• Journal of Bio-Environment Control
• /
• v.31 no.3
• /
• pp.255-260
• /
• 2022

This study aimed to develop a service model that uses a deep learning algorithm for detecting diseases and pests in strawberries through image data. In addition, the pest detection performance of deep learning models was further improved by proposing segmented image data sets specialized in disease and pest symptoms. The CNN-based YOLO deep learning model was selected to enhance the existing R-CNN-based model's slow learning speed and inference speed. A general image data set and a proposed segmented image dataset was prepared to train the pest and disease detection model. When the deep learning model was trained with the general training data set, the pest detection rate was 81.35%, and the pest detection reliability was 73.35%. On the other hand, when the deep learning model was trained with the segmented image dataset, the pest detection rate increased to 91.93%, and detection reliability was increased to 83.41%. This study concludes with the possibility of improving the performance of the deep learning model by using a segmented image dataset instead of a general image dataset.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.988-992
• /
• 2006

본 논문은 PC카메라 환경에서 명암왜곡에 강인한 얼굴검출을 위한 컴포넌트 기반 얼굴검출 기법을 제시한다. 영상 내의 얼굴검출을 위해 에지(edge) 분석, 색상 분석, 형판정합(template matching), 신경망(Neural Network), PCA(Principal Component Analysis), LDA(Linear Discriminant Analysis) 등의 기법들이 사용되고 있고, 영상의 왜곡을 보정하기 위해 히스토그램 분석(평활화, 명세화), gamma correction, log transform 등의 영상 보정 방법이 사용되고 있다. 그러나 기존의 얼굴검출 방법과 영상보정 방법은 검출대상 객체의 부분적인 잡음 및 조명의 왜곡에 대처하기가 어려운 단점이 있다. 특히 PC카메라 환경에서 획득된 이미지와 같이 전면과 후면, 상하좌우에서 비추어지는 조명에 의해 검출 대상 객체의 일부분이 왜곡되는 상황이 발생될 경우 기존의 방법으로는 높은 얼굴 검출 성능을 기대할 수 없는 상황이 발생된다. 본 논문에서는 기울어진 얼굴 및 부분적으로 명암 왜곡된 얼굴을 효율적으로 검출할 수 있도록 얼굴의 좌우 대칭성을 고려한 가로방향의 대칭평균화로 얼굴검출을 위한 모델을 생성하여 얼굴검출에 사용한다. 이 방법은 부분적으로 명암왜곡된 얼굴이미지를 기존의 영상 보정기법을 적용한 것 보다 잘 표현하며, 얼굴이 아닌 후보는 비얼굴 이미지의 형상을 가지게 하는 특성이 있다.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.193-196
• /
• 2009

Most of studies adopt a fixed skin color model to segment skin color region in a single image. The methods, however, result in low detection rates or high false positive error rates since the distribution of skin color is varies depending on the characteristics of input image. For the effective skin color segmentation, therefore, we need a adaptive skin color model which changes the model depending on the color distribution of input image. In this paper, we propose a novel adaptive skin color segmentation algorithm consisting of 2 stages which results in both high detection rate and low false positive error rate.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.7 no.5
• /
• pp.967-974
• /
• 2012

In this paper, a vehicle detection algorithm with HD CCTV camera images using GMM(Gaussian Mixture Model) algorithm and mathematical morphological processing is proposed. At the first stage, background could be estimated using GMM from CCTV input image signal and then object could be separated from difference image of the input image and background image. At the second stage, candidated object were reformed by using mathematical morphological processing. Finally, vehicle object could be detected using vehicle size informations depend on distance and vehicle type in tunnel. Through real experiments in tunnel, it is shown that the proposed system works well.

• Annual Conference of KIPS
• /
• 2009.11a
• /
• pp.385-386
• /
• 2009

활성 윤곽선 모델은 스네이크 모델이라고도 하며 영상에서 물체의 경계를 검출하기위한 효과적인 방법으로 사용되고 있다. 본 논문에서는 초기 윤곽선 문제와 효과적인 경계선 검출을 위해 다해상도 기반의 유전자 알고리즘을 이용한 활성 윤곽선 모델을 제안한다. 입력영상의 해상도를 영상 피마리드 기법으로 저해상도로 축소시키고 초기 윤곽선을 설정한다. 설정된 윤곽선상의 연속된 두 좌표를 유전인자로 선택하고, 유전 연산자를 적용하여 물체의 경계를 찾아간다. 경계가 검출된 저해상도 영상을 단계적으로 확대하여, 보간될 영역의 국부적 활성 윤곽선 에너지를 계산하여 최소 에너지를 갖는 위치에 새로운 윤곽선 좌표를 삽입하여 경계를 형성한다. 제안된 방법은 초기 윤곽선의 위치에 상관없이 경계선을 검출했으며, 형태가 복잡한 물체의 경우에도 효과적으로 경계선을 검출하고 계산 복잡도를 감소시켰다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.26 no.4
• /
• pp.519-525
• /
• 2022

