본 논문은 모바일 폰 사진을 활용하여 도시 공간에서 전력선과 건물 사이의 거리를 편리하게 모델링하고 측정하는 방법에 중점을 두고 있으며, 이에 대한 정확성을 평가하였다. 모바일 장 치용 2뷰 지오메트리를 사용한 전력선과 건물의 3D 재구성 방법을 설계하여 어디에서나 즉시 측정할 수 있도록 하였다. 특징점을 사용하여 전력선과 건물 사이의 거리를 계산하고 건물 정 보를 활용하여 게임 가상 공간에 전력선과 전주를 배치할 수 있다. 본 논문에서는 대전시 내 10개의 위치에서 실험을 실시하고, 상업용 시스템과 LiDAR가 있는 경우와 없는 경우를 포함 한 이전 방법과의 성능을 평가하였다. 우리의 방법을 스마트폰에 구현했기 때문에 장점은 휴 대성과 저렴함이다.

본 연구는 추가적인 장비 없이 UAV만을 사용한 균열폭 측정 및 균열의 3차원 재구성 방법을 제안한다. UAV 사진측량법 및 CNN을이용한 균열의 3차원 재구성 및 균열폭 측정 검증을 위해 5곳의 균열이 존재하는 벽면을 대상으로 균열의 3차원 재구성을 하였 으며 UAV와 균열 사이의 거리 4가지에 대해 균열폭을 측정하고 균열 현미경 측정값과 비교하여 정확성을 검증하였다. 대부분의 균열 에서 균열폭을 정확히 측정하였으나 균열폭이 0.5mm보다 작은 경우와 벽면이 심하게 그늘져 어두운 곳에서는 측정 유효성이 떨어지 는 결과를 보였다.

이 연구는 위성사진을 활용하여 건설지점의 기대풍속을 예측하기 위한 인공신경망 방법론을 제안한다. 제안된 방법은 기존 의 엔지니어의 판단을 대체하여, Auto-Encoder를 사용해 지형적 특성을 정량화하고, 이를 바탕으로 대상지점과 유사한 지역의 관측소 풍속 데이터를 선형 조합해 기대 풍속을 예측한다. 또한, 머신러닝과 인공신경망을 활용한 종단간 풍속 예측 모델을 제안하고, 성능을 비교 분석하였다. 그 결과 관측소의 풍속 데이터의 선형 조합보다는 종단간 모델을 구성하는 방법이 더 높은 정확도를 보였으며, 특히 Graph Neural Network (GNN)이 Multi-Layer Perceptron (MLP)에 비해 상당히 우수한 예측 성능을 나타내었다.

이 연구는 중국의 이미지 처리 소프트웨어 메이투를 중심으로 하여 기 술수용이론을 적용하고 확장하여 중국 사용자들의 이미지 처리 소프트웨 어 사용 의도에 대한 가능성을 탐구하는 것이다. 이를 위해 설문조사 방 법을 사용하여 사회의 다양한 계층의 다양한 그룹을 조사하고 수집한 데 이터를 분석했다. 연구 결과는 사용자의 사용 의도에 영향을 미치는 것 으로 나타났으며, 특히 사용자의 편리성과 유용성에 더해, 호기심과 자아 형상 일치성도 메이투 사용자의 사용 의도에 긍정적인 영향을 미치는 것 으로 나타났다. 본 논문의 연구 결과는 메이투와 같은 이미지 편집 소프 트웨어의 개발과 운영에 가치 있는 통찰을 제공할 수 있다.

