• Proceedings of the Korean Institute of Communication Sciences Conference
• /
• 2004.11a
• /
• pp.49-49
• /
• 2004

• The Korean Journal of Financial Studies
• /
• v.5 no.1
• /
• pp.1-18
• /
• 1999

본 연구의 목적은 IMF구제금융이전의 부도기업과 IMF구제금융 이후의 부도기업을 비교하여 IMF구제금융 이후의 부도원인을 파악하고 향후 관리방향을 제안하는데 있다. IMF구제금융 이후의 부도기업들은 예상외로 유동성이 매우 악화된 상태이고, 또한 높은 부채비율과 이자지급으로 경상이익과 순이익이 매우 저조하였다. 또한 매출액 대비 수익성지표는 매우 양호한 수준을 유지한 것으로 나타나 결국 부채구조와 자산구조의 효율성이 수익에 비해 매우 저조하였음을 볼 수 있었다. 따라서 IMF구제금융 이후의 기업경영관리는 우선적으로 현금흐름을 철저히 관리하여 충분한 채무지급능력과 운전자본을 확보하는 것이 중요하며, 매출액대비 수익성 중에서 영업이익률보다는 경상이익률과 순이익률에 초점을 맞추어 재무구조에 대한 관리를 강화해야 한다. 특히 매출이나 이익에 투하된 자본을 중점적으로 관리함으로써 수익성이 없는 자산과 수익성이 높은 자산을 선별하여 자산구조를 효율적으로 운영하는 것이 매우 중요하다.

• Broadcasting and Media Magazine
• /
• v.25 no.1
• /
• pp.20-27
• /
• 2020

최근 모바일 기기를 위한 카메라 관련 기술이 발전하면서 취득할 수 있는 영상의 화질 또한 크게 향상되고 있다. 그러나, 일상 생활에서 빈번히 발생하는 다양한 실내외 불규칙한 조명 조건 및 저조도 환경은 여전히 영상 화질 저하를 야기한다. 본 고에서는 이러한 문제를 해결하기 위해 최근 널리 연구되고 있는 심층신경망 기반 영상 화질 개선 연구의 최신 동향을 소개하고자 한다. 먼저, 다양한 최적화 기법을 바탕으로 영상 내 조명 성분을 추정하고, 이를 개선하는 방법들에 대해 간략히 설명한다. 또한, 영상 인식, 객체 검출 등에서 뛰어난 성능을 입증한 합성곱 신경망 구조를 기반으로 영상의 잠재적 특징을 효과적으로 검출한 후 이를 바탕으로 개선된 영상을 생성하는 방법에 대해 설명한다. 다양한 데이터셋에 대한 실험 결과를 통해 인공지능 기반 영상 화질 개선의 우수성을 보인다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2017.06a
• /
• pp.163-165
• /
• 2017

본 논문에서는 카메라 잡음 제거에 딥 러닝 알고리즘을 적용하는 연구를 진행하였다. 합성된 가우시언 잡음에 대하여 좋은 잡음 제거 성능을 보이는 DnCNN(Denoising Convolutional Network)를 이용하여 카메라 잡음을 제거하는 학습과 실험을 진행하였으며, 기준 실험으로는 RGB 색공간의 3채널 모두에 대하여 학습한 신경망(Neural Network)을 사용하였고, 본 논문의 실험에서는 그레이 이미지에 대하여 학습한 신경망을 사용하였다. 신경망의 평가를 위하여 딥 러닝 알고리즘 입력 이미지를 RGB 색공간(RGB Color Space)과 YCbCr 색공간(YCbCr Color Space) 2가지 색공간으로 표현하여 사용하였고, 입력 이미지에 노이즈를 첨가하기 위해 가우시안 노이즈(Gaussian Noise)를 이용하였다. 또한 가우시안 잡음과 다른 성질을 갖는 실제 카메라 잡음에 대해서도 학습과 테스트를 진행하였다.

• Proceedings of the Korean Environmental Sciences Society Conference
• /
• 2007.05a
• /
• pp.383-389
• /
• 2007

호기시간 변경에 따른 SBR에서의 영양염류제거특성과 MLVSS의 변화를 본 이번 연구에서는 다음과 같은 결론을 얻었다. 1) 충분하지 못한 산소의 공급은 미생물의 wash-out으로 인한 영양염류 제거 효율의 저조를 나타냈다. 2) 산소 공급량이 $0.045m^3$였던 R2에서 저조산 질산화가 나타났으나, 인을 과다 축적하는 EBPR(Enhanced Biological Phosphorus Removal)을 나타냈다. 3) 산소 공급량이 $0.06m^3$이상이었던 R3, R4에서는 60%이상의 질산화 및 탈질화와 약 100%에 달하는 인 제거 효율을 나타내었다. 4) 단위 미생물당 $1.5{\sim}1.8ml/mg$의 공급 산소량이 인 흡수에 유리한 것으로 나타났다. 5) 공급되는 산소에 있어 유기물 분해>인흡수>질산화에 우선적으로 소모되는 것으로 나타났다.

