• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.677-678
• /
• 2020

본 연구는 자율주행 시대에 자동차의 외부통제를 가능하게 하는데 목적이 있다. 자율주행 자동차의 외부통제를 하기 위해 교통경찰 수신호를 사용한다. 교통이라는 특별한 상황을 고려하여 실시간 객체 검출이 가능한 YOLO모델을 사용하였고, 수신호 데이터 학습을 위해 Data Argumentation 기법을 사용하여 데이터를 확보한 후 이를 바탕으로 YOLO모델을 학습하였다. 학습된 YOLO모델을 이용하여 교통의 흐름에서 교통 통제자를 실시간으로 검출하였다. 이후 검출된 객체를 이용하여 객체 확인 알고리즘과 수신호 의미파악 알고리즘을 사용하여 수신호의 의미를 파악하고 이를 사용자에게 전달한다. 이와 같은 시스템을 통해 자율주행 자동차에 돌발 상황 발생 시 보다 정확하고 빠르게 교통의 흐름을 정상화 할 수 있는 장점이 있다.

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.11
• /
• pp.439-448
• /
• 2021

Driver negligence accounts for the largest proportion of the causes of traffic accidents, and research to detect them is continuously being conducted. This paper proposes a method to accurately detect a distracted driver and localize the most characteristic parts of the driver. The proposed method hierarchically constructs a CNN basic model that classifies 10 classes based on CAM in order to detect driver distration and 4 subclass models for detailed classification of classes having a confusing or common feature area in this model. The classification result output from each model can be considered as a new feature indicating the degree of matching with the CNN feature maps, and the accuracy of classification is improved by horizontally combining and learning them. In addition, by combining the heat map results reflecting the classification results of the basic and detailed classification models, the characteristic areas of attention in the image are found. The proposed method obtained an accuracy of 95.14% in an experiment using the State Farm data set, which is 2.94% higher than the 92.2%, which is the highest accuracy among the results using this data set. Also, it was confirmed by the experiment that more meaningful and accurate attention areas were found than the results of the attention area found when only the basic model was used.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.54 no.1
• /
• pp.121-128
• /
• 2017

In this paper, we propose a dual-channel acoustic event detection (AED) method using nonnegative tensor factorization (NTF) and hidden Markov model (HMM) in order to improve detection accuracy of AED in multisource environments. The proposed method first detects multiple acoustic events by utilizing channel gains obtained from the NTF technique applied to dual-channel input signals. After that, an HMM-based likelihood ratio test is carried out to verify the detected events by using channel gains. The detection accuracy of the proposed method is measured by F-measures under 9 different multisource conditions. Then, it is also compared with those of conventional AED methods such as Gaussian mixture model and nonnegative matrix factorization. It is shown from the experiments that the proposed method outperforms the convectional methods under all the multisource conditions.

• Journal of the Korea Convergence Society
• /
• v.10 no.10
• /
• pp.15-21
• /
• 2019

X-rays with shorter wavelengths than ultraviolet light have very good penetration power. It is convergence in industrial and medical fields has been used a lot. n particular, in the industrial field, various researches have been conducted on the detection of foregin body inside metal that can occur in the production process of products such as metal using x-ray, a non-destructive inspection device. Detectors are becoming increasingly popular for the popularization of DR (Digital Radiography) photography methods that digitally acquire X-ray video images. However, there are cases where foreign body detection is impossible depending on the sensor noise and sensitivity inside the detector. When producing a metal product, since the defective rate of the produced product may increase due to contamination of the foreign body, accurate detection is necessary. In this paper, we provide a correction model for X-ray images acquired in order to improve the efficiency of defect detection such as foreign body inside metal. When applied to defect detection in the production process of metal products through the proposed model, it is expected that the detection of product defects can be processed accurately and quickly.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.463-465
• /
• 2021

