• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2017.06a
• /
• pp.192-193
• /
• 2017

본 논문에서는 비디오 영상 압축 왜곡 제거를 위해 Generative Adversarial Network (GAN)을 적용한 컨벌루션 뉴럴 네트워크 (CNN) 모델을 제안한다. GAN 모델의 생성 모델 (Generator)은 노이즈가 아닌 High Efficiency Video Coding (HEVC)로 압축된 영상을 입력 받은 뒤, 압축 왜곡이 제거된 영상을 출력하며, 분류 모델 (Discriminator)은 원본 영상과 압축된 영상을 입력 받은 뒤, 원본 영상과 압축 왜곡이 포함된 압축된 영상을 분류한다. 분류 모델은 5 개 층을 쌓은 컨벌루션 뉴럴 네트워크 구조를 사용하였고, 생성 모델은 5 개 층을 쌓은 SRCNN 구조와 VDSR 구조를 기반으로 한 두 개의 모델을 이용한 실험을 통해 얻은 결과를 비교하였다. 비디오 영상 압축 왜곡 제거 실험을 위해 원본 비디오 영상을 HEVC 을 이용하여 2Mbps, 4Mbps 로 압축된 영상을 사용하였으며, 압축된 영상 대비 왜곡이 제거된 영상을 얻을 수 있었다.

• Proceeding of EDISON Challenge
• /
• 2015.03a
• /
• pp.585-589
• /
• 2015

본 연구에서는 이중압축램프의 초음속 유동에서 발생하는 충격파 경계층 상호작용을 EDISON_CFD로 해석하기로 한다. 이중압축램프에선 역압력 구배로 인하여 경계층이 박리가 일어나게 되고 박리된 경계층이 다시 이중압축램프에 부착되어 생겨난 박리영역을 관찰할 수 있다. 박리영역의 앞뒤로 유동의 방향이 바뀌게 되면서 압축 팬(compression fan)과 재부착 팬(reattachment fan)이 충격파를 발생시키고 이중압축램프전방의 충격파와 만나서 복잡한 유동 구조를 가지게 됨을 확인하였다. 이와 같은 층류에서 난류, 박리와 재부착의 영역에서의 해석하기 위해선 해석자의 난류모델이 중요하다. $15^{\circ}-30^{\circ}$, $15^{\circ}-45^{\circ}$의 두 종류의 이중압축램프를 $k-{\omega}$ SST 난류 모델과 ${\gamma}-Re_{\theta}$ 천이 모델로 계산을 EDISON_CFD로 수행하였다. 난류 모델의 차이를 표면마찰계수, 압력계수, 마하수로 비교하여 차이점을 분석하였다.

• Plant Journal
• /
• v.12 no.4
• /
• pp.44-50
• /
• 2016

To model the compression system with more integrity, the pipeline dynamic model was applied to the compression system model. To combine the pipeline dynamic model and the compression system model, appropriate boundary conditions were selected on each end of connecting pipe with compressor, plenum and throttle valve. Simulation result illustrate the effect of pipeline dynamic model on the stability of compression system.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.133-135
• /
• 2020

최근 CNN(Convolutional Neural Network)은 영상 분류, 객체 인식 등 다양한 비전 분야에서 우수한 성능을 보여주고 있으나, CNN 모델의 계산량 및 메모리가 매우 커짐에 따라 모바일 또는 IoT(lnternet of Things) 장치와 같은 저전력 환경에 적용되기에는 제한이 따른다. 따라서, CNN 모델의 임무 성능을 유지하연서 네트워크 모델을 압축하는 기법들이 연구되고 있다. 본 논문에서는 행렬 분해 기술인 저계수행렬 근사(Low-rank approximation)와 CP(Canonical Polyadic) 분해 기법을 결합하여 CNN 모델을 압축하는 기법을 제안한다. 제안하는 기법은 계층의 유형에 상관없이 하나의 행렬분해 기법만을 적용하는 기존의 기법과 달리 압축 성능을 높이기 위하여 CNN의 계층 타입에 따라 두 가지 분해 기법을 선택적으로 적용한다. 제안기법의 성능검증을 위하여 영상 분류 CNN 모델인 VGG-16, ResNet50, 그리고 MobileNetV2 모델 압축에 적용하였고, 모델의 계층 유형에 따라 두 가지의 분해 기법을 선택적으로 적용함으로써 저계수행렬 근사 기법만 적용한 경우 보다 1.5~12.1 배의 동일한 압축율에서 분류 성능이 향상됨을 확인하였다.

• Information and Communications Magazine
• /
• v.24 no.4
• /
• pp.67-75
• /
• 2007

본 고에서는 MPEG 3DGC(3D Graphics Compression)서브그룹에서 진행중인ISO/IEC 14496-16 AFX(Animation Framework extension)중 Animation과 관련된 동향에 대해 기술한다. 가상 공간에서의 bone-based, 모델과 같은 캐릭터 애니메이션의 표현과 압축, 소스 모델과 타겟 모델로 부터 일련의 연속적인 중간 모델들을 만들어서 부드러운 애니메이션이 가능하도록 하는 모핑 애니메이션, 키 프레임 애니메이션의 압축에 대해 살펴보고, 현재 진행중인 Frame-based Animation Compression 대해 살펴본다. 마지막으로, 이러한 압축 툴을 사용하여 압축한 3D 비트 스트림을 다중화(Multiplexing)하여 저장하는 m3d 데이터 포맷에 대해 살펴본다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.116-118
• /
• 2022

