속도, 점유시간을 산출하는 시스템을 개발하였다. 따라서, 시스템의 성능을 검증하기 위해 한국건설 기술연구원에서 운영하고 있는 곤지암 시험장에서 2008년 12월 16일부터 18일까지 교통량, 속도, 점유시간에 대해 4개차로 (상행 2차로, 하행 2차로)를 대상으로 평가하였다. 평가 방법은 기준데이터가 되는 레이더 검지기 데이터와 본 연구의 영상처리기술에 의해 산출된 데이터를 비교하는 방법으로 수행되었다. 평가 결과, 주간, 야간, 일출, 일몰 시간대 모두 교통량, 속도, 점유시간 산출 값이 기준데이터와 비교했을 때 약 92%에서 97%까지의 정확도가 있는 것으로 평가되었다.

• International Journal of Computer Science & Network Security
• /
• 제24권9호
• /
• pp.30-40
• /
• 2024

Building an accurate 3-D spatial road network model has become an active area of research now-a-days that profess to be a new paradigm in developing Smart roads and intelligent transportation system (ITS) which will help the public and private road impresario for better road mobility and eco-routing so that better road traffic, less carbon emission and road safety may be ensured. Dealing with such a large scale 3-D road network data poses challenges in getting accurate elevation information of a road network to better estimate the CO₂ emission and accurate routing for the vehicles in Internet of Vehicle (IoV) scenario. Clustering and regression techniques are found suitable in discovering the missing elevation information in 3-D spatial road network dataset for some points in the road network which is envisaged of helping the public a better eco-routing experience. Further, recently Explainable Artificial Intelligence (xAI) draws attention of the researchers to better interprete, transparent and comprehensible, thus enabling to design efficient choice based models choices depending upon users requirements. The 3-D road network dataset, comprising of spatial attributes (longitude, latitude, altitude) of North Jutland, Denmark, collected from publicly available UCI repositories is preprocessed through feature engineering and scaling to ensure optimal accuracy for clustering and regression tasks. K-Means clustering and regression using Support Vector Machine (SVM) with radial basis function (RBF) kernel are employed for 3-D road network analysis. Silhouette scores and number of clusters are chosen for measuring cluster quality whereas error metric such as MAE ( Mean Absolute Error) and RMSE (Root Mean Square Error) are considered for evaluating the regression method. To have better interpretability of the Clustering and regression models, SHAP (Shapley Additive Explanations), a powerful xAI technique is employed in this research. From extensive experiments , it is observed that SHAP analysis validated the importance of latitude and altitude in predicting longitude, particularly in the four-cluster setup, providing critical insights into model behavior and feature contributions SHAP analysis validated the importance of latitude and altitude in predicting longitude, particularly in the four-cluster setup, providing critical insights into model behavior and feature contributions with an accuracy of 97.22% and strong performance metrics across all classes having MAE of 0.0346, and MSE of 0.0018. On the other hand, the ten-cluster setup, while faster in SHAP analysis, presented challenges in interpretability due to increased clustering complexity. Hence, K-Means clustering with K=4 and SVM hybrid models demonstrated superior performance and interpretability, highlighting the importance of careful cluster selection to balance model complexity and predictive accuracy.

• 한국환경복원기술학회지
• /
• 제26권4호
• /
• pp.17-34
• /
• 2023

Camera trapping has been used as a non-invasive survey method that minimizes anthropogenic disturbance to ecosystems. Nevertheless, it is labor-intensive and time-consuming, requiring researchers to quantify species and populations. In this study, we aimed to improve the preprocessing of camera trapping data by utilizing an object detection algorithm. Wildlife monitoring using unmanned sensor cameras was conducted in a forested urban forest and a green space on a university campus in Cheonan City, Chungcheongnam-do, Korea. The collected camera trapping data were classified by a researcher to identify the occurrence of species. The data was then used to test the performance of the YOLO-X object detection algorithm for wildlife detection. The camera trapping resulted in 10,500 images of the urban forest and 51,974 images of green spaces on campus. Out of the total 62,474 images, 52,993 images (84.82%) were found to be false positives, while 9,481 images (15.18%) were found to contain wildlife. As a result of wildlife monitoring, 19 species of birds, 5 species of mammals, and 1 species of reptile were observed within the study area. In addition, there were statistically significant differences in the frequency of occurrence of the following species according to the type of urban greenery: Parus varius(t = -3.035, p < 0.01), Parus major(t = 2.112, p < 0.05), Passer montanus(t = 2.112, p < 0.05), Paradoxornis webbianus(t = 2.112, p < 0.05), Turdus hortulorum(t = -4.026, p < 0.001), and Sitta europaea(t = -2.189, p < 0.05). The detection performance of the YOLO-X model for wildlife occurrence was analyzed, and it successfully classified 94.2% of the camera trapping data. In particular, the number of true positive predictions was 7,809 images and the number of false negative predictions was 51,044 images. In this study, the object detection algorithm YOLO-X model was used to detect the presence of wildlife in the camera trapping data. In this study, the YOLO-X model was used with a filter activated to detect 10 specific animal taxa out of the 80 classes trained on the COCO dataset, without any additional training. In future studies, it is necessary to create and apply training data for key occurrence species to make the model suitable for wildlife monitoring.

• 감성과학
• /
• 제18권4호
• /
• pp.25-34
• /
• 2015

본 연구에서는 전도성 직물을 기반으로 동작 센서로 구현하여 팔의 굽힘, 폄 동작에 따른 센서의 전기저항의 변화를 측정, 분석함으로써 관절 동작을 효과적으로 측정 할 수 있는 직물 센서의 요건을 탐색하였다. 이를 위해 두 가지 편직물인 'L'직물과 'W'직물 양면에 Single Wall Carbon Nano-Tube(SWCNT) 코팅을 한 후 이를 다양한 형태로 후가공하여 직물 센서를 개발하고 암 밴드에 부착하였다. 직물 센서는 코팅용 바탕 직물의 종류(2가지), 센서의 부착 방법(2가지), 센서의 layer 수(2가지), 센서의 길이(3가지), 센서의 너비(2가지)의 총 48개로 구성되었다. Con-Trex MJ에 48개의 암 밴드를 입힌 인체 모형 팔을 대상으로 직물 동작 센서의 성능을 평가하였다. 인체 모형 팔에 입혀진 총 48개의 암 밴드 각각에 대해서 frequency: 0.5Hz, ROM: $20^{\circ}{\sim}120^{\circ}$ 에서 굽힘과 폄 동작을 반복하도록 조정하였고, 48개 각 사례 당 세 세트(set)씩 반복 측정한 전압값을 기록하였다. 전압값을 peak-to-peak voltage(Vp-p)의 base line의 균일성, 동일 세트 내 Vp-p의 균일성, 세 세트 간의 Vp-p의 균일성을 기준으로 평가하고 분석한 결과, SWCNT 코팅된 'L' 직물을 두 겹으로 구성하여 열고정 방식으로 부착한 $50{\times}5mm$, $50{\times}10mm$, $100{\times}10mm$ 크기의 직물 센서와, SWCNT 코팅된 'W' 직물을 두 겹으로 구성하고 열고정 방식으로 부착한 $50{\times}10mm$ 크기의 직물 센서가 전체 변화율 5%이내의 가장 균일하고 안정적인 신호값을 나타내었다. 이상의 연구 결과를 통해 SWCNT 코팅 소재를 다양한 형태로 가공해 직물 센서로 구현했을 때 인체의 사지 동작을 측정할 수 있는 센서로서 적합함을 확인하였고, 최적의 센서 형태를 규명하였다.