효율적이고 체계적인 퍼지제어를 위해 조작자의 제어동작을 모델링하거나 공정을 모델링하는 기법이 필요하고, 또한 퍼지 추론시에 조건부의 기여도(contribution factor)의 결정과 동작부의 제어량의 결정이 추론의 결과에 중요하다. 본 논문에서는 추론시 조건부의 기여도와 동작부의 세어량이 퍼지 엔트로피의 개념하에서 수행되는 적응 퍼지 추론시스템을 제시한다. 제시된 시스템은 전방향 신경회로망의 토대위에서 구현되며 주건부의 기여도가 퍼지 엔트로피에 의하여 구해지고, 동작부의 제어량은 확장된 퍼지 엔트로피에 의하여 구해진다. 이를 위한 학습 알고리즘으로는 역전파 알고리즘을 이용하여 조건부의 파라미터의 동정을 하고 동작부 파라미터의 동정에는 국부해에 보다 강인한 유전자 알고리즘을 이용하다. 이러한 모델링 기법을 임펄스 잡음과 가우시안 잡음이 첨가된 영상에 적용하여 본 결과, 영상복원시에 발생되는 여러 가지의 경우에 대한 적응성이 보다 양호하게 유지되었고, 전체영상의 20%의 데이터만으로도 객관적 화질에 있어서 기존의 추론 방법에 비해 향상을 보였다.

제품의 “감성이미지”란 제품의 기능과 함께 제품의 전달하는 감각적 요소 그리고 사용자가 제품을 통해 표현하고자 하는 개념적 표상을 통합하는 이미지이다. 감성이미지의 국제 비교 연구는 사용자가 특정 제품에 대해 가지고 있는 이미지를 구가나 문화의 맥락 속에서 해석하고, 이들 이미지를 상호 비교 평가하고자 한다. 생활문하 속에서 사용자들이 제품에 대해 가지는 감성이미지를 계량적으로 규명하고 비교 평가하며, 이 정보를 기초로 각국의 문화와 정서에 적합한 제품 디자인의 모형을 제시하는데 본 연구의 목적이 있다. 구체적인 연구활동으로 다음과 같은 방법이 제시되었다. 먼저, 각 문화 집단을 특징 지울 수 있는 표상개념으로 “언어 이미지” 스케일을 구성하였다. 이 언어 이미지에 대응하는 디자인 요소로 색채를 활용하여, 언어 개념과 색채 요소에 상응하는 자동차 제품의 감성 이미지가 각 문화 집단에 따라 상이하게 나타날 수 있는지를 비교하고자 하였다. 본 연구에서 나타난 각 문화 집단들이 특정 제품에 대해 적용하는 감성 이미지는 언어와 색체 요소로 구체화 될 뿐 아니라, 이들 집단이 형성한 사회적 표상(social representation)의 개념으로 비교될 수 있는 것을 보이고자 하였다.

The art field of contemporary society is developing rapidly, and digital media is developing at a high speed. The installation art, which is rooted in contemporary art, has gradually become an important art form of new media art with its unique conceptual, experimental, on-site and interactive nature. In the late 20th century, the media scene has become more diversified with the development of science and technology, and the creation form and content of installation art have been more fully developed, and once became the patent of avant-garde fashion designers. On this basis, with the help of outdoor art behavior, the article makes an in-depth exploration and research on the integration and development of digital media technology and installation art.

In this paper, we present auto-annotation tool and synthetic dataset using 3D CAD model for deep learning based object detection. To be used as training data for deep learning methods, class, segmentation, bounding-box, contour, and pose annotations of the object are needed. We propose an automated annotation tool and synthetic image generation. Our resulting synthetic dataset reflects occlusion between objects and applicable for both underwater and in-air environments. To verify our synthetic dataset, we use MASK R-CNN as a state-of-the-art method among object detection model using deep learning. For experiment, we make the experimental environment reflecting the actual underwater environment. We show that object detection model trained via our dataset show significantly accurate results and robustness for the underwater environment. Lastly, we verify that our synthetic dataset is suitable for deep learning model for the underwater environments.

In this study, digital image processing was used to estimate the tensile forces of the remote hanger cable using image-based back analysis method. A portable digital camcorder was used as a vision-based system considering convenient and economical aspects for use. The ambient vibration test was performed on a suspension bridge to verify the validity of the image-back analysis method of measuring the hanger cable tensile force.

영상 인식 기술은 평면 영상에 대해서 많이 연구되고 그 성능 또한 발전하고 있다. 그러나 평면 영상이 아닌 구면 파노라마 영상과 다양한 환경에서 주어지는 특수한 형태의 영상에 대한 인식은 평면과 다르게 기하학적인 왜곡으로 인해서 많은 어려움이 따른다. 본 논문에서는 평면영상의 인식 기술에서 최근 각광받는 훈련을 통한 신경망 인식 기법이 구면 파노라마 영상의 인식에서도 쓰일 수 있음을 보인다. 또한 구면 영상에 대한 기존 신경망 모델의 인식률을 높이기 위해서 큐브맵 변환을 활용하는 방법을 제시한다.

Recently, there have been many studies to classify the image-based damage of bridge using the deep learning and to evaluate the condition. These attempts are one of the ways to overcome limitations of visual inspection through inspectors, and it is also aimed to reduce the cost of necessary maintenance budget by enabling accurate and rapid damage assessment of rapidly growing old facilities and difficult parts of visual inspection. However, it is possible to classify and quantitatively express simple damage (one damage classification such as cracks) with image information (big data) of bridges, but classification and quantification of complex damage can be done by using one deep learning is a limit. Therefore, this study presents considerations and a method to be used for damage detection on the image basis using deep learning.

This paper presents the applicability and reliability of the crack detection technique of concrete structures developed based on the use of digital image analysis technologies through on - site tests. The problem of aging of infrastructure is a serious threat to the national and national security and there is a growing interest in the development and application of effective inspection and maintenance techniques for related infrastructure. Therefore, instead of the existing traditional manpower-based infrastructure inspection and maintenance techniques, which involve lots of time and money consumption and reliability of results, research using digital image analysis technology is actively being carried out.

This paper proposes real-time image-based damage detection method for concrete structures using deep learning. The proposed method is composed of three steps: (1) collection of a large volume of images containing damage information from internet, (2) development of a deep learning model (i.e., convolutional neural network (CNN)) using collected images, and (3) automatic selection of damage images using the trained deep learning model. The whole procedure of the proposed method has been applied to some figures taken in a real structure. This method is expected to facilitate the regular inspection and speed up the assessment of detailed damage distribution the without losing accuracy.