MPEG-VCM(Video Coding for Machine)은 입력된 이미지/비디오의 특징(feature)를 압축하는 Track 1 과 입력 이미지/비디오를 직접 압축하는 Track 2 로 나뉘어 표준화가 진행 중이다. 본 논문은 Track 1 의 비전임무 네트워크로 사용하는 Detectron2 의 FPN(Feature Pyramid Network)에서 추출한 멀티-스케일 특징을 효율적으로 압축하는 MSFC 기반의 압축 모델의 개선 기법을 제시한다. 제안기법은 해상도를 줄여서 단일-스케일 압축맵을 압축하는 기존의 압축 모델에서 저해상도 특징맵을 고해상도 특징맵에 바텀-업(Bottom-Up) 구조로 합성하여 단일-스케일 특징맵을 구성하는 바텀-업 MSFF 를 가지는 압축 모델을 제시한다. 제안방법은 기존의 모델 보다 BPP-mAP 성능에서 1 ~ 2.7%의 개선된 BD-rate 성능을 보이며 VCM 의 이미지 앵커(image anchor) 대비 최대 -85.94%의 BD-rate 성능향상을 보인다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.44-45
• /
• 2019

최근 CNN 등 인공신경망은 최근 이미지 분류, 객체 인식, 자연어 처리 등 다양한 분야에서 뛰어난 성능을 보이고 있다. 그러나, 대부분의 분야에서 보다 더 높은 성능을 얻기 위해 사용한 인공신경망 모델들은 파라미터 수 및 연산량 등이 방대하여, 모바일 및 IoT 디바이스 같은 연산량이나 메모리가 제한된 환경에서 추론하기에는 제한적이다. 따라서 연산량 및 모델 파라미터 수를 압축하기 위한 딥러닝 경량화 알고리즘이 연구되고 있다. 본 논문에서는 임베디트 보드에서의 압축된 CNN 모델의 성능을 검증한다. 인공지능 지원 맞춤형 칩인 QCS605 를 내장한 임베디드 보드에서 카메라로 입력한 영상에 대해서 원 CNN 모델과 압축된 CNN 모델의 분류 성능과 동작속도 비교 분석한다. 본 논문의 실험에서는 CNN 모델로 MobileNetV2, VGG16 을 사용했으며, 주어진 모델에서 가지치기(pruning) 기법, 양자화, 행렬 분해 등의 인공신경망 압축 기술을 적용하였을 때 원래의 모델 대비 추론 시간 및 분류의 정확도 성능을 분석하고 인공신경망 압축 기술의 유용성을 확인하였다.

• Journal of Aerospace System Engineering
• /
• v.12 no.5
• /
• pp.40-47
• /
• 2018

The objective of this study is to investigate the turbulence models with compressibility correction for large separation-flow in a supersonic convergent-divergent rectangular nozzle. As turbulence models, Yang and Shih's Low-Re $k-{\varepsilon}$ model, Mener's $k-{\omega}$ SST model and Wilcox's $k-{\omega}$model were evaluated. In order to get a significant compressible effects, Sarkar and Wilcox compressibility correction models were applied to the turbulence models respectively. Also, the simulation results were compared with experimental data. The turbulence model with compressibility correction model improves both of shock position and pressure recovery, but deteriorates the length of Mach disk.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2009.04a
• /
• pp.379-382
• /
• 2009

횡방향으로 구속된 콘크리트의 응력-변형률 거동은 구속되지 않은 콘크리트와는 다른 거동을 한다. 보통강도 콘크리트에서 구속효과를 고려한 콘크리트 재료모델로는 Mander 모델이 대표적이며 고강도 콘크리트의 구속효과의 경우 여러 연구자들에 의하여 제안된 모델 중 공시체 수준의 실험결과와 잘 일치하는 Sakino-Sun 모델을 사용하였다. 보통강도에서는 Mander모델을 고강도 콘크리트에서는 Sakino-Sun 모델을 사용하였으나 중간 강도인 30-40MPa의 강도에서 Mander 모델과 Sakino-Sun 모델의 적용시 실험결과와 해석결과가 다소 차이를 보이며 또한 두 모델은 적용할 수 있는 최대 또는 최소 콘크리트 압축강도의 한계범위가 명확하지 않다. 따라서 이 연구에서는 30-40MPa의 강도의 횡방향으로 구속된 콘크리트의 비선형 재료모델을 제안하고 실제 30-40MPa의 압축강도를 갖는 콘크리트 공시체의 일축압축시험 결과와의 비교를 통해 그 적용성을 검토하였다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2010.04a
• /
• pp.613-616
• /
• 2010

본 논문에서는 라인파이프 강관의 압축-휨 좌굴 성능 평가 기법을 개발하기 위해 비선형 유한요소해석을 사용하였다. 고강도 강재의 연성거동을 모사하기 위해 범용 유한요소해석 프로그램인 ABAQUS의 사용자 재료모델을 사용하여 GTN(Gurson-Tvergaad-Needleman) 모델을 작성하였다. 실험결과와의 비교를 통해 재료모델상수를 결정하였으며 압축-휨 좌굴 실험의 모사에 사용하였다. 압축-휨 좌굴 성능 평가는 비선형 유한요소해석의 결과로부터 얻어진 한계압축변형률과 최대휨모멘트를 기준으로 수행될 수 있다. 개발된 성능 평가 기법은 고강도 강재를 이용한 라인파이프의 설계 시 대변형 거동 분석에 유용하게 사용될 수 있다.