• 한국지능시스템학회논문지
• /
• 제18권6호
• /
• pp.797-807
• /
• 2008

본 논문은 복잡한 도로 영상에서 차량 검출의 효율성을 높이기 위해 체인코드를 이용한 차선의 검출로부터 도로 영역을 찾아 차량이 존재하는 차량 영역의 추출 기법을 제안한다 먼저, 복잡한 도로 영상에서 정확한 차선을 검출하기 위해 체인코드를 이용하여 에지 화소들간의 연결성을 고려한다. 주행 차량의 방향과 일치하는 차선을 검출한 후, 중앙의 차선으로부터 차도의 폭과 차선의 소실점을 찾아 인접하는 차도를 찾는다. 마지막으로 주행 차선과 인접 차선을 포함하는 도로 영역 내에 차량의 에지 정보를 이용하여 차량이 존재하는 차량 영역을 추출한다 따라서, 제안하는 차량 영역의 추출 기법은 복잡한 배경을 갖는 도로 영상에서 차량의 검출율을 높이고 추출된 차량 영역에 한정할 수 있기 때문에 차량을 검출하는데 매우 효율적이다. 본 논문은 제안하는 차량 영역의 추출 기법의 우수성을 복잡한 도로 영상에서 차량 검출율의 실험을 통해 검증하였다.

• 대한전자공학회논문지SP
• /
• 제42권4호
• /
• pp.21-30
• /
• 2005

본 논문에서는 B-snake 차선 모델을 이용한 차선 검출 및 추적에 관한 알고리즘을 제안한다. 제안된 이론의 특성은 첫째, 다른 알고리즘에 비해 직선, 굴곡이 있는 도로와 같은 보다 넓은 범위의 차선 구조의 표현이 가능하며, 또한 평면 도로의 평행 특성을 이용하여 그림자, 잡음 등에 강하고, 둘째, 잡음에 강한 CHEVP(Canny/Hough Estimation Vanish Point) 알고리즘을 사용하여 차선 위치의 초기값을 제공한다. 셋째, GYP(Gradient Vector Flow)와 최소 평균 제곱 에러를 이용하여 B-Snake 차선 모델에서 발생하는 외부의 힘을 줄여 차선 검출의 에러를 줄이고 차선 추적을 효과적으로 수행한다. 측정 실험 결과 도로영상을 날씨 별로 맑은 날, 흐린 날 그리고 비오는 날로 구분하여 본 알고리즘을 수행하였으며 95$\%$ 이상의 차선 검출률을 보였다.

• 한국통신학회논문지
• /
• 제41권10호
• /
• pp.1247-1255
• /
• 2016

소형드론의 상용화를 위해서는 안전성과 자율운행기능의 확보가 필수적이다. 최근 드론제작이 상당히 용이해졌으나, 여전히 안정적인 드론의 제작은 쉽지 않다. 따라서 자체드론제작 필요성은 영상이나 자율이동 등 상위 알고리즘의 연구에 큰 장애요소로 존재한다. 본 연구에서는 상용드론과 Raspberry PI, 및 오픈소스를 활용하여, 쿼드로터 드론의 자율운행기술 개발 중 영상기반 자율운행을 설계해볼 수 있는 지상원격제어시스템(GCS)을 설계하고 구현하였다. 설계한 시스템은 모듈화된 구성으로 통신, UI 및 영상처리 모듈로 구성하였고, 특히 주행선유지 알고리즘을 구현하여 기능 및 성능 실험을 하였다. 설계한 주행선유지 알고리즘은 Hough 변환에 의하여 검출된 차선을 소실점 검출과 자제적인 라인트래킹 알고리즘을 개발하여 사용하여 인식오류를 줄였으며, 주행선과 드론의 진행방향을 계산하고 방향 (전진, 정지, 좌우회전)제어하였다. 구현된 시스템은 현재 100m육상트랙의 직선과 완만한 곡선을 2-3 m/s로 주행할 수 있다.

