[논문]이미지 인식 기술의 산업 적용 동향 연구

송재민; 이새봄; 박아름

doi:10.5392/jkca.2020.20.07.086

이미지 인식 기술의 산업 적용 동향 연구
A Study on the Industrial Application of Image Recognition Technology 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.20 no.7, 2020년, pp.86 - 96

송재민 (경희대학교 빅데이터연구센터) , 이새봄 (경희대학교 빅데이터연구센터) , 박아름 (경희대학교 빅데이터연구센터)

초록
AI-Helper

본 연구는 이미지 인식기술 서비스의 산업 적용 사례를 기반으로 인공지능이 이미지 인식기술에 어떠한 역할을 하고 있는지 살펴보았다. 이미지 인식 기술을 사용하여 위성사진을 인공지능으로 분석해 특정 국가의 원유 저장탱크의 산출 내역을 밝혀내거나, 사용자가 촬영하거나 다운로드한 이미지와 유사한 이미지나 제품을 검색해주기도 하며, 과일의 산출량을 정렬한다거나 식물의 질병을 탐지해 낼 수도 있다. 딥러닝과 신경망 알고리즘을 기반으로 사람의 나이, 성별, 기분까지도 인식할 수 있어 이미지 인식 기술이 다양한 산업에서 적용되고 있음을 확인하였다. 본 연구에서는 국내 및 해외의 이미지 인식 기술의 활용 사례를 살펴보는 것 뿐 아니라, 어떠한 형태로 산업에 적용되고 있는지 확인을 할 수 있다. 또한, 본 연구를 통하여 여러 산업에서 이미지 인식기술을 구현하고 적용하여 발전시킨 여러 성공 사례들을 중심으로 향후 연구의 방향성을 제시했으며, 향후 국내 이미지 인식 기술이 나아가야 할 방향을 고찰해 볼 수 있다.

Abstract ▼ AI-Helper

Based on the use cases of image recognition technology, this study looked at how artificial intelligence plays a role in image recognition technology. Through image recognition technology, satellite images can be analyzed with artificial intelligence to reveal the calculation of oil storage tanks in certain countries. And image recognition technology makes it possible for searching images or products similar to images taken or downloaded by users, as well as arranging fruit yields, or detecting plant diseases. Based on deep learning and neural network algorithms, we can recognize people's age, gender, and mood, confirming that image recognition technology is being applied in various industries. In this study, we can look at the use cases of domestic and overseas image recognition technology, as well as see which methods are being applied to the industry. In addition, through this study, the direction of future research was presented, focusing on various successful cases in which image recognition technology was implemented and applied in various industries. At the conclusion, it can be considered that the direction in which domestic image recognition technology should move forward in the future.

주제어

표/그림 (10)

표 표 1. 컴퓨터 비전 기술
그림 그림 1. 제초제 살포 화면 [25]
그림 그림 2. 케스프리 드론의 지붕 손상 촬영 [27]
그림 그림 3. 위성에서 촬영된 원유탱크 모습 [28]
그림 그림 4. LogoGrab의 위조제품 식별 [30]
그림 그림 5. Imagga의 visual search [31]
그림 그림 6. BitRefind의 식물 질병 탐지 [32]
그림 그림 7. BitRefind의 과일 등급 정렬 [33]
그림 그림 8. NVIDIA facial recognition [36]
그림 그림 9. Hanvon facial recognition [39]