본 연구는 소셜미디어 이미지를 이용하여 대구광역시 내 반려견 산책 선호장소와 특징을 분석하 였다. 2020년부터 2022년까지 약 2년간의 시간적 범위를 기반으로 ‘#반려견산책’ ‘#강아지산책’, ‘#개산책’ 세 가지의 인스타그램 해시태그를 활용해 분석을 시행하였다. 그 결과 첫째, 추출된 622 건의 위치 데이터를 바탕으로 대구광역시 내 반려견 인기 산책 장소는 총 13개인 것으로 나타났으 며, 상위 세 개 장소의 경우 국채보상공원, 두류공원, 수성못인 것으로 나타났다. 둘째, 반려견 동반 산책 선호장소의 공간적 특징 및 경향성 파악을 위한 719개의 사진분석결과 ‘수변산책로’, ‘거주지 주변’, ‘공원’, ‘도시/도시인프라’, ‘반려견운동장/카페’ 총 다섯 가지 분류체계 항목으로 조사되었 다. 사진들의 다양한 요소 및 특성(Attributes) 분석틀에 의한 유형분류 결과 반려견만을 집중하여 확대, 촬영한 사진들을 제외하고 ‘경관’, ‘자연요소’, ‘활동/레저’, ‘사람’, ‘도시/장소’의 다섯 유형 으로 분류되었다. 본 연구를 통해 반려견 산책 선호장소와 유형들을 파악하여 반려견 산책환경 개 선방안을 도출하였다.

딥러닝을 이용하여 항공 및 위성 영상 속의 다양한 공간객체를 탐지하는 연구들이 증가하고 있다. 매년 급속하게 증가하는 위성 및 항공사진과 같은 원격탐사의 자료 속에서 특정 공간객체들을 수작업으로 탐지하는 것은 한계를 갖는다. 본 연구에서는 딥러닝의 객체 탐지기법을 이용하여 토지피복도 내 공간객체들에 대한 탐지를 시도하였다. 데이터는 국토지리정보원의 항공사진을 활용하였고 농경지에 해당하는 논, 밭, 하우스 재배지 등의 객체들을 탐지하였다. 토지피복을 구성하는 다양한 공간객체들에 대한 탐지를 통해 YOLOv5 모델의 활용 가능성을 탐색하였다.

The purpose of this study was to verify the sensitive areas when the AI determines osteoporosis for the entire area of the panoramic radiograph. Panoramic radiographs of a total of 1,156 female patients(average age of 49.0±24.0 years) were used for this study. The panoramic radiographs were diagnosed as osteoporosis and the normal by Oral and Maxillofacial Radiology specialists. The VGG16 deep learning convolutional neural network(CNN) model was used to determine osteoporosis and the normal from testing 72 osteoporosis(average age of 73.7±8.0 years) and 93 normal(average age of 26.4±5.1 years). VGG16 conducted a gradient-weighted class activation mapping(Grad-CAM) visualization to indicate sensitive areas when determining osteoporosis. The accuracy of CNN in determining osteoporosis was 100%. Heatmap image from 72 panoamic radiographs of osteoporosis revealed that CNN was sensitive to the cervical vertebral in 70.8%(51/72), the cortical bone of the lower mandible in 72.2%(52/72), the cranial base area in 30.6%(22/72), the cancellous bone of the mandible in 33.3%(24/72), the cancellous bone of the maxilla in 20.8%(15/72), the zygoma in 8.3%(6/72), and the dental area in 5.6%(4/72). Consideration: it was found that the cervical vertebral area and the cortical bone of the lower mandible were sensitive areas when CNN determines osteoporosis in the entire area of panoramic radiographs.

본 연구의 목적은 딥러닝의 전이학습 모델을 이용하여 항공사진과 토지이용현황도 간의 비교를 통해 토지이용현황의 변화를 탐지하는 방안을 마련하는 데 있다. 이러한 목적을 위해 딥러닝의 이미지 예측모델과 라스터와 벡터 자료를 비교하는 공간분석 기능을 이용하였다. 학습모델 구축을 통해 토지이용현황도의 상업지, 농지, 임지 및 수계에 대한 예측결과를 이용하여 토지이용의 변화를 탐지하는 방안을 제시하였다. 이러한 분석 방안은 라스터 형태의 최신 정보와 벡터 형태의 기존 자료와의 비교를 통해서 자료의 변화를 확인하는 방안으로 활용이 가능하다.

