• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2000년도 추계학술대회 논문집
• /
• pp.181-184
• /
• 2000

가상현실 시스템은 대부분 가상세계에 대해 사용자의 3차원 제어작업을 요구하게 된다. 이때 3차원 제어작업을 효과적으로 하기 위한 입출력장치의 최적 설계는 매우 중요하다. 본 연구에서는 3차원 표시장치의 주요 설계요소인 공간적 해상도(spatial resolution), 시간적 해상도(temporal resolution or frame rate), 가상세계의 복잡도가 3차원 제어작업의 인간성능에 미치는 영향을 알아보았다. 이를 위해 3 조건의 화면 해상도, 2 조건의 프레임 레이트(18 Hz고정과 18Hz 이상 변동 최대화 조건), 3 조건의 가상세계 복잡도에 대한 18 조합에 대한 실험을 실시하였다. 실험결과 18Hz 로 고정된 프레임 레이트 조건이 프레임 레이트를 그 이상 최대로 하는 것보다 더 좋은 제어성능을 보였다. 화면 해상도는 높을수록 제어성능이 향상되었다. 가상세계의 복잡도에서는 방향정보만 주는 경우가 방향 정보가 없는 경우나 너무 많은 정보가 있는 경우보다 나은 성능을 보였다. 이러한 실험결과는 가상환경 시스템의 표시장치나 가상세계 설계에 참조될 수 있을 것이다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.701-704
• /
• 2020

이미지 초해상도는 딥러닝의 발전과 함께 이를 활용하며 눈에 띄는 성능향상을 이루었다. 딥러닝을 기반으로 한 대부분의 이미지 초해상도 연구는 딥러닝 네트워크 모델의 구조에 대한 연구 위주로 진행되어 왔다. 그러나 최근 들어 딥러닝 기반의 이미지 초해상도가 합성된 데이터에 대해서는 높은 성능을 보이지만 실제 데이터에 대해서는 높은 성능을 보이지 못한다는 사실이 주목받고 있다. 이에 따라 모델 구조를 바꿔 성능을 향상 시키는 것에는 한계가 있어 데이터의 활용이나 학습 방법에 대한 연구의 필요성이 증대되고 있다. 따라서 본 논문은 이미지 초해상도를 위한 난이도 조절 기반 전이학습법(transfer learning)을 제안한다. 제안된 방법에서는 이미지 초해상도를 배율을 난이도가 쉬운 낮은 배율부터 순차적으로 전이학습을 진행한다. 이는 이미지 초해상도의 배율이 높아질수록 학습이 어렵기 때문이다. 결과적으로 본 논문에서는 높은 배율의 이미지 초해상도를 진행하기 위해 낮은 배율의 이미지 초해상도, 즉 난이도가 쉬운 학습부터 점진적으로 학습을 진행하였을 때 더욱 빠르고 효과적으로 학습할 수 있음을 보여준다. 제안된 전이학습 방법을 통해 적은 횟수의 업데이트로 학습을 진행하였을 때 일반적인 학습방법 대비 약 0.18 dB 의 PSNR 상승을 얻어, RealSR [9] 데이터셋에서 28.56 dB의 성능으로 파라미터 수 대비 높은 성능을 얻을 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.504-507
• /
• 2020

ReLU(Rectified Linear Unit) 함수는 제안된 이후로 대부분의 깊은 인공신경망 모델들에서 표준 활성함수로써 지배적으로 사용되었다. 이후에 ReLU 를 대체하기 위해 Leaky ReLU, Swish, Mish 활성함수가 제시되었는데, 이들은 영상 분류 과업에서 기존 ReLU 함수 보다 향상된 성능을 보였다. 따라서 초해상화(Super Resolution) 과업에서도 ReLU 를 다른 활성함수들로 대체하여 성능 향상을 얻을 수 있는지 실험해볼 필요성을 느꼈다. 본 연구에서는 초해상화 과업에서 안정적인 성능을 보이는 EDSR(Enhanced Deep Super-Resolution Network) 모델의 활성함수들을 변경하면서 성능을 비교하였다. 결과적으로 EDSR 의 활성함수를 변경하면서 진행한 실험에서 해상도를 2 배로 변환하는 경우, 기존 활성함수인 ReLU 가 실험에 사용된 다른 활성함수들 보다 비슷하거나 높은 성능을 보였다. 하지만 해상도를 4 배로 변환하는 경우에서는 Leaky ReLU 와 Swish 함수가 기존 ReLU 함수대비 다소 향상된 성능을 보임을 확인하였다. 구체적으로 Leaky ReLU 를 사용했을 때 기존 ReLU 보다 영상의 품질을 정량적으로 평가할 수 있는 PSNR 과 SSIM 평가지표가 평균 0.06%, 0.05%, Swish 를 사용했을 때는 평균 0.06%, 0.03%의 성능 향상을 확인할 수 있었다. 4 배의 해상도를 높이는 초해상화의 경우, Leaky ReLU 와 Swish 가 ReLU 대비 향상된 성능을 보였기 때문에 향후 연구에서는 다른 초해상화 모델에서도 성능 향상을 위해 활성함수를 Leaky ReLU 나 Swish 로 대체하는 비교실험을 수행하는 것도 필요하다고 판단된다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 추계학술대회
• /
• pp.46-48
• /
• 2011