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

딥러닝을 이용한 객체 인식 및 검출 기술 동향에 대한 연구는 컴퓨터 비전 기반 물체 인식 및 검출 기술과 관련한 모델과 알고리즘에 대해 소개한다. 딥러닝 기술의 근간이 되는 FCNN(Fully-Connected Neural Network)에서부터 1989년 발표된 CNN, 2012년 Deep CNN모델인 AlexNet가 등장하면서 많은 연구 팀들이 딥러닝 기반 알고리즘을 활용하게 되었다.
본 연구는 기존의 연구들이 모델링과 알고리즘 개발과 관련된 기술연구에 중점을 둔 것과 달리, 제한된 영역에 한하여 컴퓨터 비전 기술을 활용하여 비즈니스적 가치를 창출한 사례들을 소개하고자 한다. 따라서 본 연구는 기존의 산업분야 외에 다양한 산업분야에서 컴퓨터 비전 기술이 어떻게 활용되고 있는지 어떤 가치를 창출하는지 분석함으로써 컴퓨터 비전 기술이 다양한 산업분야에서 활용될 수 있도록 하고자 한다.
민준영은 교통현장에 설치된 CCTV는 정보수집 기능이 없었으나 최근에는 CCTV영상을 기반으로 교통 정보의 세분화, 다양화, 교통시설정보, 도로 등의 안전감지, 교통정보제 공, 사고 및 돌발 상황 감지 기술을 사용하여 실시간 교통자료를 바탕으로 교통사고의 원인분석을 하고 있다고 밝혔다[20]. 본 연구는 기존의 연구들이 모델링과 알고리즘 개발과 관련된 기술연구에 중점을 둔 것과 달리, 제한된 영역에 한하여 컴퓨터 비전 기술을 활용하여 비즈니스적 가치를 창출한 사례들을 소개하고자 한다. 따라서 본 연구는 기존의 산업분야 외에 다양한 산업분야에서 컴퓨터 비전 기술이 어떻게 활용되고 있는지 어떤 가치를 창출하는지 분석함으로써 컴퓨터 비전 기술이 다양한 산업분야에서 활용될 수 있도록 하고자 한다.
본 연구는 이미지 인식기술 서비스의 성공사례를 기반으로 인공지능이 이미지 인식기술에 어떠한 가치를 부여하고 있는지 알아보고자 하였다. 블루리버 테크놀 로지는 머신러닝 기술을 활용해 토양상태를 분석하여 제초제와 비료, 물 등을 뿌리는 양과 시기를 조절한다.
의료이미지를 분석하여 질병을 발견하거나, 제조과정의 결함을 검수작업에서 찾아내기도 한다. 본 연구는 인공지능 기반의 이미지 인식 기술을 활용한 서비스들의 동향을 살펴보고 이미지 인식 기술의 발전사항에 대해 논의해 보고자 한다. 본 연구는 다중 사례연구방법론을 기반으로 사례를 선택하였으며[6], 사례선택방법 중 임의선택방법과 정보중심 선택 방법이 존재하는데[7] 본 연구는 정보중심 선택방법을 택하여 위에서 언급한 이미지 인식 기술 4가지를 기준으로 사례를 선별하였다.
본 연구에서는 다양한 기술들이 산업에 어떻게 적용되어 활용되고 있는지 동향을 파악하는 것에 의미를 두고 진행하였다. 연구를 통해 조사된 다양한 사례와 분석된 결과 내용을 바탕으로 우리나라의 이미지인식 산업에 서는 앞으로 어떠한 전략으로 인공지능과 빅데이터 등의 기술과 융합하여 더욱 발전 시켜 나갈 수 있는지 방향성을 제시하고자 하였다본 연구의 산업적 시사점은 국내뿐만 아니라 해외의 이미지 인식 기술을 활용한 최신 비즈니스 사례를 살펴 보는 것에 있다.
사이버링크는 다양한 생체 인증 파라미터를 활용하여 높은 수준의 AI 안면인식 엔진 기술을 보유하고 있으며, 딥러닝과 신경망 알고리즘을 기반으로 사람의 나이, 성별, 기분, 얼굴이 향하는 방향 등을 인식할 수 있어 여러 분야에 적용이 가능할 것으로 예상된다. 본 연구에서는 이미지 인식기술이 다양한 분야에서 적용되는 사례를 조사하고 분석하고자 하였다. 이미지 인식 기술은 크게 이미지 분류, 이미지 찾기, 이미지 인식, 대상분할 등 4가지로 분류를 할 수 있다.
이미지 인식기술의 현황 파악과 이미지 인식기술이 어떠한 형태로 다양한 산업에서 적용되고 있는지 확인할 수 있었다. 본 연구에서는 인공지능 활용분야 중 이미지인식 기술 분야를 선정하고 국내외 사례들을 살펴봄으로써 이미지인식 기술을 활용한 헬스케어의 최신 이슈사항이 무엇인지 확인하고자 하였다. 안면인식 기술의 경우 국내는 해외에 다소 뒤쳐져있는 모습이었으며, 이미지인식 기술의 농업, 광업 등 1 차 산업의 적용에도 해외에 비해 혁신 사례가 부족한 감이 있다.
본 연구에서는 다양한 기술들이 산업에 어떻게 적용되어 활용되고 있는지 동향을 파악하는 것에 의미를 두고 진행하였다. 연구를 통해 조사된 다양한 사례와 분석된 결과 내용을 바탕으로 우리나라의 이미지인식 산업에 서는 앞으로 어떠한 전략으로 인공지능과 빅데이터 등의 기술과 융합하여 더욱 발전 시켜 나갈 수 있는지 방향성을 제시하고자 하였다본 연구의 산업적 시사점은 국내뿐만 아니라 해외의 이미지 인식 기술을 활용한 최신 비즈니스 사례를 살펴 보는 것에 있다. 이미지 인식기술의 현황 파악과 이미지 인식기술이 어떠한 형태로 다양한 산업에서 적용되고 있는지 확인할 수 있었다.
BitRefind Group은 이미지 인식 기술을 토대로 이미지 및 동영상 전처리 서비스를 하고 있으며, 객체 및이벤트 감지, 이미지 내용 인식, 장면 분할(scene segmentation), MRI 혹은 X-Ray의 2D 이미지의 3D 장면 재구성 등과 같은 다양한 서비스들을 하고 있다. 이 중에서도 본 연구에서는 농업에서 사용되고 있는 서비스를 소개하고자 한다. 먼저, 식물 질병 탐지(Plant disease detection) 서비스이다.
딥러닝 기술로 인해 딥러닝 기반 이미지 인식기술이 적용된 산업분야마다 그 활용목적이 다양하다. 컴퓨터 비전의 주된 활용 목적 중 하나는 영상이나 이미지에서 체의 감지(detection)[15] 를 하거나, 인식(recognition) [16], 분류(segmentation)[17], 및 위치(location)를 파악하고자 하는 것이다. 그 이외에도 연속 영상에서 물체를 추적하거나, 3D 모델로 맵핑(mapping) 하는데 활용되기도 하며, 인간의 팔다리 움직임을 3D로 추정 (estimation)을 하고, 디지털 영상을 콘텐츠에 따라 탐색(content-based image retrieval) 하기 위해 활용 되고 있다[18].

