• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.228-228
• /
• 2020

과거 무분별하게 획일화되어 개발되었던 하천 개발 사업으로 인해 수질오염과 생태계 훼손으로 하천의 건천화 현상이 발생함에 따라 최근 하천복원 사업이 적극적으로 계획·추진되고 있다. 수생태계의 건강성과 종적 연속성을 회복하기 위한 하천복원사업에 앞서 하천환경의 현상태에 대한 평가는 매우 중요한 부분이다. 유럽과 미국에서는 드론을 활용하여 하천관리 및 재해 피해조사가 활발하게 이루어지고 있었다. 국내의 센서기술과 무선통신 기술의 발전으로 인해 실시간 수집 가능한 정보의 범위가 늘어남에 따라 국내 하천환경 분야에서는 드론을 활용하여 획득된 원격탐사(RS) 자료와 지리정보 데이터베이스를 접목한 하천 공간조사 연구가 증가하고 있는 추세이다. 본 연구에서는 2019년 국토부에서 제시한 하천환경 평가체계에 따라 국내 도시하천중 하천복원사업을 시행하였던 청미천 지역에 대해 현장 조사와 UAV 영상, 항공영상을 활용하여 하천환경평가 결과를 비교하고자 한다. 하천환경평가체계 지침서는 캐나다(2013) 온타리오 하천평가기법을 참조하였으며, 급경사/중경사/완경사로 구분되며 사전조사와 현장조사 야장으로 구성되나 본 연구에서는 물리 평가지표만을 대상으로 하였다. UAV를 이용하여 촬영한 영상을 PIX4D 프로그램을 활용하여 정합한 후 획득된 색체정보를 활용하여 하천환경평가를 실시하였으며, 항공영상은 국토지리정보원의 국토정보플랫폼 국토정보맵에서 다운받은 자료를 활용하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.1-5
• /
• 2020

최근 MPEG-I 그룹에서는 표준화가 진행중인 몰입형 미디어(Immersive Media)에 대한 압축 성능 탐색이 이루어지고 있다. 몰입형 비디오는 다수의 시점 영상과 깊이 맵을 통한 깊이 맵 기반 이미지 렌더링(DIBR)을 바탕으로 제한적 6DoF 을 제공하고자 하는 기술이다. 현재 MIV(Model for Immersive Video) 기술에서는 바탕 시점(Basic View)과 각 시점의 고유한 영상 정보를 패치 단위로 모아둔 추가 시점(Additional View)으로 처리하는 모델을 채택하고 있다. 그 중에서 추가 시점은 일반적인 영상과는 달리 시간적/공간적 상관성이 떨어지는 분절적인 형태로 이루어져 있어 비디오 인코더에 대해 최적화가 되어 있지 않으며, 처리 방법의 특성에 따라 자기 유사적인 형태를 지니게 된다. 따라서 MIV 에서 스크린 콘텐츠 코딩 성능과 함께 화면 내 블록 카피(IBC: intra block copy) 기술에 대한 성능을 분석 결과를 제시한다. IBC 미적용 대비 최대 7.56%의 Y-PSNR BD-rate 감소가 가능함을 확인하였으며, 영상의 특성에 따라 IBC 의 선택 비율을 확인하여 추가 시점의 효율적인 압축 형태를 고찰한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.117-118
• /
• 2022

정부는 전기차 보급 목표치 달성을 위해 인프라 확충, 보조금 지급 등 다방면에서 지원 정책을 펼치고 있다. 이 연구의 목적은 정부의 전기차 정책이 부족하다는 인식에서 시작하여, 전기차 등록 대수 및 전기차 충전소 현황을 연도별로 비교하여 지원 정책이 유의미하게 작용했는지 파악하고, 정책의 방향성을 제시하기 위해 수행되었다. 연구를 위해 국가통계포털 및 서울시 데이터센터 등에서 받은 지역별/연도별 차량수, 지역별 전기차 충전소 현황, 지역별 전기차 보조금, 차량별 전기차 보조금 등의 데이터를 수식과 DB 메소드를 통해 가공하여 정부의 정책판단에 유의미한 영향을 줄 수 있는 데이터들을 산출해내었다. 이 연구는 전반적인 전기차 시장의 흐름을 파악하는 데에 효용가치가 높다고 사료된다. 과거와 현재의 데이터를 기반으로 하여, 현 상황을 분석하는 데에 그치지 않고, 이후의 상황에 대한 대략적인 이미지와 로드맵을 제시할 수 있었다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.23 no.5
• /
• pp.71-76
• /
• 2023

In this paper, we propose a fuzzy U-Net, a fuzzy deep learning model that applies fuzzy logic to improve performance in image segmentation using deep learning. Fuzzy modules using fuzzy logic were combined with U-Net, a deep learning model that showed excellent performance in image segmentation, and various types of fuzzy modules were simulated. The fuzzy module of the proposed deep learning model learns intrinsic and complex rules between feature maps of images and corresponding segmentation results. To this end, the superiority of the proposed method was demonstrated by applying it to dental CBCT data. As a result of the simulation, it can be seen that the performance of the ADD-RELU fuzzy module structure of the model using the addition skip connection in the proposed fuzzy U-Net is 0.7928 for the test dataset and the best.