• 디자인학연구
• /
• 16호
• /
• pp.27-38
• /
• 1996

환경을 다루는 디자이너에게 있어서 유동적으로 변화하는 과학적 지식 체계의 흐름을 파악하는 것은 중요하다. 당대의 시대적 세계관과 타학문 분야의 발전 성향을 반영하여 새로운 문화를 창조하고 제시하는 과정이 환경디자인이기 때문이다. 본 연구는 변화하는 세계관이 관점에서 공간을 파악하여 현대인의 도시환경에 상실되어 가는 이미지를 회복할 수 있는 방향을 제시하는 데에 그 의의를 둔다. 연구의 진행 과정은 다음과 같다. 1. 공간의 순위적 질서에 따른 각 공간의 역할과 인간과의 관계에 있어서 각 공간의 중요성을 논한다. 2. 새로운 패러다임의 관점에서 공간은 어떻게 해석되는 지와 그에 따른 환경디자인 접근방법의 방향을 제시한다. 3. 도시 환경에 있어서 준공 적 공간의 제안이 뉴 패러다임과 그 입장을 같이 하고 있음을 논하고 준공 적 공간의 도시 활성화 역할의 중요성을 밝힌다. 연구결과 새로운 패러다임에 입각한 공간의 이해에서 출발한 준공적 공간이 도시에서의 풍요로운 삶의 영역을 확장하여 무질서, 엔트로피의 증가라는 부정적인 환경 문제를 극복하는 에너지로서 작용할 수 있는 가능성을 찾아볼 수 있었다.

• 한국조경학회지
• /
• 제34권1호
• /
• pp.1-9
• /
• 2006

The purposes of this study are to develop the concept and the measurement method of IGS(Index of Greenness in Streetscape) and to analyze the present condition of street environments through field surveys of IGS in Seoul. IGS is a new index which directly expresses human's perceptions of plants in a street and defined as the area ratio of which leaves of plants occupy in an eye-level view of a person standing on the center line of a street. In practice, IGS can be calculated from a photograph taken from a center point of a street at about 1.5 meter height from the ground with single lens reflex camera equiped with 50mm standard lens. The photograph must have a special composition in a way that the center point of the photograph is positioning at the visual vanishing point of street center line. Then the IGS can be calculated by computing the percentage of the area covered with the plant leaves in the photograph. Types of streets in Seoul were classified according to road functions into 4 types. We performed field surveys and calculated IGSs from 300 sample sites in Seoul. Followings summarize some of study results. The average IGSs for arterial roads, highways, alleys and back streets are 16.91%, 16.33%, 13.97% and 7.50% respectively. The difference of average IGS values between Ginkgo biloba and Platanus occidentalis was relatively large. From observation IGSs from April 4th, 2003 to October 2nd, 2003, it was evident that the range and timing of each plant species' IGS change is not the same. According to questionnaire to public officials taking charge of street greening, the current evaluated IGS is 24.4%, and it is expected to be 40.7% in the future.

• 상하수도학회지
• /
• 제34권1호
• /
• pp.35-43
• /
• 2020

Turbidity has various effects on the water quality and ecosystem of a river. High turbidity during floods increases the operation cost of a drinking water supply system. Thus, the management of turbidity is essential for providing safe water to the public. There have been various efforts to estimate turbidity in river systems for proper management and early warning of high turbidity in the water supply process. Advanced data analysis technology using machine learning has been increasingly used in water quality management processes. Artificial neural networks(ANNs) is one of the first algorithms applied, where the overfitting of a model to observed data and vanishing gradient in the backpropagation process limit the wide application of ANNs in practice. In recent years, deep learning, which overcomes the limitations of ANNs, has been applied in water quality management. LSTM(Long-Short Term Memory) is one of novel deep learning algorithms that is widely used in the analysis of time series data. In this study, LSTM is used for the prediction of high turbidity(>30 NTU) in a river from the relationship of turbidity to discharge, which enables early warning of high turbidity in a drinking water supply system. The model showed 0.98, 0.99, 0.98 and 0.99 for precision, recall, F1-score and accuracy respectively, for the prediction of high turbidity in a river with 2 hour frequency data. The sensitivity of the model to the observation intervals of data is also compared with time periods of 2 hour, 8 hour, 1 day and 2 days. The model shows higher precision with shorter observation intervals, which underscores the importance of collecting high frequency data for better management of water resources in the future.

• 한국가족복지학
• /
• 제56호
• /
• pp.5-38
• /
• 2017

본 연구는 남한주민이 프로그램 참여를 통해 새터민과의 장기간 만남 경험이 어떠했는지를 총체적으로 이해하기 위해 질적연구방법을 활용하여 남한주민의 시각으로 본 새터민과의 만남 경험의일반적 구조를 파악하였다. 남한주민의 새터민과의 만남 경험은 전후 맥락과 시간성을 고려하여도출한 결과, '동족인식과 타자화의 공존', '물과 기름의 만남', '우리와 다름', '상대적 특성으로 이해하고 대처함', '한민족으로서의 한계: 같은 땅에서 다르게 살아감', '맞닿은 평행선'로 나타났다. 이러한 결과는 남한주민의 새터민과의 장기간 접촉과정에서 그들의 인식과 대처가 어떻게 변화되었는지를 맥락적으로 이해할 수 있게 하며, 이를 통해 사회복지사가 실천현장에서 적용할 수 있는 구체적 대안들이 제시되었다.