제안 방법

블루리버 테크놀로지는 머신러닝 기술을 활용해 토양 상태를 분석하여 제초제와 비료·물을 뿌리는 시기와 양을 조절한다. 또한 트랙터 하단에 설치한 카메라가 토지를 촬영하면 인공지능이 데이터를 분석해 잡초와 작물을 구분하여 잡초에만 정확하게 제초제를 분사하고 작물에는 비료를 떨어뜨려 농작물 수확량을 늘릴 수있게 도와준다. [그림 1]의 오른쪽 그림은 미국 실리콘 밸리의 인공지능 기업 블루리버 테크놀리지에서 개발한 AI트랙터이다[23].
핵심 기술은 인공지능 알고리즘을 통해 이미지 및 동영상 혹은 GIF에서 로고와 마크가 포함된 이미지를 찾을 수 있도록 하는 이미지 감지 기술 이다. 수백만 개의 이미지와 비디오를 스캔하고 사용자가 찾고자 하는 특정 브랜드 로고를 식별하도록 설계하 였다. 이미지를 사용하여 브랜드 인지도 혹은 비즈니스를 유도할 수 있도록 하며, 브랜드, 광고주들은 수익을 창출하기 위해 자신들의 콘텐츠에 어떠한 일이 발생하 는지를 이해할 수 있다.
이미지넷은 스탠포드 대학의 Fei-Fei Li 교수가 2009년 이미지에 나타난 객체를 인식하기 위해 데이터를 구축한 프로젝 트를 뜻한다. 이미지 데이터베이스를 공개하여 다양한 종류의 사진들을 모든 사람들이 무료로 이용할 수 있도록 하였다. 이미지넷을 통해 인공지능의 컴퓨터 비전 (Computer vision)분야의 교육 데이터 부족 문제를 해결해주고 있다[3].
BitRefind는 자동 식물성 질병 탐지 시스템으로 식물의 질병을 발견하는 서비스를 제공하고 있다. 차량에 설치된 카메라 및 컴퓨팅 하드웨어로 식물을 촬영하고 카메라에 포착된 이미지 흐름을 검사하여 병든 잎을 감지하고 분류한다. 인공 신경망을 기반으로 하여 식물 잎의 흠집이나 곰팡이와 같은 이상 징후를 인식하고 질병을 구별하는 게 특징이다 [32].