기존의 참조 소프트웨어인 MPEG-2, MPEG-4, H.264/AVC에서는 움직임 벡터를 찾을 때 항상 고정된 해상도를 사용하였으며 다른 참조 소프트웨어인 KTA에서는 움직임 벡터를 찾을 때 움직임벡터의 해상도를 슬라이스 단위로 성능이 가장 높은 해상도를 선택해서 사용하였다. 하지만 움직임 벡터의 해상도는 블록마다 서로 다르기 때문에 블록별로 서로 다른 해상도를 적응적으로 사용할 필요가 있다. 적응적인 움직임 벡터 해상도 부호화 방법은 이러한 점을 이용하여 블록 별로 현재 블록의 움직임 벡터가 1/4 해상도인지 1/8 해상도인지에 판단하고 그에 대한 정보를 복호기에 전송해준다. 제안하는 알고리즘은 적응적 움직임 벡터 해상도를 사용하여 부호화 할 때 1/8 해상도 움직임 벡터가 성능이 없다고 판단되는 곳에선 적응적 움직임 벡터 해상도 방식을 사용하지 않고 1/4 해상도로만 움직임 벡터를 찾는다. 이러한 경우 해상도 정보를 복호기에 전송하지 않아 부호화 효율을 높일 수 있고 또한 1/8 해상도에 대한 움직임 예측을 하지 않기 때문에 부호화기 복잡도를 낮출 수 있다. 실험결과 평균 0.2%의 성능을 얻을 수 있었으며 부호화기 복잡도는 4% 감소하였다.

• 한국경제지리학회지
• /
• 제16권3호
• /
• pp.458-471
• /
• 2013

본 논문은 토지 이용 변화를 예측하는 계량 모형의 정확도 평가에 필수적인 통계량인 성능 지수를 심도 있게 이해하는 것을 목적으로 한다. 이 통계량은 기존의 토지 이용 변화 연구에서 소개된 예측 모형의 정확도를 평가하는 다른 통계량들 (예: 카파 통계량)의 단점을 보완하여 만들어진 것이나, 이 또한 계량 모형의 예측력을 명확하게 평가하고 해석하기에는 제한적이다. 본 논문에서는 성능 지수의 보다 명확한 해석을 위해서 결과물의 공간해상도를 고정해야 함을 밝히고, 그 특정 공간해상도를 "성능 해상도"라 정의한다. 성능 해상도는 예측오류가 현격하게 줄어들면서 계량모형의 예측력이 증가하는 시점의 공간해상도를 일컫는다. 따라서 토지 이용 변화 예측 모형의 예측력을 정확하게 평가하기 위해 두 통계량, 즉 성능 지수와 성능 해상도를 함께 이용할 것을 제안한다.

• 한국정보통신학회논문지
• /
• 제23권4호
• /
• pp.365-373
• /
• 2019

본 논문은 정밀 유도무기에 장착되어 목표물 명중 확률을 좌우하고, 비용적인 측면에서 유도무기의 가장 큰 부분을 차지하는 적외선 영상탐색기에 대한 성능 대비 개발비용 최적화에 대한 연구이다. 탐색기 개발 비용의 주요항목인 해상도와 그에 따른 탐지성능에 영향을 미치는 인자들을 분석함으로써, 설계 단계에서 해상도 별 탐지성능과 개발 비용과의 상관관계를 분석하는 연구를 수행하였다. 다양한 신호 대 클러터 비 조건에서 해상도 별 표적탐지 확률을 설계 시 중요인자로 정의하고, 개발비용 선정의 기준이 되는 해상도 별 탐지성능 분석을 수행하였으며, 탐지성능 확보를 위한 최적의 해상도와 그에 따른 투입비용에 대한 관계를 도출하였다. 다양한 클러터 환경에 따른 사례연구를 통하여 제안한 분석 방식이 탐지성능 만족을 위하여 요구되는 개발비용 예측에 효과적임을 검증하였으며, 유도무기 운용 환경에서 성능대비 최적화된 개발비용을 설계단계에서 미리 도출할 수 있는 연구 자료로 활용하고자 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.386-388
• /
• 2000