• Proceedings of the IEEK Conference
• /
• 2007.07a
• /
• pp.235-236
• /
• 2007

CCD(Charge-Coupled Device) 혹은 CMOS (Complementary Metal Oxide Semiconductor)와 같은 소자를 이용하여 빛을 전기적 신호인 Image로 재구성하는 촬상소자(Color Capture Device)는 촬영환경이 어두워지면 Dynamic Range가 작아지고, Noise가 상대적으로 심해진다[1][2]. 본 논문에서는 촬영 환경이 어두울 때, Resolution을 Preserving하는 Pixel Pitch가 큰 촬상 소자와 Motion Blur를 억제하는 Exposure Time이 긴 촬상 소자의 조합을 신호처리로 구현하여, 신호의 Power를 향상시켜 Dynamic Range를 키우고 Noise의 Boost-up을 억제하여 SNR(Signal to Noise Ratio)을 향상시키는 방식으로, 촬상 장치의 감도를 향상시켜 화질을 개선하는 방법을 제안한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.07a
• /
• pp.272-274
• /
• 2015

본 논문에서는 하천 인근의 재난 방지를 위한 효율적인 재난감지 알고리즘을 제안한다. 제안하는 알고리즘은 영상처리를 기반으로 임계값을 자동으로 변경시켜 물과 물이 아닌 영역을 분리한다. 수위감지 알고리즘을 단순 물의 색상 정보만을 이용해 분석한다면, 야간 저조도, 폭우와 같은 상황 등에서 알고리즘 성능이 저하될 우려가 있다, 이를 해결하기 위해서 물의 색상 정보뿐 아니라 물의 흔들림 정도도 함께 고려하여 물의 영역을 찾아낸다. 또한 보다 안정적인 수위 분포를 분석하기 위해서 시간과 공간에 대한 필터링을 추가하여 빗물, 물결, 카메라의 화이트 노이즈 등 다양한 노이즈에 보다 안정적으로 수위 분포를 분석한다. 본 논문에서 제안하는 수위감지 알고리즘을 적용한다면, 센서, 목자판 인식 등 이전의 수위계측 방식보다 성능, 비용 면에서 모두 우수할 것으로 예측된다.

• Prospectives of Industrial Chemistry
• /
• v.24 no.5
• /
• pp.15-29
• /
• 2021

최근 유기태양전지 분야의 큰 진보는 비풀러렌 전자수용체 소재의 등장에 의해 달성되었다. 비풀러렌 기반 유기광활성층은 기존 풀러렌 기반 소자의 내재적 한계로 지적되던 높은 에너지 손실을 극복하고 동시에 소재의 흡광대역 확장을 통한 광전류밀도 증가로 유기태양전지 성능을 지속적으로 개선하고 있다. 더불어 비풀러렌 소재는 화학 구조의 개질 용이성으로 밴드갭 자유 제어가 가능하므로, 광활성층의 흡광 대역을 정밀하게 제어하면 반투명 태양전지, 실내 저조도 태양전지, 파장선택적 광검출기, 소재융합형 소자 등 다양한 광전자소자 응용이 가능하여 주목받고 있다. 본 기고문에서는 유기태양전지 광활성층에 활용되는 비풀러렌 소재의 최신 연구 동향과 전망을 다루고자 한다.

• Journal of Korea Multimedia Society
• /
• v.25 no.8
• /
• pp.991-998
• /
• 2022

Recently, object recognition using image/video signals is rapidly spreading on autonomous driving and mobile phones. However, the actual input image/video signals are easily exposed to a poor illuminance environment. A recent researches for improving illumination enable to estimate and compensate the illumination parameters. In this study, we propose VE-DCE (video enhancement zero-reference deep curve estimation) to improve the illumination of low-light images. The proposed VE-DCE uses unsupervised learning-based zero-reference deep curve, which is one of the latest among learning based estimation techniques. Experimental results show that the proposed method can achieve the quality of low-light video as well as images compared to the previous method. In addition, it can reduce the computational complexity with respect to the existing method.

• The Journal of Korea Robotics Society
• /
• v.18 no.1
• /
• pp.66-71
• /
• 2023

As cameras have become primary sensors for mobile robots, vision based Simultaneous Localization and Mapping (SLAM) has achieved impressive results with the recent development of computer vision and deep learning. However, vision information has a disadvantage in that a lot of information disappears in a low-light environment. To overcome the problem, we propose an image enhancement method to perform visual SLAM in a low-light environment. Using the deep generative adversarial models and modified gamma correction, the quality of low-light images were improved. The proposed method is less sharp than the existing method, but it can be applied to ORB-SLAM in real time by dramatically reducing the amount of computation. The experimental results were able to prove the validity of the proposed method by applying to public Dataset TUM and VIVID++.