대상 데이터

본 연구는 인공지능 기반의 이미지 인식 기술을 활용한 서비스들의 동향을 살펴보고 이미지 인식 기술의 발전사항에 대해 논의해 보고자 한다. 본 연구는 다중 사례연구방법론을 기반으로 사례를 선택하였으며[6], 사례선택방법 중 임의선택방법과 정보중심 선택 방법이 존재하는데[7] 본 연구는 정보중심 선택방법을 택하여 위에서 언급한 이미지 인식 기술 4가지를 기준으로 사례를 선별하였다. 사례 수에 대한 기준은 4~10개가 적절하다는 선행연구[8]의 의견을 따라서 연구를 진행하였다.

성능/효과

기술의 체계적인 분류가 없어, 사례 별로 기술의 특징과 기술의 적용 방식을 구체화 하는 것이 부족하였다. 또한 국내의 다양한 분야에서 이미지 인식 기술이 해외에 비해 발전이 더디다는 결론을 내었 다. 하지만, 국내의 이미지인식 기술이 뒤쳐져있는 구체적인 이유와 앞으로 어떠한 기술을 어떻게 발전시켜 어떻게 적용해 나갈 수 있을지 심도 있게 논의하지 못하였다.
솔루션은 두 가지 모델이 있는데, 건물 입구에 설치해 개별 통과자를 감식하는 싱글채널 모델과 1초에 30 명을 동시에 감식할 수 있는 멀티채널 모델로 구분된 다. 실험 결과 마스크 착용자는 95%, 미착용자는 99.5% 확률로 식별해 냈다. 한본은 마스크와 선글라스를 함께 착용한 사람도 인식할 수 있는 안면인식 기술을 추가로 개발할 계획이며, 범죄자 색출 및 검거에 다양하게 활용 될 수 있을 전망이다[38].
오비털 인사이트의 AI가 인공위성사진을 바탕으로사 우디의 원유 탱크를 전면 재조사한 결과, 석유 산업의 조사 기관이 과거 산출했던 것보다 2배가 많은 원유 탱크가 있는 것으로 밝혀졌다.
드론으로부터 포착한 이미지를 바탕 으로 비축 양을 체적 측정할 수 있는 도구를 제공하고 있으며, 건설, 보험에 이어 에너지 분야로의 진출을 꾀하고 있다[26]. 특히 드론을 활용할 수 있는 공간에서 실행 가능한 비즈니스 모델을 설계하고 아직 초기시장 임에도 불구하고 광산 채굴 사업이라는 틈새시장을 개척함으로써 세일스포스 벤처스로부터 많은 자금을 조달받을 수 있었다. 2019년 300개 이상의 고객사 중 200개 이상이 광산 채굴 사업 고객으로, 케스프리의 비즈니스 모델은 광산 채굴 산업뿐만 아니라 보험 산업에도 활용가능하다.

