http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 장현웅 (검색결과 27 건)
- 무료
- 기관 내 무료
- 유료
-
비도시지역의 난개발 방지를 위한 토지적성평가의 활용방안에 관한 연구
장현웅,이명훈 대한국토·도시계획학회 2002 國土計劃 Vol.37 No.7
The purpose of this study is to provide a common line for doing conservation or development using land suitability assessment system[LSAS] and basic data for setting the plan up. The results of this study are as follows : First, the site of this study is close by Suwon-Si, Osan-Si and Youngin-Si which are livelily developed, so it casues to increase development pressure to neighboring Taean-Eup and Dongtan-Myoun. Second, conflicted area which's came out from the analysis of Dongtan-Myoun are required special care of policy. These results make a few suggestions and those are as follows : First, it's required definitely generalization and classification in rural area, Second, LSAS should be operated by subdivision as three steps. Third, it's necessary to provide guiding standards and given obligations by law. Finally, it's needful to make mediatorial organization about consulting LSAS between the government and the local government.
-
-
CNN 기반 위장관 랜드마크 분류기를 이용한 위장관 교차점 추정
장현웅,임창남,박예슬,이광재,이정원 한국정보처리학회 2020 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.9 No.3
Since the performance of deep learning techniques has recently been proven in the field of image processing, there are many attempts to perform classification, analysis, and detection of images using such techniques in various fields. Among them, the expectation of medical image analysis software, which can serve as a medical diagnostic assistant, is increasing. In this study, we are attention to the capsule endoscope image, which has a large data set and takes a long time to judge. The purpose of this paper is to distinguish the gastrointestinal landmarks and to estimate the gastrointestinal transition location that are common to all patients in the judging of capsule endoscopy and take a lot of time. To do this, we designed CNN-based Classifier that can identify gastrointestinal landmarks, and used it to estimate the gastrointestinal transition location by filtering the results. Then, we estimate gastrointestinal transition location about seven of eight patients entered the suspected gastrointestinal transition area. In the case of change from the stomach to the small intestine(pylorus), and change from the small intestine to the large intestine(ileocecal valve), we can check all eight patients were found to be in the suspected gastrointestinal transition area. we can found suspected gastrointestinal transition area in the range of 100 frames, and if the reader plays images at 10 frames per second, the gastrointestinal transition could be found in 10 seconds. 최근의 영상 처리 분야는 딥러닝 기법들의 성능이 입증됨에 따라 다양한 분야에서 이와 같은 기법들을 활용해 영상에 대한 분류, 분석, 검출 등을 수행하려는 시도가 활발하다. 그중에서도 의료 진단 보조 역할을 할 수 있는 의료 영상 분석 소프트웨어에 대한 기대가 증가하고 있는데, 본 연구에서는 데이터 셋이 방대하고 판단에 시간이 오래 걸리는 캡슐내시경 영상에 주목하였다. 본 논문의 목적은 캡슐내시경 영상의 판독에서 모든 환자에 대해 공통으로 수행되고, 판독하는 데 많은 시간을 차지하는 위장관 랜드마크를 구별하고 위장관 교차점을 추정하는 것이다. 이를 위해, 위장관 랜드마크를 식별할 수 있는 CNN 학습 모델을 설계하였으며, 이를 이용하여 결괏값을 필터링해 위장관 교차점을 추정하였다. 무작위로 환자 데이터를 샘플링한 모델을 이용해서 나온 결과를 필터링 후에 위장관 교차점을 추정하였을 때, 88% 환자는 위장에서 소장으로 변화하는 위장관 교차점(유문판) 의심 구역 안에 들어왔으며, 소장에서 대장으로 변화하는 위장관 교차점(회맹판)의 경우 100% 환자가 위장관 교차점 의심 구역 안에 들어온 것을 확인할 수 있었다. 100프레임 범위로 위장관 교차점 의심 구역을 찾을 수 있었으며, 판독자가 초당 10프레임의 속도로 판독을 진행한다면 10초안에 위장관 교차점을 찾아낼 수 있다.