Simulacre means a copy of the original, an ostensible representation of someone or something. This study closely looks at the 2017 <VOGUE like a painting exhibition> hosted by the fashion magazine Vogue. The purpose of this study is to use both theoretical and empirical analysis to analyze the simulacre developed in fashion photographs inspired by famous paintings in the exhibition booklet. The booklet is divided into four sections: portrait, rococo, landscape painting, from avant-garde to pop art. It also contains 55 pieces comparing the original masterpieces to the works of 26 photographers inspired by them. The fashion photographs were analyzed using Jean Baudrillard’s four stages of simulacre transformation: represent, denature, dissimulate, and replace image change theory. The degree of simulacre expression was indicated three times on a four-point Likert scale by five fashion majors, and the results were integrated and analyzed. As a result, in fashion photography, simulacre— due to the development of photography technology and the photographer’s artistry— appeared in various ways; image denature was most preferred, followed by dissimulate, represent, and replace. This study shows that image analysis of fashion photographs and applying the perspective of simulacre when creating artworks can be a way to obtain rich qualitative data in the future.

Visual inspection methods have limitations, such as reflecting the subjective opinions of workers. Moreover, additional equipment is required when inspecting the high-rise buildings because the height is limited during the inspection. Various methods have been studied to detect concrete cracks due to the disadvantage of existing visual inspection. In this study, a crack detection technology was proposed, and the technology was objectively and accurately through AI. In this study, an efficient method was proposed that automatically detects concrete cracks by using a Convolutional Neural Network(CNN) with the Orthomosaic image, modeled with the help of UAV. The concrete cracks were predicted by three different CNN models: AlexNet, ResNet50, and ResNeXt. The models were verified by accuracy, recall, and F1 Score. The ResNeXt model had the high performance among the three models. Also, this study confirmed the reliability of the model designed by applying it to the experiment.

여수 사도 공룡발자국 화석지는 많은 수의 공룡발자국 화석과 함께 공룡의 집단행동에 대한 연구로 잘 알려진 지역이다. 또한 다양한 종류의 지질유산 및 지형유산이 분포하고 있어 지질관광과 지질교육의 장으로 주목받고 있다. 그러나 지리적 위치에 따른 접근성, 조차에 의한 시간적 제약, 지속적인 풍화 및 훼손에 의해 학생들의 교육을 위한 야외조사는 매우 제한적으로만 이루어지고 있다. 따라서 이번 연구는 최근 다양한 분야에서 이용되고 있는 사진측량법을 이용하여 사도의 공룡발자국 화석들의 3D 모델과 이미지를 생성한 후 이를 통해 과거에 확인하지 못한 화석에 대한 세부적인 정보를 확인함과 동시에 이를 교육자료로 활용 할 수 있는 방안에 대하여 제안하고자 한다. 획득한 3D 이미 지를 통해 확인한 결과 기존에 육안이나 사진으로 확인하지 못하였던 일부 발자국 화석들의 존재를 확인할 수 있었고 기존에 발견된 화석이라도 사진이나 해석 드로잉으로 표현하지 못하였던 세부를 이미지로 나타낼 수 있었다. 또한 발자국 화석의 3D 모델은 향후 반영구적인 데이터로 보존할 수 있어 여러 형태로의 활용과 보존이 가능하다. 이번 연구에서는 사진측량법으로 얻어진 3D 모델을 활용하여 3D 프린팅 및 가상야외조사에 활용할 모바일 증강현실 콘텐츠를 구현하였으며 향후 3D 모델이 필요한 다양한 교육 콘텐츠 분야에서 사진측량법을 활용할 수 있을 것으로 보인다.

This study was performed as a part of serial experiments of applying convolutional neural network(CNN) in determining osteoporosis on panoramic radiograph. The purpose of this study was to investigate how sensitively CNN determine osteoporosis on cropped panoramic radiograph. Panoramic radiographs from 1268 female patients(mean age 45.2 ± 21.1 yrs) were selected for this study. For the osteoporosis group, 633(mean age 72.2 ± 8.5 yrs) were selected, while for the normal group 635(mean age 28.3 ± 7.0 yrs). AlexNet was utilized as CNN in this study. A multiple-column CNN was designed with two rectangular regions of interest on the mandible inferior area. An occluding method was used to analyze the sensitive area in determining osteoporosis on AlexNet. Testing of AlexNet showed accuracy of 99% in determining osteoporosis on panoramic radiographs. AlexNet was sensitive at the area of cortical and cancellous bone of the mandible inferior area including adjacent soft tissue.