The face detection task of detecting a person's face in an image is used as a preprocess or core process in various image processing-based applications. The neural network models, which have recently been performing well with the development of deep learning, are dependent on 2D images, so if noise occurs in the image, such as poor camera quality or pool focus of the face, the face may not be detected properly. In this paper, we propose a face detection method that uses depth information together to reduce the dependence of 2D images. The proposed model was trained after generating and preprocessing depth information in advance using face detection dataset, and as a result, it was confirmed that the FRN model was 89.16%, which was about 1.2% better than the RetinaNet model, which showed 87.95%.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.26 no.3
• /
• pp.367-373
• /
• 2022

As deep learning-based autonomous driving technology develops, artificial intelligence models for various purposes have been studied. Based on these studies, several models were used simultaneously to develop autonomous driving systems. It can occur by increasing hardware resource consumption. We propose a multi-tasks model using a shared backbone to solve this problem. This can solve the increase in the number of backbones for using AI models. As a result, in the proposed lightweight model, the model parameters could be reduced by more than 50% compared to the existing model, and the speed could be improved. In addition, each lane can be classified through lane detection using the instance segmentation method. However, further research is needed on the decrease in accuracy compared to the existing model.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.553-555
• /
• 2001

Markov Random Fields(MRF) 모델은 영상 분할 및 복원 등에 주로 사용되는 확률적 영상모델이다. 본 논문에서는 MRF 모델을 3차원으로 확장하여 분할을 위한 선 필드 모델(Line Field Model)과 움직임 검출을 위한 움직임 필드 모델(Motion Field Model)을 도입하여 동영상 내에서 움직이는 물체의 형상과 움직임을 추정한다. 제안된 방법을 이용하여 한국어 수화 동작에서 손의 형상과 이동방향을 검출하였다. 그 결과 optical flow를 사용하는 방법에 비해서 이동 방향이 왜곡되는 것을 방지하여 보다 정확한 이동 방향을 검출할 수 있었다. 또한 영상 추출의 경우에 있어서도 형상의 윤곽면과 내부가 하나의 라벨(label)로 묶이기 때문에 보다 깨끗한 영상을 추출할 수 있었다.

• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.2717-2719
• /
• 2000

사용자의 의도를 파악하는 여러 가지 행동양식 중에서 우리가 관심을 두고 있는 시스템은 사람의 눈 움직임 검출을 이용한 시스템이다. 사람의 눈 움직임에 대한 검출과 추적이 가능하다면 그 적용 분야는 매우 광범위하다. 예를 들면, 일반인들의 컴퓨터 조작을 더 편리하게 할 수도 있고 손을 사용할 수 없는 장애인들의 의사소통이나 정보교환의 한 방법으로 사용될 수 있다. 또한 사람들이 대부분의 정보를 시각적인 면으로 획득한다는 것을 감안할 때 원격 작업의 모니터링과 같은 여러 산업부분이나 군사부분과 같은 분야에 적용될 수 있다. 본 논문에서는 눈의 특징점들을 검출하고 추적하기 위해서 홍채 모델을 설정하고 그 모델이 카메라를 통해 받아들여지는 입력 영상과 일치시키는 과정으로, 카메라의 입력 영상에서 3가지의 기본 영상을 추출하고 모델의 매칭 정도를 판단할 수 있는 매칭 함수를 규정하고 그 함수들을 통하여 홍채 모델을 일치시키는 알고리즘을 제안하고 그 타당성을 보이고자 한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.3-4
• /
• 2021

폐쇄된 터널 내부에서는 사고가 일어날 경우 외부에서는 터널 내 상황을 알 수가 없어 경미한 사고라 하더라도 대형 후속 2차 사고로 이어질 가능성이 크다. 또한영상탐지로사고 상황의 오검출을 줄이기 위해서, 본 연구에서는기존의 많은 CNN 모델 중 보유한 데이터에 가장 적합한 모델을 선택하는 과정에서 가장 좋은 성능을 보인 VGG16 모델을 전이학습 시키고 fully connected layer의 일부 layer에 Dropout을 적용시켜 Overfitting을일부방지하는 CNN 모델을 생성한 뒤Yolo를 이용한 영상 내 객체인식, OpenCV를 이용한 영상 프레임 내에서 객체의ROI를 추출하고이를 CNN 모델과 비교하여오검출을 줄이면서 사고를 검출하는 시스템을 제안하였다.