후속연구

또한 건설사가 건설 현장에 적치한 모래 자재 재고량을 자동으로 확인하는 등 건설기업이 차후 공정 계획을 수립하는데 도움을 줄 수 있을 것으로 예상된다.
우리나라에서는 아직 이미지인식 관련 여러 규제로 인해 기술 개발 및 산업 적용이 해외 선진 사례에 비해 더딘 경향이 있다. 본 연구의 결과는 이미지인식 기술 관련 분야에 대해 정부가 장기적인 관점에서 정책적인 지원을 할 필요가 있다는 것을 시사한다. 학문적 시사점으로는 여러 산업에서 이미지 인식기술을 구현하고 적용하여 발전시키기 위해 여러 사례들을 중심으로 향후 연구의 방향성을 제시했다는 것에 있다.
본 연구의 한계점은 인공지능 이미지 인식기술의 성숙 도와 기술의 체계적 분류 및 분석에 대한 내용이 미흡 하였다는 점이다. 기술의 체계적인 분류가 없어, 사례 별로 기술의 특징과 기술의 적용 방식을 구체화 하는 것이 부족하였다.
한본은 마스크 착용자를 95% 확률로 식별해 내는 안면인식 솔루션을 개발했으며, 마스크와 선글라스를 함께 착용한 사람도 인식할 수 있는 안면인식 기술을 추가로 개발할 계획이 있어 범죄자 색출 및 검거에 활용될 수 있을 전망이다. 사이버링크는 다양한 생체 인증 파라미터를 활용하여 높은 수준의 AI 안면인식 엔진 기술을 보유하고 있으며, 딥러닝과 신경망 알고리즘을 기반으로 사람의 나이, 성별, 기분, 얼굴이 향하는 방향 등을 인식할 수 있어 여러 분야에 적용이 가능할 것으로 예상된다. 본 연구에서는 이미지 인식기술이 다양한 분야에서 적용되는 사례를 조사하고 분석하고자 하였다.
은행 자동화기기(ATM)에도 설치가 가능해 불법 인출도 막을 수 있다. 사이버링크에서도 볼 수 있듯이 안면 인식 기술의 다양한 분야의 활용이 예상될 뿐만 아니라, 기존의 영상보안 카메라에 적용하는 비용도 크지 않아 앞으로의 성장성이 더 클 것으로 기대된다.
얼굴인식 CCTV는 향후 범죄·테러 용의자를 24시간 감시하는 범죄 예방 시스템 구축에 활용될 것으로 보인 다.
엔비디아는 99%의 높은 정확도로 사람 얼굴을 인식할 수 있는 인공지능 CCTV를 개발했으며 범죄·테러 용의자를 24 시간 감시하는 범죄 예방 시스템 구축에 활용될 수 있다. 한본은 마스크 착용자를 95% 확률로 식별해 내는 안면인식 솔루션을 개발했으며, 마스크와 선글라스를 함께 착용한 사람도 인식할 수 있는 안면인식 기술을 추가로 개발할 계획이 있어 범죄자 색출 및 검거에 활용될 수 있을 전망이다. 사이버링크는 다양한 생체 인증 파라미터를 활용하여 높은 수준의 AI 안면인식 엔진 기술을 보유하고 있으며, 딥러닝과 신경망 알고리즘을 기반으로 사람의 나이, 성별, 기분, 얼굴이 향하는 방향 등을 인식할 수 있어 여러 분야에 적용이 가능할 것으로 예상된다.
향후에는 범죄·테러 용의자 등을 24시간 감시하는 범죄 예방 시스템 구축에도 활발하게 활용될 것으로 보인다.
또한 국내의 이미지 인식 기술이 해외에 비해 발전이 더딘 이유와 앞으로 어떻게 발전 시켜나갈 수 있을지에 대해 심도 있게 논의하지 못하였다. 향후연구에 서는 인공지능 이미지 인식 기술과 관련하여 정책적인 이슈와 기술과 서비스의 개발에 있어 규제 같이 논의함 으로써 국내 이미지 인식 기술이 나아가야 할 방향을 고찰해 볼 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	본 연구의 한계점을 통해 알 수 있는 결론은 무엇인가?	본 연구의 한계점은 인공지능 이미지 인식기술의 성숙 도와 기술의 체계적 분류 및 분석에 대한 내용이 미흡 하였다는 점이다. 기술의 체계적인 분류가 없어, 사례 별로 기술의 특징과 기술의 적용 방식을 구체화 하는 것이 부족하였다. 또한 국내의 다양한 분야에서 이미지 인식 기술이 해외에 비해 발전이 더디다는 결론을 내었 다. 하지만, 국내의 이미지인식 기술이 뒤쳐져있는 구체적인 이유와 앞으로 어떠한 기술을 어떻게 발전시켜 어떻게 적용해 나갈 수 있을지 심도 있게 논의하지 못하였다.
	이미지 인식 기술이란 무엇인가?	이미지 인식 기술은 인공지능 기술을 기반으로 인간의 시각적인 인식 능력까지 재현하는 단계까지 가능하게 하고 있다. 이미지 인식 기술은 일반적으로 이미지에 나타난 객체를 인식하는 기술을 뜻한다[1]. 이미지 인식 기술은 인공지능의 핵심 기술 중의 하나로 최근에는 이미지 내의 객체 인식뿐만 아니라 영상 데이터 기반 객체인식까지 확장되고 있다.
	아일랜드에서 시작된 스타 트업으로 Google의 연구원들이 개발한 기술로 기업이 소셜 미디어에서 로고 사용을 식별할 수 있도록 하는 서비스는 무엇인가?	로고그랩은(LogoGrab)은 아일랜드에서 시작된 스타 트업으로 Google의 연구원들이 개발한 기술로 기업이 소셜 미디어에서 로고 사용을 식별할 수 있도록 하는 서비스를 하고 있다. 핵심 기술은 인공지능 알고리즘을 통해 이미지 및 동영상 혹은 GIF에서 로고와 마크가 포함된 이미지를 찾을 수 있도록 하는 이미지 감지 기술 이다.

