• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.10-13
• /
• 2022

최근 인공지능 기술을 바탕으로 지능형 분석을 수행하는 기계를 위한 비디오 부호화 기술의 필요성이 요구되면서, MPEG 에서는 VCM(Video Coding for Machines) 표준화를 시작하였다. VCM 에서는 기계를 위한 비디오/이미지 압축 또는 비디오/이미지 특징 압축을 위한 다양한 방법이 제시되고 있다. 본 논문에서는 객체추적(object tracking)을 위한 머신비전(machine vision) 네트워크에서 추출되는 다중스케일(multi-scale) 특징의 효율적인 압축 기법을 제시한다. 제안기법은 다중스케일 특징을 단일스케일(single-scale) 특징으로 차원을 축소하여 형성된 특징 시퀀스를 최신 비디오 코덱 표준인 VVC(Versatile Video Coding)를 사용하여 압축한다. 제안기법은 VCM 에서 제시하는 기준(anchor) 대비 89.65%의 BD-rate 부호화 성능향상을 보인다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.280-282
• /
• 2020

최근 사물인터넷(IoT), 자율주행과 같이 기계 간의 통신이 요구되는 서비스가 늘어감에 따라, 기계 임무 수행에 최적화된 데이터의 생성 및 압축에 대한 필요성이 증가하고 있다. 또한, 사물인터넷과 인공지능(AI)이 접목된 기술이 주목을 받으면서 딥러닝 모델에서 추출되는 특징(feature)을 디바이스에서 클라우드로 전송하는 방안에 관한 연구가 진행되고 있으며, 국제 표준화 기구인 MPEG에서는 '기계를 위한 부호화(Video Coding for Machine: VCM)'에 대한 표준 기술 개발을 진행 중이다. 딥러닝으로 특징을 추출하는 가장 대표적인 방법으로는 합성곱 신경망(Convolutional Neural Network: CNN)이 있으며, 오토인코더는 입력층과 출력층의 구조를 동일하게 하여 출력을 가능한 한 입력에 근사시키고 은닉층을 입력층보다 작게 구성하여 차원을 축소함으로써 데이터를 압축하는 딥러닝 기반 이미지 압축 방식이다. 이에 본 논문에서는 이러한 오토인코더의 성질을 이용하여 CNN 기반의 이미지 분류 네트워크의 합성곱 신경망으로부터 추출된 feature에 오토인코더를 적용하여 압축하는 방안을 제안한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2017.01a
• /
• pp.189-190
• /
• 2017

인공망막의 효율성을 높이기 위해 생물학적 인간의 시각정보과정에 여러 연구가 진행 중이다. 인간의 시각정보처리과정에는 시각정보를 축약하는 특성을 가지고 있다. 본 논문에서는 인간의 시각체계를 기반으로 영상 자체를 인식하지 않고 정보를 압축한 후 복원된 영상에 대한 인식 모델을 제안하고자 한다. 실험결과, 제안된 인식 모델과 일반적 인식모델과의 차이가 없음을 알 수 있었다.

• Proceedings of the Korean Environmental Sciences Society Conference
• /
• 2008.11a
• /
• pp.447-451
• /
• 2008

28 kHz 주파수, 조사강도 70 W/L, pH 7로 조정, 조사시간 5 min으로 전처리된 비산재를 사용하여 인공경량골재의 시편을 제조하여 압축강도, 흡수율, 단위용적중량을 분석하였다. 분석 결과 압축강도는 평균 18 MPa 이상으로 측정되어 기준인 18 MPa를 만족하였으며, 흡수율은 국내 기준은 없지만 일본의 기준인 12% 이하보다 매우 높은 흡수율을 나타내었다. 단위용적중량은 기준(1650 kgf/m$^3$ 이하)에는 만족하지만 비교적 낮은 값을 보였으며, 중금속 용출시험결과 측정항목에서 매우 저농도로 나타나 환경상 위해성은 매우 미미할 것이라 판단된다.

• The KSFM Journal of Fluid Machinery
• /
• v.13 no.6
• /
• pp.19-24
• /
• 2010

The demands for small, high performance and high loaded aircraft compressor are increased in the world. But the design requirements become increasingly complex to design these high technical engines, the requirement of the design optimization become increased. The optimal design result of several disciplines show different tendencies and nonlinear characteristics of the compressor design, the multidisciplinary design optimization method must be considered in compressor design. Therefore, the artificial Neural Net method is adapted to make the approximation model of 3-stage axial compressor design optimization for considering the nonlinear characteristic. At last, the optimal result of this study is compared to that of previous study.