-
-
캡슐내시경 동영상으로부터 학습 데이터 레이블링을 위한 정보 추출 기법
장현웅 ( Hyeon-woong Jang ),임창남 ( Chang-nam Lim ),박예슬 ( Ye-seul Park ),이광재 ( Kwang-jae Lee ),이정원 ( Jung-won Lee ) 한국정보처리학회 2019 한국정보처리학회 학술대회논문집 Vol.26 No.1
최근 딥러닝과 머신러닝 기법이 소프트웨어의 성능 향상에 도움이 되는 것이 입증됨에 따라, 의료 영상 진단 보조 소프트웨어를 개발하기 위한 시도가 활발해 지고 있다. 그 중 캡슐내시경은 소장 소화기관을 관찰할 수 있는 초소형 의료기기로, 기존의 내시경 검사와 다르게 이물감이 느껴지지 않고 의료 보험 적용으로 최근 들어 널리 이용되고 있다. 일반적으로 캡슐 내시경은 8 시간 동안 소화기간을 촬영하며, 한 번의 검사 결과로 생성된 동영상 데이터 셋은 수 만장의 이미지를 포함하기 때문에, 방대한 양의 이미지들을 효율적으로 관리하기 위한 체계가 필요하다. 특히, 방대한 양의 캡슐내시경 이미지를 학습하는 경우, 수 만장의 이미지 속에서 유의미한 특징(촬영정보, 의사소견, 환자정보, 병변의 위치 및 크기 등)을 추출해내야 하므로 학습 데이터 레이블링을 위한 정보를 정확히 추출해야 하는 작업이 요구된다. 따라서 본 논문에서는 캡슐내시경 영상을 학습할 때, 학습 데이터 레이블 정보를 체계적으로 구축할 수 있게 하는 레이블 정보 추출 기법을 제안하고자 한다. 제안하는 기법은 병원에서 14년간 수집된 총 340명의 캡슐내시경 데이터(약 1,700 만장의 이미지)를 토대로 영상데이터를 구조적으로 분석하여 유의미한 정보를 추출하고 노이즈 데이터를 제거한 뒤, 빅데이터 저장소에 적재할 수 있음을 보였다.
-
장현웅 ( Hyun-woong Jang ),조수선 ( Soosun Cho ) 한국정보처리학회 2015 한국정보처리학회 학술대회논문집 Vol.22 No.1
이미지 인식과 내용분석은 이미지 검색과 멀티미디어 데이터 활용 분야에서 핵심기술이라 할 수 있다. 특히 최근 스마트폰, 디지털 카메라, 블랙박스 등에서 수집되는 영상 데이터 양이 급격히 증가하고 있다. 이에 따라 이미지를 인식하고 내용을 분석하여 활용할 수 있는 기술에 대한 요구가 점차 증대되고 있다. 본 논문에서는 이미지 내용정보를 이용하여 자동으로 이미지로부터 태그정보를 추출하는 방법을 제안한다. 이 방법은 기계학습 기법인 CNN(Convolutional Neural Network)에 ImageNet 의 이미지 데이터와 라벨을 학습시킨 후, 새로운 이미지로부터 라벨정보를 추출하는 것이다. 추출된 라벨을 태그로 간주하고 검색에 활용한다면 기존 검색시스템의 정확도를 향상시킬 수 있다는 것을 실험을 통하여 확인하였다.
-
장현웅 ( Hyun-woong Jang ),조수선 ( Soo-sun Cho ) 한국정보처리학회 2013 한국정보처리학회 학술대회논문집 Vol.20 No.2
플리커와 같은 대용량 영상저장 및 공유 사이트가 인기를 끌면서 이미지 정보의 양은 점점 늘어나고 있고 사용자들은 정확한 이미지 정보 검색을 요구하고 있다. 태그기반의 이미지 검색에서 정확도를 높이기 위하여 태그들의 의미적 연관성을 이용하는 등 다양한 연구가 진행되고 있다. 본 논문에서는 특징점 추출에 기반하여 이미지를 분류하는데 뛰어난 성능을 가진 SIFT알고리즘을 사용하여 플리커이미지를 분류하는 방법을 제안한다. 위키피디아 의미 연관성을 이용해 태그 정보로 1차 분류된 데이터베이스에 SIFT알고리즘을 사용해본 결과 기존의 SURF를 사용한 연구보다 높은 정확성을 보이는 것을 확인하였다. 따라서 이 방법을 통하여 다양한 이미지를 더욱 정확하게 분류할 수 있을 것으로 기대한다.