참고문헌 (41)

윤여찬, 상종희, 박수명, "이미지 기반의 식물 인식 기술 동향," 전자통신동향분석, 제33권, 제4호, pp.54-60, 2018.

원문보기 상세보기
Tractica, Artificial Intelligence Market Forecasts, 2016.
Raymond Perrault, Yoav Shoham, Erik Brynjolfsson, Jack Clark, John Etchemendy, Barbara Grosz, Terah Lyons, James Manyika, Saurabh Mishra, and Juan Carlos Niebles, "The AI Index 2019 Annual Report," AI Index Steering Committee, Human-Centered AI Institute, Stanford University, Stanford, CA, December 2019
김형일, 문진영, 박종열, "딥러닝 기반 고성능 얼굴인식 기술 동향," 전자통신동향분석, 제33권, 제4호, pp.43-53, 2018.

원문보기 상세보기
CS231n (Standord) Lecture Slides, Accessed 209. http://cs231n.stanford.edu/slides/2017/
R. Yin, Case study research : Design and methods, Thousand Oaks, CA : Sage Publishing, 1994.
J. Seawright and J. Gerring, "Case Selection Techniques in Case Study Research : A Menu of Qualitative and Quantitative Options," Political Research Quarterly, Vol.61, No.2, pp.294-308, 2008.

상세보기
K. M. Eisenhardt, "Better stories and better constructs : The case for rigor and comparative logic," Academy of Management Review, Vol.16, pp.620-627, 1991.