• Proceedings of the KSEEG Conference
• /
• 2003.04a
• /
• pp.169-171
• /
• 2003

최근 환경문제가 대두됨에 따라 산업폐기물의 처리문제에 많은 관심과 연구가 진행되고 있다. 또한 현대의 콘크리트 구조물은 거대화, 고층화되어 그 중량이 계속 커지고 있으므로 구조물을 경량화 하려는 노력과 개발이 계속 진행되어 왔다. 구조물의 주재료로 사용되고 있는 콘크리트는 강도 및 내구성에 비해 비중이 크다는 결점을 가지고 있으므로 강하고 가벼운 고강도의 경량골재 콘크리트 개발이 행해져 왔다. (중략)

• The Journal of Engineering Geology
• /
• v.15 no.1
• /
• pp.67-76
• /
• 2005

This paper presents the application of a neural network for prediction of the unconfined compressive strength from physical properties and schmidt hardness number on rock samples. To investigate the suitability of this approach, the results of analysis using a neural network are compared to predictions obtained by statistical relations. The data sets containing 55 rock sample records which are composed of sandstone and shale were assembled in Daegu area. They were used to learn the neural network model with the back-propagation teaming algorithm. The rock characteristics as the teaming input of the neural network are: schmidt hardness number, specific gravity, absorption, porosity, p-wave velocity and S-wave velocity, while the corresponding unconfined compressive strength value functions as the teaming output of the neural network. A data set containing 45 test results was used to train the networks with the back-propagation teaming algorithm. Another data set of 10 test results was used to validate the generalization and prediction capabilities of the neural network.

• Journal of Astronomy and Space Sciences
• /
• v.13 no.2
• /
• pp.198-209
• /
• 1996

In this paper, we present an image compression algorithm that is capable of significantly reducing the vast mount of information contained in multispectral images. The developed algorithm exploits the spectral and spatial correlations found in multispectral images. The scheme encodes the difference between images after contrast/brightness equalization to remove the spectral redundancy, and utilizes a two-dimensional wavelet trans-form to remove the spatial redundancy. The transformed images are than encoded by hilbert-curve scanning and run-length-encoding, followed by huffman coding. We also present the performance of the proposed algorithm with KITSAT-1 image as well as the LANDSAT MultiSpectral Scanner data. The loss of information is evaluated by peak signal to noise ratio (PSNR) and classification capability.

• Membrane Journal
• /
• v.11 no.1
• /
• pp.29-37
• /
• 2001

본 논문은 인공 진피와 조직공학용 scaffold로 이용하기 위해 다공성 membrane로서 gelatin-based sponge의 효율성을 연구하였다. 불용성의 다공성 membrane은 1-ethyl-(3-3dimethylaminopropyl)carbodiimide(EDC)로 가교하여 제조하였다. Fourier-transformed infrared (FT-IR) spectroscopy, scanning electron microscopy(SEM) 그리고 Instron analysis로 다공성 membrane의 특성을 조사하였다. 다공성 membrane은 용적당 큰 표면적을 제공하는 micro porous한 구조를 가지고 있다. Gelatin/hyaluronic acid (HA) membrane의 공경크기는 40~200$\mu\textrm{m}$이다. HA의 첨가는 다공성 membrane의 기계적 강도와 세포부착능력에 영향을 미쳤다. Gelatin/HA 다공성 membrane의 압축강도는 collagen과 비슷하며, 세포배양과 인공진피 transplantation에 있어서의 충분한 기계적 강도를 가지고 있다. Fibroblasts를 함유한 진피기질을 제조하기 위해 직경 8mm의 다공성 membran에 4$\times$10(sup)5cells/membrane의 세포밀도로 fibroblast를 배양하였다. GH91 porous membrane에서의 fibroblast 부착성은 GH55 porous membrane에서보다 우수하였다. 삼차원 구조의 gelatin/HA membrane matrix에서의 fibroblast의 배양은 생체내 조건과 유사한 생리적 환경을 제공하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• fall
• /
• pp.27-29
• /
• 2021

인공지능 기반 머신 비전 응용이 증가함에 따라 사람이 아닌 기계에서 소비되는 영상 정보를 전송하는 요구가 발생하고 있다. 일반적으로 영상 정보를 전송할 때는 전송 비용을 고려하여 정보를 압축하며 기존 영상 압축 방법은 사람의 시각 인지적 특성을 반영하여 설계되었다. 따라서 기존 영상 압축 방법은 기계에서 소비되는 영상 정보를 압축하는 방법으로 적절하지 않다고 판단하여 2019년 7월, 기계를 위한 영상 부호화 기술의 표준화가 시작되었다. 본 논문에서는 머신 비전 태스크 중, 객체 탐지를 수행하는 네트워크의 피처 맵을 압축하는 방법을 제안한다. 제안하는 방법은 피처 맵의 채널 간 중복성을 제거하기 위해 PCA 기반의 변환을 적용하여 피처 맵의 차원을 축소하며 특히 해상도 계층 구조를 갖는 네트워크의 피처 맵을 압축하기 위해 각 해상도 계층간 변환 기저를 예측하여 추가로 압축률을 높인다. 제안하는 방법을 적용하여 객체 탐지 결과의 큰 성능 하락 없이 약 92.3%에 데이터양 감소를 달성하였다.