에너지 차분 흉부 단순 X선 화상으로부터 폐종류 음영을 검출하기 위한 필터를 예측해서 그 성능을 평가하기 위한 방법을 제안한다. 더욱이 그 평가방법을 이용해서 기존에 제안된 필터인 다중 해상도 ▽2G 필터의 평가를 행한다. 방사선과 전문의의 진단보조 혹은 총합자동진단시스템의 구성요소로서 필터가 발휘한 역할을 고려한 후, 필터가 만족해야 할 조건 및 그 조건을 만족한 경우에 있어서 몇가지 성능평가 척도를 명확히 한다. 제안한 평가방법을 통해서 다중 해상도 필터가 단일 해상도 필터에 비해 높은 성능을 나타내고 있음을 명확히 한다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2021년도 추계학술대회
• /
• pp.81-82
• /
• 2021

선박은 건조 후 선주에게 인도되기 전에 해상시운전을 하게 된다. 해상 시운전은 통상 안벽에서 수행 가능한 기기류를 테스트 한 후 해상에서 실시하는 것으로 메인 엔진의 출력, 발전기를 포함한 각종 보조기계의 작동상태, 선박의 조종성능과 속력 테스트, 항해 통신장비 테스트, 양묘기테스트 등이 있으며 이외에 선종에 따른 추가 테스트 또는 선주에 의하여 요구하는 특별한 테스트를 하기도 한다. 본 연구는 해상 시운전의 주요 테스트 내용 중 선박조종성능에 관하여 분석하고, 실제 선박을 운항하는 항해사에게 필요한 주요 정보를 식별하고자 하는 기초연구로 진행되었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.68-71
• /
• 2020

최근 딥러닝을 이용한 인체 자세 추정(human pose estimation) 연구가 활발히 진행되고 있다. 그 중 구조가 간단하면서도 성능이 강력하여 널리 사용되고 있는 딥러닝 네트워크 모델은 이미지 분류(image classification)에 사용되는 백본 네트워크(backbone network)와 디컨볼루션 출력망(deconvolution head network)을 이어 붙인 구조를 갖는다[1]. 기존의 디컨볼루션 출력망은 디컨볼루션 층을 쌓아 낮은 해상도의 특징맵을 모두 높은 해상도로 변환한 후 최종 인체 자세 추정을 하는데 이는 다양한 해상도에서 얻어낸 특징들을 골고루 활용하기 힘들다는 단점이 있다. 따라서 본 논문에서는 매 디컨볼루션 층 이후에 인체 자세 추정을 하여 다양한 해상도에서 연산을 하고 이를 종합하여 최종 인체 자세 추정을 하는 방법을 제안한다. 실험 결과 Res50 과 기존의 디컨볼루션 출력망의 경우 0.717 AP 를 얻었는데 Res101 과 기존의 디컨볼루션 출력망을 사용한 결과 50% 이상의 파라미터 수 증가와 함께 0.727 AP, 즉 0.010AP 의 성능 향상이 이루어졌다. 이에 반해 Res50 에 다중 해상도 디컨볼루션 출력망을 사용한 결과 약 1%의 파라미터 수 증가 만으로 0.720 AP, 즉 0.003 AP 의 성능 향상이 이루어졌다. 이를 통해 디컨볼루션 출력망 구조를 개선하면 매우 적은 파라미터 수 증가 만으로도 인체 자세 추정의 성능을 효과적으로 향상시킬 수 있음을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.501-503
• /
• 2022

초해상이란 해상도가 낮은 영상을 해상도가 높은 영상으로 합성하는 기술이다. 딥러닝은 영상의 해상도를 높이는 초해상 기술에도 응용되며 실현은 2아4년에 발표된 SRCNN(Super Resolution Convolutional Neural Network) 모델로부터 시작됐다. 이후 오토인코더 (Autoencoders) 구조로는 SRCAE(Super Resolution Convolutional Autoencoders), 합성된 영상을 실제 영상과 통계적으로 구분되지 않도록 강제하는 GAN (Generative Adversarial Networks) 구조로는 SRGAN(Super Resolution Generative Adversarial Networks) 모델이 발표됐다. 모두 SRCNN의 성능을 웃도는 모델들이나 그중 가장 높은 성능을 끌어내는 SRGAN 조차 아직 완벽한 성능을 내진 못한다. 본 논문에서는 SRGAN의 성능을 개선하기 위해 사전 훈련된 특징 추출기(Pre-trained Feature Extractor) VGG(Visual Geometry Group)-19 모델을 변경하고, 기존 모델과 성능을 비교한다. 실험 결과, VGG-19 모델보다 윤곽이 뚜렷하고, 실제 영상과 더 가까운 영상을 합성할 수 있는 모델을 발견할 수 있을 것으로 기대된다.