상세보기
박양재, "컴퓨터 비전 기술을 이용한 볼트 탭 형상 검사 시스템 개발," Journal of Digital Convergence, 제17권, 제3호, pp.303-309, 2018.
Zhe Cao, Tomas Simon, Shih-En Wei, and Yaser Sheikh, "OpenPose: realtime multi-person 2D pose estimation using Part Affinity Fields," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2017.
Martin Simon, Karl Amende, Andrea Kraus, Jens Honer, and Timo Samann et al, "Complexer-yolo: Real-time 3d object detection and tracking on semantic point clouds," In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops, 2019.
Qi-Chao, Mao, Hong-Mei Sun, Yan-Bo Liu, and Rui-Sheng Jia, "Mini-YOLOv3: Real-time object detector for embedded applications," IEEE Access, 7, pp.133529-133538, 2019.

상세보기
Y. J. Jo and J. Y. Park, "SC-FEGAN: Face Editing Generative Adversarial Network with User's Sketch and Color," In Proceedings of the IEEE International Conference on Computer Vision, pp.1745-1753, 2019.
He Zhang, Vishwanath Sindagi, and Vishal M. Patel, Image de-raining using a conditional generative adversarial network. IEEE transactions on circuits and systems for video technology, 2019.
Yuequan Bao, Zhiyi Tang, Hui Li, and Yufeng Zhang, "Computer vision and deep learning-based data anomaly detection method for structural health monitoring," Structural Health Monitoring, Vol.18, No.2, pp.401-421, 2019.

상세보기
Rowan Zellers, Yonatan Bis, Ali Farhadi, and Yejin Choi, "From recognition to cognition: Visual commonsense reasoning," In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp.6720-6731, 2019.
Xiaolong Liu, Zhidong Deng, and Yuhan Yang, "Recent progress in semantic image segmentation," Artificial Intelligence Review, Vol.52, No.2, pp.1089-1106, 2018.
Rani Saritha, Varghese Paul, and P. Ganesh Kumar, "Content based image retrieval using deep learning process," Cluster Computing, Vol.22, No.2, pp.4187-4200, 2019.

상세보기
윤종호, 지능형 교통 서비스를 위한 다중 번호판 인식 영역 추출 알고리즘 연구, 한양대학교, 박사학위논문, 2018.
민준영, "영상처리 기반의 교통정보 수집 및 사고 및 돌발감지 시스템 기술 동향 분석," 전자공학회지, 제39권, 제12호, pp.47-54, 2012.

원문보기 상세보기
홍요훈, 송승준, 장광문, 노정규, "멀티터치 기술과 영상인식 기술 기반의 스마트 팩토리 플랫폼," The Journal of The Institute of Internet, Broadcasting and Communication, 제18권, 제1호, pp.23-28, 2018.

원문보기 상세보기
박만우, "건설관리를 위한 컴퓨터 비전 기술의 활용," Review of Architecture and Building Science, 제60권, 제1호, pp.31-36, 2015.
https://biz.chosun.com/site/data/html_dir/2018/06/02/2018060200195.html
조성환, 이용규, 윤준탁, 권훈, 곽준혁, 임재완, 인공지능 비즈니스 트렌드, 와이즈맵, 2019.
http://www.bluerivertechnology.com/
http://www.irobotnews.com/news/articleView.html?idxno16782
https://www.kespry.com/
https://orbitalinsight.com/
http://www.nvp.co.kr/news/articleView.html?idxno122623
https://www.logograb.com/
https://imagga.com/solutions/visual-search
https://bitrefine.group/industries/precision-agriculture/88-industries/agriculture-food/agriculture-solutions/184-plant-disease-detection
https://bitrefine.group/industries/precision-agriculture/88-industries/agriculture-food/agriculture-solutions/178-automatic-fruits-flowers-sorting
https://en.wikipedia.org/wiki/Nvidia
https://m.biz.chosun.com/svc/article.html?contid2018022000050&Dep0m.search.naver.com&utm_sourcem.search.naver.com&utm_mediumunknown&utm_campaignbiz
https://www.nvidia.com
http://www.aitimes.com/news/articleView.html?idxno126385
https://news.einfomax.co.kr/news/articleView.html?idxno4075373
http://www.hanvon.com
https://ko.wikipedia.org/wiki/사이버링크
http://www.aitimes.kr/news/articleView.html?idxno15034

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증