Currently, the inspection method printed on food packages and boxes is to sample only a few products and inspect them with human eyes. Such a sampling inspection has the limitation that only a small number of products can be inspected. Therefore, accurate inspection using a camera is required. This paper proposes a deep learning object recognition technology model, which is an artificial intelligence technology, as a method for detecting the defects of expiration date printed on the product packaging. Using the Faster R-CNN (region convolution neural network) model, the color images, converted gray images, and converted binary images of the printed expiration date are trained and then tested, and each detection rates are compared. The detection performance of expiration date printed on the package by the proposed method showed the same detection performance as that of conventional vision-based inspection system.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.37-38
• /
• 2023

본 논문에서는 딥러닝을 기반으로 하는 키포인트 인식 모델을 산업용 품질검사 머신비전에 응용하는 방법을 제안한다. 전이학습 방법을 이용하여 딥러닝 모델의 인식률을 높이는 방법을 제시하였고, 전이시킨 특성 추출 모델에 대해 추가로 데이터 세트에 대한 학습을 진행하는 것이 특성추출 모델의 초기 ImageNet 가중치를 동결시켜 학습하는 것보다 학습 속도나 정확도가 높다는 것을 보여준다. 실험을 통해 딥러닝을 응용하는 산업용 품질 검사 공정에는 특성추출 모델의 추가 학습이 중요하다는 점을 확인할 수 있었다.

• Annual Conference of KIPS
• /
• 2018.10a
• /
• pp.827-829
• /
• 2018

최근 몇 년 동안 딥러닝 기법을 이용한 객체 검출이 뛰어난 성능을 보여주었다. 얼굴 검출은 도전적인 문제로 많은 연구가 되고 있다. 본 논문에서는 임베디드 환경에서 적용할 수 있는 객체 검출을 위한 딥러닝 방법을 살펴보고, 얼굴 데이터 셋을 이용하여 훈련시켜 얼굴 검출에 적용한다. 훈련된 모델의 크기는 임베디드 환경에 적합한 메모리 요구량을 보여준다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2004.05a
• /
• pp.247-250
• /
• 2004

본 논문에서는 간단한 사각형 특징과 계층적 분류기를 이용하여 실시간으로 얼굴을 검출하는 방법을 제안하고자 한다. 우리는 다섯 가지 형태의 기본적인 특징 모델을 바탕으로 20*20 크기의 훈련 영상에 적용하여 많은 초기 특징 집합을 구성하였다. AdaBoost(Adaptive Boosting) 알고리즘을 이용한 학습을 통하여 초기 특징 집합 중에서 얼굴 검출하는데 강인한 집합들만을 선택하였다. 제안된 알고리즘을 이용한 실제 실험에서 90% 이상의 높은 검출율을 확인하였고 초당 10프레임의 실시간 검출에도 성공하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.712-714
• /
• 2004

본 논문에서는 다양한 변화에서 얼굴을 효과적으로 검출할 수 있는 방법론을 제안한다. 우리는 복잡한 배경에서 보다 효과적으로 얼굴 영역을 검출하기 위해 영역 분할 알고리즘인 JSEG를 이용하여 영역을 분할을 하게 된다. 그리고 조명 변화에 따른 간섭이 비교적 작은 YCrCb 칼라 모델을 이용하여 분할된 영역에서 후보 얼굴 영역을 찾는다. 마지막으로 보다 정확한 결과를 위하여 검출된 얼굴 후보 영역에서 눈과 눈썹을 검출하고 눈과 눈썹의 기하학적 정보를 이용해서 최종 얼굴 영역을 결정한다. 영역 분할을 이용함으로써 복잡한 배경과 다양한 조명 변화를 지닌 환경에서 다양한 얼굴 영상들을 실험한 결과 높은 정확도를 보여주었다.

• 전기의세계
• /
• v.45 no.11
• /
• pp.36-45
• /
• 1996

이 절에서는 우선 공정의 모델을 사용하지 않고 이상검출 및 진단을 수행하는 기법을 살펴보기로 한다. 먼저 검출 및 진단 과정에서 사용되는 신호시험 기법을 살펴보고, 그 다음에는 관리도(Control chart)를 이용한 기법을 살펴보기로 한다. 그리고 회전기기 등의 기계분야에서 많이 사용되는 진동 계측을 이용하여 진단을 행하는 경우와 전문가시스템을 사용하는 기법에 대해 살펴본다.