• Journal of KIISE:Databases
• /
• v.31 no.2
• /
• pp.122-131
• /
• 2004

Traditional works on indexing have been suggested for low dimensional data under dynamic environments. But recent database applications require efficient processing of huge sire of high dimensional data under static environments. Thus many indexing strategies suggested especially in partitioning ones do not adapt to these new environments. In our study, we point out these facts and propose a new partitioning strategy, which complies with new applications' requirements and is derived from analysis. As a preliminary step to propose our method, we apply a packing technique on the one hand and exploit observations on the Minkowski-sum cost model on the other, under uniform data distribution. Observations predict that unbalanced partitioning strategy may be more query-efficient than balanced partitioning strategy for high dimensional data. Thus we propose our method, called CSP (Cyclic Spliced Partitioning method). Analysis on this method explicitly suggests metrics on how to partition high dimensional data. By the cost model, simulations, and experiments, we show excellent performance of our method over balanced strategy. By experimental studies on other indices and packing methods, we also show the superiority of our method.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2001.06a
• /
• pp.277-280
• /
• 2001

본 연구에서는 연속음성인식 시스템의 성능개선을 위한 기초 연구로서 음소결정트리 상태분할과 한국어 음성학적 지식을 이용하여 문맥의존 음향모델의 작성방법을 검토하고. 한국어 연속음성인식에 적용을 소개한다. 음소결정트리 상태분할 알고리즘은 각 노드에서 한국어 음성학적 지식으로 구성된 음소 질의어 집합에 따라 2진 트리로 SSS(Successive State Splitting) 알고리즘에 의해 상태분할 하는 방법으로서 상태분할 후 각 상태를 네트워크로 연결한 구조를 HM-Net(Hidden Markow Network)이라 하며 문맥의존 음향모델로 표현된다. 작성한 문맥의존 음향모델의 유효성을 확인하기 위해 본 연구실의 항공편 예약 문장(YNU200)에 대해 연속음성인식 실험을 수행하였다. 인식실험 결과, 문맥의존 음향모델에 대한 화자독립 연속음성인식률이 기존의 단일 HMM 모델보다 평균적으로 1-pass의 경우 9.9%, 2-pass의 경우 4.1% 향상된 인식률을 보였다. 따라서 문맥의존 음향모델을 작성하는데 음소결정트리 상태분할과 한국어 음성학적 지식이 유효함을 확인하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2004.05a
• /
• pp.696-699
• /
• 2004

본 논문은 현실감 있는 영상 기반 환경 모델의 생성을 위해 영상 분할 기반 환경 모델링 방법을 제안한다. 입력 영상을 환경 특성에 따라 바닥면, 천정(하늘), 주변 물체들로 분할하고 분할된 바닥면이나 천정을 참조 평면으로 설정하고 주변 물체들의 깊이값을 계산함으로써 상세한 환경 모델을 얻을 수 있다. 영상 분할 환경 모델링 방법은 환경 맵에 적용하기 용이하며 환경의 특성에 따른 깊이값 추출 방법으로 손쉽게 환경 모델링이 가능하다. 또한, 시점이 이동되고 시차를 갖는 환경의 표현이 가능하다.

• 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.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06c
• /
• pp.178-180
• /
• 2006

임베디드 시스템이 복잡해지고 Time-to-Market이 요구되면서 HW/SW 통합설계 방법론(codesign)이 제시되었다. 통합설계 과정 중, HW/SW 분할 과정은 시간 성능, 비용, 전력 등의 모든 요구사항을 만족시키기는 불가능하므로 특정 목적함수에 근거한 알고리즘을 이용하여 진행된다. 하지만 고정된 분할 알고리즘을 이용해서는 이해관계자들의 요구사항을 최대한 반영하기 어렵다. 본 논문에서는 이해관계자들의 의견을 최대한 반영하고, 이를 만족시키는 모델을 유도하기 위하여 WinWin negotiation model을 적용된 요구사항 절충을 고려한 HW/SW 분할 방법론을 제안하였다. WinWin 모델을 통해서 도출된 요구사항에 가장 적합한 목적함수를 가지는 분할 알고리즘을 선택하여 HW/SW 분할 과정을 진행하는 방법이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.11a
• /
• pp.415-418
• /
• 2007

