• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.14 no.12
• /
• pp.2681-2690
• /
• 2010

This paper proposes 3D facial modeling system without using 3D scanner and camera or expensive software. This system enables efficient 3D facial modeling to cost reduction and effort saving for natural facial modeling. It detects edges of component of face using edge detection based on fuzzy logic from any 2D image of front face. It was mapped fitting position with 3D standard face model by detected edge more correctly. Also this system generates 3D face model more easily through floating and flexible control and texture mapping after fitting that connection of control point on detected edge from 2D image and mesh of 3D standard face model.

• Information Systems Review
• /
• v.22 no.1
• /
• pp.113-124
• /
• 2020

In the operation of farms, it is very important to evaluate the quality of harvested crops and to classify defective products. However, farmers have difficulty coping with the cost and time required for quality assessment due to insufficient capital and manpower. This study thus aims to detect defects by analyzing the epidermis of fruit using deep learning algorithm. We developed a model that can analyze the epidermis by applying YOLOv3 algorithm based on Region Convolutional Neural Network to video images of peach. A total of four classes were selected and trained. Through 97,600 epochs, a high performance detection model was obtained. The crop failure detection model proposed in this study can be used to automate the process of data collection, quality evaluation through analyzed data, and defect detection. In particular, we have developed an analytical model for peach, which is the most vulnerable to external wounds among crops, so it is expected to be applicable to other crops in farming.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.5 no.4
• /
• pp.443-449
• /
• 2010

Current testing is an effective method which offers higher fault detection and diagnosis capabilities than voltage testing. Since current testing requires much longer testing time than voltage testing, it is important to note that a fault is untestable if the two nodes have same values at all times. In this paper, we present an object oriented fault detection scheme for various fault models using current testing. Experimental results for ISCAS benchmark circuits show the effectiveness of the proposed method in reducing the number of faults and its usefulness in various fault models.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.706-708
• /
• 2005

본 연구에서는 다단계 필터와 복합형 신경망을 사용하는 얼굴 검출 시스템에서 FMM 모델을 이용한 특징선정 기법을 소개한다. 색상, 모션 및 명암을 이용한 다단계 필터는 검출 대상 영역의 개수를 줄임으로써 시스템의 실시간 검출기능을 가능하게 한다. 신경망을 이용한 특징추출 단계에서는 대상영역의 기본 특징으로부터 일련의 특징지도를 생성하게 된다. 이 과정에서 패턴 분류 신경망의 입력으로 사용되는 특징집합이 지나치게 커짐으로써 신경망의 규모와 계산량이 방대해지는 단정을 갖는다. 이에 본 논문에서는 FMM 모델의 수정된 특성으로부터 특징과 각 클래스에 대한 상호 연관도 요소를 정의하고, 이로부터 특징의 상대적 중요도를 평가함으로써 성능의 저하 없이 최적의 특징집합을 선정하는 방법론을 소개한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.329-331
• /
• 2012

본 논문에서는 영상에서의 시각적 자극의 특징에 의한 돌출과 특정 대상에 관련한 단서들간의 상호작용에 기반하여 얼굴을 검출하는 주의집중모델을 제안한다. 제안하는 모델은 얼굴에 대한 하향식 다중 단서로 모양(shape), 피부색(skin color), 밝기(luminance), 거리에 대응하는 크기, 깊이 등을 사용하며 이들 단서들이 상향식 프로세스와의 상호작용을 통해 목표하는 얼굴을 검출하도록 유도하는 상향식/하향식 결합에 기반한다. 제안하는 방법은 크기 및 회전변화를 갖는 다수의 얼굴을 포함한 영상에서 얼굴검출을 수행함으로써 성능을 검증하였다.

• Annual Conference of KIPS
• /
• 2019.10a
• /
• pp.1098-1100
• /
• 2019

영상 처리를 기반으로 하는 발굴 유물(고배) 도면 자동 생성 모델의 성능향상을 위한 투창 영역 자동 검출과 투창 영역의 영상 정보의 특성을 반영한 윤곽선 검출을 통한 고배 유물 도면화 성능 향상 모델을 제안하고 실험결과를 통해 투창 영역의 윤곽선 정확도가 향상되었음을 보인다. 투창 영역은 형태적 특성상 고배 유물의 도면 자동 생성 과정에서 왜곡된 윤곽선 검출의 가능성이 높은 부분이어서 투창 영역 윤곽선의 정확도를 높이는 것이 중요한 요소이다.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.9
• /
• pp.2447-2456
• /
• 1998

Edge detection in the presence of noise is a well-known problem. this pper atempts to implement edge detection algorithms using fuzzy reasoning of fuzzy membership models. It examines an application-motived approach for solving the problem. Our approach is divided into three stages; fitering, segmentation and tracing. Filtering removes the noise from the original image and segmentation determines the edges and deects them. Finally, tracing assembles the edges into the related structure. Proposed method can be used effectively on these procedures by using fuzzy reasoning based on fuzzy models. In is compared with the previous edge detectio algorithms with fvorable results. Simulation results of the research are presented and discussed.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.681-687
• /
• 2007