• Journal of Agricultural Extension & Community Development
• /
• v.20 no.4
• /
• pp.1181-1216
• /
• 2013

This study was accomplished to enhance brand value for hanwoo and to develop strategy for brand positioning that move customer's heart. This study in order to achieve the research was carried out as follows: First, the cluster analysis based on demographic characteristics for consumer on the basis of three types segmentation on market was conducted. Market A was consisted of a well-educated, high-income and young bracket. Market B was consisted of a well-educated, high-income and middle-aged bracket. Market C was consisted of a low-income and middle-aged class. Second, consumer's positioning map was analyzed based on perceiving data which are products' functional, emotional, and self-expressive benefits about consumer's feeling beef products. This study was analyzed each relative brand advantage and structure of competition on segmented market by conjoining each brands positioning map and feature vectors map. By the result of the analysis, each brand's positioning strategy was devised. As a result of the study, the hoengseong hanwoo is competitive about all kinds of market. We chooses that hoengseong hanwoo's target is A market, because that brand is evaluated as a high-ranked quality by high-class image of luxury price, quality, brand image. For management improvement sake, this brand(the hoengseong hanwoo) is needed to effort for promoting consumer's awareness about safety and reliability.

• The Journal of the Korea Contents Association
• /
• v.13 no.12
• /
• pp.38-47
• /
• 2013

An image coding based on MRC model, a kind of multi-layer image model, first segments a screen image into foreground, mask, and background layers, and then compresses each layer using a codec that is suitable to the layer. The mask layer defines the position of foreground regions such as textual and graphical contents. The colour signal of the foreground (background) region is saved in the foreground (background) layer. The mask layer which contains the segmentation result of foreground and background regions is of importance since its accuracy directly affects the overall coding performance of the codec. This paper proposes a new layer segmentation algorithm for the MRC based image coding. The proposed method extracts text pixels from the background using morphological top hat filtering. The application of white or black top hat transformation to local blocks is controlled by the information of relative brightness of text compared to the background. In the proposed method, the boundary information of text that is extracted from the edge map of the block is used for the robust decision on the relative brightness of text. Simulation results show that the proposed method is superior to the conventional methods.

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.1
• /
• pp.45-55
• /
• 2021

This paper has proposed an algorithm that detecting for dense small vehicle in large image efficiently. It is consisted of two Ensemble Deep-Learning Network algorithms based on Coarse to Fine method. The system can detect vehicle exactly on selected sub image. In the Coarse step, it can make Voting Space using the result of various Deep-Learning Network individually. To select sub-region, it makes Voting Map by to combine each Voting Space. In the Fine step, the sub-region selected in the Coarse step is transferred to final Deep-Learning Network. The sub-region can be defined by using dynamic windows. In this paper, pre-defined mapping table has used to define dynamic windows for perspective road image. Identity judgment of vehicle moving on each sub-region is determined by closest center point of bottom of the detected vehicle's box information. And it is tracked by vehicle's box information on the continuous images. The proposed algorithm has evaluated for performance of detection and cost in real time using day and night images captured by CCTV on the road.

• Journal of Broadcast Engineering
• /
• v.26 no.4
• /
• pp.429-440
• /
• 2021

With the recent development of deep convolutional neural network learning, deep learning techniques applied to single image super-resolution are showing good results. One of the existing deep learning-based super-resolution techniques is RDN(Residual Dense Network), in which the initial feature information is transmitted to the last layer using residual dense blocks, and subsequent layers are restored using input information of previous layers. However, if all hierarchical features are connected and learned and a large number of residual dense blocks are stacked, despite good performance, a large number of parameters and huge computational load are needed, so it takes a lot of time to learn a network and a slow processing speed, and it is not applicable to a mobile system. In this paper, we use the residual dense structure, which is a continuous memory structure that reuses previous information, and the residual dense channel attention block using the channel attention method that determines the importance according to the feature map of the image. We propose a method that can increase the depth to obtain a large receptive field and maintain a concise model at the same time. As a result of the experiment, the proposed network obtained PSNR as low as 0.205dB on average at 4× magnification compared to RDN, but about 1.8 times faster processing speed, about 10 times less number of parameters and about 1.74 times less computation.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.27 no.2
• /
• pp.363-368
• /
• 2021

Ship engine rooms have improved automation systems owing to the advancement of technology. However, there are many variables at sea, such as wind, waves, vibration, and equipment aging, which cause loosening, cutting, and leakage, which are not measured by automated systems. There are cases in which only one engineer is available for patrolling. This entails many risk factors in the engine room, where rotating equipment is operating at high temperature and high pressure. When the engineer patrols, he uses his five senses, with particular high dependence on vision. We hereby present a preliminary study to implement an engine-room patrol robot that detects and informs the machine room while a robot patrols the engine room. Images of ship engine-room equipment were classified using a convolutional neural network (CNN). After constructing the image dataset of the ship engine room, the network was trained with a pre-trained CNN model. Classification performance of the trained model showed high reproducibility. Images were visualized with a class activation map. Although it cannot be generalized because the amount of data was limited, it is thought that if the data of each ship were learned through transfer learning, a model suitable for the characteristics of each ship could be constructed with little time and cost expenditure.