-
-
캡슐내시경의 위치추적을 위한 CNN 기반 위장관 랜드마크 분류기 설계
장현웅 ( Hyeon-woong Jang ),임창남 ( Chang-nam Lim ),박예슬 ( Ye-seul Park ),이광재 ( Kwang-jae Lee ),이정원 ( Jung-won Lee ) 한국정보처리학회 2019 한국정보처리학회 학술대회논문집 Vol.26 No.2
최근의 영상 처리 분야는 딥러닝 기법들의 성능이 입증됨에 따라 다양한 분야에서 이와 같은 기법들을 활용해 영상에 대한 분류, 분석, 검출 등을 수행하려는 시도가 활발하다. 그중에서도 의료 진단 보조 역할을 할 수 있는 의료 영상 분석 소프트웨어에 대한 기대가 증가하고 있는데, 본 연구에서는 캡슐내시경 영상에 주목하였다. 캡슐내시경은 주로 소장 촬영을 목표로 하며 식도부터 대장까지 약 8~10시간 동안 촬영된다. 이로 인해 CT, MR, X-ray와 같은 다른 의료 영상과 다르게 하나의 데이터 셋이 10~15만 장의 이미지를 갖는다. 일반적으로 캡슐내시경 영상을 판독하는 순서는 위장관 교차점(Z-Line, 유문판, 회맹판)을 기준으로 위장관 랜드마크(식도, 위, 소장, 대장)를 구분한 뒤, 각 랜드마크 별로 병변 정보를 찾아내는 방식이다. 그러나 워낙 방대한 영상 데이터를 가지기 때문에 의사 혹은 의료 전문가가 영상을 판독하는데 많은 시간과 노력이 소모되고 있다. 본 논문의 목적은 캡슐내시경 영상의 판독에서 모든 환자에 대해 공통으로 수행되고, 판독하는 데 많은 시간을 차지하는 위장관 랜드마크를 찾는 것에 있다. 이를 위해, 위장관 랜드마크를 식별할 수 있는 CNN 학습 모델을 설계하였으며, 더욱 효과적인 학습을 위해 전처리 과정으로 학습에 방해가 되는 학습 노이즈 영상들을 제거하고 위장관 랜드마크 별 특징 분석을 진행하였다. 총 8명의 환자 데이터를 가지고 학습된 모델에 대해 평가 및 검증을 진행하였는데, 무작위로 환자 데이터를 샘플링하여 학습한 모델을 평가한 결과, 평균 정확도가 95% 가 확인되었으며 개별 환자별로 교차 검증 방식을 진행한 결과 평균 정확도 67% 가 확인되었다.
-
멀티미디어 처리 : 이미지 단어집과 관심영역 자동추출을 사용한 이미지 분류
장현웅 ( Hyun Woong Jang ),조수선 ( Soo Sun Cho ) 한국정보처리학회 2014 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.3 No.12
As social multimedia sites are getting popular such as Flickr and Facebook, the amount of image information has been increasing very fast. So there have been many studies for accurate social image retrieval. Some of them were web image classification using semantic relations of image tags and BoVW(Bag of Visual Words). In this paper, we propose a method to detect salient region in images using GBVS(Graph Based Visual Saliency) model which can eliminate less important region like a background. First, We construct BoVW based on SIFT algorithm from the database of the preliminary retrieved images with semantically related tags. Second, detect salient region in test images using GBVS model. The result of image classification showed higher accuracy than the previous research. Therefore we expect that our method can classify a variety of images more accurately.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