• 융합정보논문지
• /
• 제11권10호
• /
• pp.45-52
• /
• 2021

본 논문에서는 U-Net 기반의 semantic segmentation 방법에서 정확도를 개선하기 위한 Atrous Residual U-Net (AR-UNet)을 제안하였다. U-Net은 의료 영상 분석, 자율주행 자동차, 원격 감지 영상 등의 분야에서 주로 사용된다. 기존 U-Net은 인코더 부분에서 컨볼루션 계층 수가 적어 추출되는 특징이 부족하다. 추출된 특징은 객체의 범주를 분류하는 데 필수적이며, 부족할 경우 분할 정확도를 저하시키는 문제를 초래한다. 따라서 이 문제를 개선하기 위해 인코더에 residual learning과 ASPP를 활용한 AR-UNet을 제안하였다. Residual learning은 특징 추출 능력을 개선하고, 연속적인 컨볼루션으로 발생하는 특징 손실과 기울기 소실 문제 방지에 효과적이다. 또한 ASPP는 특징맵의 해상도를 줄이지 않고 추가적인 특징 추출이 가능하다. 실험은 Cityscapes 데이터셋으로 AR-UNet의 효과를 검증하였다. 실험 결과는 AR-UNet이 기존 U-Net과 비교하여 향상된 분할 결과를 보였다. 이를 통해 AR-UNet은 정확도가 중요한 여러 응용 분야의 발전에 기여할 수 있다.

• 한국정보통신학회논문지
• /
• 제24권12호
• /
• pp.1581-1587
• /
• 2020

기계 학습 분야에 합성 곱 신경망이 대두되면서 이미지 처리 문제를 해결하는 모델은 비약적인 발전을 맞이했다. 하지만 그만큼 요구되는 컴퓨팅 자원 또한 상승하여 일반적인 환경에서 이를 학습해보기는 쉽지 않은 일이다. 주의 집중 기법은 본래 순환 신경망의 기울기 소실 문제를 방지하기 위해 제안된 기법이지만, 이는 합성 곱 신경망의 학습에도 유리한 방향으로 활용될 수 있다. 본 논문에서는 합성 곱 신경망에 주의 집중 기법을 적용하고, 이때의 학습 시간과 성능 차이 비교를 통해 제안하는 방법의 우수성을 입증한다. 제안하는 모델은 YOLO를 기반으로 한 객체 검출에서 주의 집중 기법을 적용하지 않은 모델에 비해 학습 시간, 성능 모두 우수한 것으로 나타났으며, 특히 학습 시간을 현저히 낮출 수 있음을 실험적으로 증명하였다. 또한, 이를 통해 일반 사용자의 기계 학습에 대한 접근성 증대가 기대된다.

• 한국농공학회논문집
• /
• 제63권1호
• /
• pp.11-25
• /
• 2021

The objective of this study was to analyze the impact of activation functions on flood forecasting model based on Artificial neural networks (ANNs). The traditional activation functions, the sigmoid and tanh functions, were compared with the functions which have been recently recommended for deep neural networks; the ReLU, leaky ReLU, and ELU functions. The flood forecasting model based on ANNs was designed to predict real-time runoff for 1 to 6-h lead time using the rainfall and runoff data of the past nine hours. The statistical measures such as R2, Nash-Sutcliffe Efficiency (NSE), Root Mean Squared Error (RMSE), the error of peak time (ETp), and the error of peak discharge (EQp) were used to evaluate the model accuracy. The tanh and ELU functions were most accurate with R2=0.97 and RMSE=30.1 (㎥/s) for 1-h lead time and R2=0.56 and RMSE=124.6~124.8 (㎥/s) for 6-h lead time. We also evaluated the learning speed by using the number of epochs that minimizes errors. The sigmoid function had the slowest learning speed due to the 'vanishing gradient problem' and the limited direction of weight update. The learning speed of the ELU function was 1.2 times faster than the tanh function. As a result, the ELU function most effectively improved the accuracy and speed of the ANNs model, so it was determined to be the best activation function for ANNs-based flood forecasting.