첨단 기술의 발전과 함께 장애인 및 노약자의 삶의 질에 대한 관심이 증가함에 따라 사용자가 각종 시스템들을 보다 쉽게 제어할 수 있는 방법들이 많이 연구되고 있다. 그 중 하나로 정의된 손 움직임 동작을 인식하여 가전기기 혹은 환경 제어 시스템, 홈 로봇 등에 명령을 내리는 기술을 예로 들 수 있다. 하지만, 정의된 손 움직임이 일상생활에서 발생하는 동작과 비슷한 경우 오작동을 일으킬 가능성이 있으며, 이를 차단하기 위해 복잡한 동작을 명령어로 사용할 경우 사용자의 편의성을 떨어뜨린다. 본 논문에서는 이러한 문제를 해결하기 위해 비슷한 동작 중에서 특정 동작을 검출할 수 있는 퍼지 가비지 모델을 제안한다. 퍼지 가비지 모델이란 인식하고자 하는 특정 동작을 제외한 다른 유사 동작의 특성을 반영하여 구현한 퍼지 모델을 말한다. 따라서 사용자의 동작으로부터 특징 값을 구한 후 이를 특정 동작에 대한 퍼지 모델과 퍼지 가비지 모델에 각각 대입하여 얻은 결과를 비교해서 어떤 동작이 발생하였는지 결정한다. 또한 사용자의 행동 특성은 개인마다 다르게 나타나고 동일 사용자라 하더라도 경우에 따라 동작에 편차가 나타날 수 있기 때문에 특정 사용자에 대한 시스템의 적응이 필요하다. 이를 위해 다양한 경우를 고려하여 최적화된 값을 찾을 수 있는 진화 알고리즘을 이용하여 퍼지 모델 파라미터를 갱신하는 방법을 제안한다. 제안한 방법의 타당성을 검증하기 위해 5명의 사용자로부터 명령 동작과 의미 없는 유사 동작의 데이터를 획득하여 실험 결과를 보인다.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.795-798
• /
• 2000

연속음 인식과 음성 합성을 위해서는 정밀한 음성학적 모델과 연속 음성에 적용 가능한 언어 모델의 개발이 중요하다. 이를 위해서는 음성 데이터 베이스에 대한 인식 단위, 혹은 합성 단위의 분할이 필요한데, 수동음성 분할은 일관성의 유지가 어렵고 긴 시간이 소요되므로 최근에는 자동 분할 기술이 많이 연구되고 있다. 자동 음성 분할 기법으로는 시간 영역이나 주파수 영역특징 벡터의 천이를 분석하는 방법과 특징 벡터간의 상관도를 구하여 경계를 추출하는 방법이 있다. LPC smoothed log amplitude spectra는 음성의 주파수 영역의 특징을 잘 나타내며, 동일 음소 내의 상관도가 서로 다른 음소의 상관도보다 더 크고, 음소의 경계구간에서 급격한 상관도의 변화를 보인다. 이 특성을 이용하여 이웃 프레임에 대한 상관도의 방향성이 특정조건을 만족하는가를 검사하여 음소의 경계를 구하는 방법을 찾았다. 또한 LPC. 이득 인자만으로 묵음 구간을 검출하는 방법을 제시한다. 이렇게 하면 묵음 구간검출과 음소 경계 검출의 일관성을 향상시키고 수행 시간을 단축시킬 수 있다. 제안한 기법으로 허용 오차 20ms 이내에서 연속음성에 대한 음소 경계 검출 실험을 수행한 결과, 수작업으로 행한 경계 검출 지점의 약 88%를 정확히 검출하였다.

• Journal of Internet Computing and Services
• /
• v.21 no.6
• /
• pp.23-31
• /
• 2020

This study was carried out to generate various images of railroad surfaces with random defects as training data to be better at the detection of defects. Defects on the surface of railroads are caused by various factors such as friction between track binding devices and adjacent tracks and can cause accidents such as broken rails, so railroad maintenance for defects is necessary. Therefore, various researches on defect detection and inspection using image processing or machine learning on railway surface images have been conducted to automate railroad inspection and to reduce railroad maintenance costs. In general, the performance of the image processing analysis method and machine learning technology is affected by the quantity and quality of data. For this reason, some researches require specific devices or vehicles to acquire images of the track surface at regular intervals to obtain a database of various railway surface images. On the contrary, in this study, in order to reduce and improve the operating cost of image acquisition, we constructed the 'Defective Railroad Surface Regeneration Model' by applying the methods presented in the related studies of the Generative Adversarial Network (GAN). Thus, we aimed to detect defects on railroad surface even without a dedicated database. This constructed model is designed to learn to generate the railroad surface combining the different railroad surface textures and the original surface, considering the ground truth of the railroad defects. The generated images of the railroad surface were used as training data in defect detection network, which is based on Fully Convolutional Network (FCN). To validate its performance, we clustered and divided the railroad data into three subsets, one subset as original railroad texture images and the remaining two subsets as another railroad surface texture images. In the first experiment, we used only original texture images for training sets in the defect detection model. And in the second experiment, we trained the generated images that were generated by combining the original images with a few railroad textures of the other images. Each defect detection model was evaluated in terms of 'intersection of union(IoU)' and F1-score measures with ground truths. As a result, the scores increased by about 10~15% when the generated images were used, compared to the case that only the original images were used. This proves that it is possible to detect defects by using the existing data and a few different texture images, even for the railroad surface images in which dedicated training database is not constructed.