Deep convolutional network is a deep learning approach to optimize image recognition. This study aimed to apply DCNN to the reading of mandibular cortical thinning in digital panoramic radiographs. Digital panoramic radiographs of 1,268 female dental patients (age 45.2 ± 21.1yrs) were used in the reading of the mandibular cortical bone by two maxillofacial radiologists. Among the subjects, 535 normal subject’s panoramic radiographs (age 28.6 ±7.4 yrs) and 533 those of osteoporosis pationts (age 72.1 ± 8.7 yrs) with mandibular cortical thinning were used for training DCNN. In the testing of mandibular cortical thinning, 100 panoramic radiographs of normal subjects (age 26.6 ± 4.5 yrs) and 100 mandibular cortical thinning (age 72.5 ± 7.2 yrs) were used. The sensitive area of DCNN to mandibular cortical thinning was investigated by occluding analysis. The readings of DCNN were compared by two maxillofacial radiologists. DCNN showed 97.5% accuracy, 96% sensitivity, and 99% specificity in reading mandibular cortical thinning. DCNN was sensitively responded on the cancellous and cortical bone of the mandibular inferior area. DCNN was effective in diagnosing mandibular cortical thinning.

Artificial intelligence, has been applied in interpreting osteoporosis on dental panoramic radiograph with high accuracy. The purpose of this study was to investigate the sensitive area of convolutional neural network(CNN), one of artificial intelligence, in interpreting osteoporosis on dental panoramic radiograph. Dental panoramic radiographs taken from 1,170 female (49.19 ±21.91 average age, 21 minimum age, and 84 maximum age) were selected for this study. Two oral maxillofacial radiologists agreed upon interpreting osteoporosis by interpreting mandibular inferior cortical changes. The region of interest included upper and lower jaws for training and testing CNN in interpreting osteoporosis. A filter which was set to look for image characteristics moved through the entire panoramic radiography to identify sensitive areas that distinguish normal groups and osteoporosis patients. In interpreting osteoporosis on panoramic radiograph, CNN responded sensitively at the cancellous bone of the upper and lower jaws while oral maxillofacial radiologists interpreted mandibular inferior cortical change.

이 연구는 우리나라에서 발생한 땅밀림재해 발생지 중 재발생된 땅밀림지를 대상으로 항공사진을 이용하여 땅밀림 발생시기 및 피해면적을 추정함으로써 땅밀림 재발생에 따른 복구대책을 수립하기 위한 기초자료를 제공하기 위하여 수행하였다. 우리나라에서 땅밀림이 발생한 지역 중 재발생된 지역은 6개소이었으며, 이는 항공사진으로 확인할 수 있었다. 재발생된 땅밀림지는 풍화암지대였으며, 불연속면은 사면경사와 동일한 방향이었고, 절리간격은 모두 조밀(6∼20mm)하게 나타났다. 땅밀림지의 피해 규모는, 평균 폭 216.3m (119.8m∼367.5m), 평균길이 287.8m (114.6m∼529.2m), 평균깊이 2.7m (1.2m∼5.8m)이었다. 땅밀림이 재발생된 6개소의 2차 땅밀림에 의한 피해면적은 1차 땅밀림 피해면적보다 평균 22.1(1.8∼45.5)배 넓은 것으로 나타났다. 고해상도 항공사진을 활용하여 1차 땅밀림을 파악하면 이후 발생할 수 있는 땅밀림으로 인한 재해를 사전에 파악하여 복구대책을 수립할 수 있고, 이를 통해 산지재해예방에 기여할 수 있을 것으로 사료된다.