최근 활발히 진행되고 있는 모델 기반 공학에 관한 연구 중 모델 변환은 소스 모델을 입력 받아 다른 차원의 뷰를 제공하는 타겟 모델을 출력한다. 이러한 모델 변환은 메타모델을 사용하여 동일한 시스템을 서로 다른 이해관계자들의 관점에서 이해할 수 있는 방법을 제공한다. 동일한 시스템이라 하더라도 개발자와 시험자 그리고 사용자들이 보는 주요 관점은 다를 수 있다. 본 논문에서는 시험자의 관점에서 수직적 분할 시험이 가능하도록 입력 모델인 UML의 행위 다이어그램으로부터 출력 모델인 단위 시험을 위한 상태 다이어그램으로의 모델 변환에 대해 연구하고, 생성된 상태 다이어그램을 통해 시험 사례를 작성한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.598-600
• /
• 2000

영상에 존재하는 객체들을 인식하기 위해서는 먼저 영상의 영역 분할이 필요하다. 통계적 모델을 이용한 영상의 영역 분할은 미리서 분할하고자 하는 클러스터의 수를 결정한 후 이를 토대로 영상을 분할하게 된다. 그러나 영상마다 특성상 분할하고자 하는 클러스터 수가 다를 경우 이를 수동적으로 해주는 것은 비능률적이다. 따라서 본 논문은 영상의 영역 분할에 통계적 모델에서 미리 결정해줘야 하는 클러스터의 수 문제를 자동으로 검출하고 퍼지 c-Means 클러스터링 알고리즘을 통한 영상의 영역 분할 시 노이즈 문제를 이웃한 픽셀들의 멤버쉽 값을 평균화함으로써 해결하는 방법을 제안하였다.

• Land and Housing Review
• /
• v.14 no.1
• /
• pp.123-134
• /
• 2023

The BIM (Building Information Modeling) model created in the design stage can be used for prior review and schedule management for the construction stage. However, in the case of actual BIM application cases, additional work is required, such as creating a new model suitable for the construction stage, rather than using the 3D model in the design stage, due to the difference in the purpose of use between the design stage and the construction stage. Therefore, in this study, a division function of BIM model is proposed as a method of recycling it in the construction stage without a remodeling process. In addition, the application to the actual BIM model and the 4D CAD system linkage of the divided object and the comparison with the existing division method are used to verify the usability.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.191-194
• /
• 2002

영상분할이란 영상 내에 존재하는 객체를 배경에서 분리해내는 것을 말한다. Active Contour 모델은 객체를 영상에서 분리하는 gradient 기반의 영상분할 방식이다. 전통적인 의미의 Active Contour 모델에서 사용한 gradient 함수 기반의 영상분할은 잡영이 많고 객체와 배경간 뚜렷한 경계가 없는 영상에서는 그 한계를 보이고 있다. 이에 본 논문에서는 이러한 Active Contour 모델의 단점을 극복하기 위한 방법으로 영상 내의 진화곡선에 의존하는 에너지 함수인 Mumford-Shah Functional을 이용한 방법을 제안한다. 이 방법은 영상 내의 Active Contour를 진화시켜 Mumford-Shah 함수의 에너지를 최소화시키는 Level Set 함수를 찾고 Level Set 함수에 의해 얻어진 부분영상에서 히스토그램을 이용한 임계치(thresholding) 방식을 사용하는 보다 효과적인 객체추출 모델이다.

• Journal of Korea Multimedia Society
• /
• v.16 no.7
• /
• pp.829-840
• /
• 2013

In this paper, we propose a new lung segmentation method for chest x-ray images which can take both global and local properties into account. Firstly, the initial lung segmentation is computed by applying the active shape model (ASM) which keeps the shape of deformable model from the pre-learned model and searches the image boundaries. At the second segmentation stage, we also applied the localizing region-based active contour model (LRACM) for correcting various regional errors in the initial segmentation. Finally, to measure the similarities, we calculated the Dice coefficient of the segmented area using each semiautomatic method with the result of the manually segmented area by a radiologist. The comparison experiments were performed using 5 lung x-ray images. In our experiment, the Dice coefficient with manually segmented area was $95.33%{\pm}0.93%$ for the proposed method. Effective segmentation methods will be essential for the development of computer-aided diagnosis systems for a more accurate early diagnosis and prognosis regarding lung cancer in chest x-ray images.