• Proceedings of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography Conference
• /
• 2004.04a
• /
• pp.471-475
• /
• 2004

LiDAR의 표고점 데이터에서 건물, 수목 등과 같이 주위보다 높은 고도 값을 가지는 대상물을 제거하여 DEM을 생성하기 위한 여러 가지 필터링 기법들이 개발되고 있으며 대표적인 필터링 방법으로는 분산을 이용한 linear prediction 기법, 주변 점들과의 경사관계를 이용한 slope-based 기법, morphology 필터, dual rank 필터 등이 있다. 이러한 기법들은 커널(kernel)의 크기를 대상 지역에 맞도록 사용자가 직접 지정해주어야 하고, 건물의 크기가 다양한 지역에 적용하기 위해서는 가변 크기(variable size)의 커널을 필요로 한다. 본 연구에서는 다양한 크기의 건물이 존재하는 지역에 대하여 커널의 크기를 변화시키지 않고 필터링을 수행하는 새로운 커널 연산 기법을 제안하였다. 또한 기존 필터링 기법에서는 커널에 의해 갱신된 연산값이 다음 연산에 반영되지 않으나 본 연구에서는 갱신된 값이 바로 다음 연산에 반영되도록 하였다. 건물과 수목 등을 제거하기 위하여 주변 화소와의 높이 차를 이용하였으며 대상물이 제거된 부분은 주변 화소를 이용하여 보간하였다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.13 no.6
• /
• pp.1257-1262
• /
• 2018

In this paper, a deep learning method is proposed to detect the fire effectively by using video of surveillance camera. Based on AlexNet model, classification performance is compared according to kernel size and stride of convolution layer. Dataset for learning and interfering are classified into two classes such as normal and fire. Normal images include clouds, and foggy images, and fire images include smoke and flames images, respectively. As results of simulations, it is shown that the larger kernel size and smaller stride shows better performance.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10a
• /
• pp.59-61
• /
• 1998

광범위한 범위에서 사용되고 있는 실시간 시스템을 위하여 실시간 커널의 사용은 필수적이다. 본 논문에서는 다양한 분야에서 사용될 수 있는 이식성이 높고, 목적 시스템에 필용한 커널 서비스만을 선택하여 커널의 크기를 조절할 수 있는 실시간 커널의 개발하였다. 이 커널은 병렬 커널로의 확작성을 고려하여 LINDA 개념을 기초로 하여 개발되었는데. 기존에 개발된 실시간 커널 HLINDA와 비교하였을 때 보다 좋은 성능을 보여주었다. 또한 시스템 기초화 부분과 콘텍스트 스위치 등, 몇 부분을 제외한 전 커널의 95%이상을 C-언어로 작성하여 높은 이식성을 갖고 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10c
• /
• pp.862-864
• /
• 2001

본 논문에서는 LINDA 개념에 시간성 튜플 개념을 도입함으로써 보다 빠르고 보다 간단한 IPC 메커니즘을 커널속에 구현할 수 있음을 보였다. 이 새로운 개념에서는 정보의 교환은 기존의 튜플을 그대로 이용하고 IPC는 시간성 튜플을 이용하여 구현하였는데, 튜플을 이렇게 2가지 종류로 나눔으로써 정보의 교환에 이용되는 튜플은 IPC에 사용되는 필드를 갖고있지 않아도 되고, 반대로 IPC에 사용되는 시간성 튜플은 정보의 교환에 이용되는 필드를 갖고있지 않아도 된다 결과적으로 기존의 LINDA 개념을 이용한 커널의 크기보다는 작아진 커널을 구현할 수 있다. 또한 정보의 교환이나 IPC를 위하여 읽혀지거나 쓰여지는 정보의 크기도 작아지므로 커널 서비스 시간을 단축할 수 있다. 그리고 IPC를 위해서는 시스템 tic을 세는 증감 연산이 필요한데, 기존의 LINDA 개념에서는 모든 튜플을 읽고 처리해야 하지만 시간성 튜플 개념을 이용한 IPC에서는 단지 시간성 튜플에만 증감 연산이 필요하다. 결과적으로 보다 효과적인 커널 서비스를 구현할 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10a
• /
• pp.601-603
• /
• 2004

미리 읽기(readahead) 설계는 파일 시스템 성능에 큰 영향을 미치는 요소 중 하나이다 기존 리눅스 커널 2.6.7 버전의 미리 읽기는 임의적 파일 접근 시에 읽는 크기가 클수록 사용되지 않는 페이지들의 할당에 시간을 낭비하게 되어 전체적인 성능 저하가 일어난다. 본 논문에서는 이러한 문제를 해결하기 위해 요청되는 읽기 크기에 따라 미리 읽기 크기를 조정하는 방법을 제안하며 제안된 방법으로 리눅스 커널을 수정하여 임의적 파일 접근 시에 성능 향상이 일어남을 실험을 통해 보이고자 한다.

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.4
• /
• pp.29-37
• /
• 2021

In this paper, we propose a deep learning-based retinal vessel segmentation model for handling multi-scale information of fundus images. we integrate the selective kernel convolution into U-Net-based convolutional neural network. The proposed model extracts and segment features information with various shapes and sizes of retinal blood vessels, which is important information for diagnosing eye-related diseases from fundus images. The proposed model consists of standard convolutions and selective kernel convolutions. While the standard convolutional layer extracts information through the same size kernel size, The selective kernel convolution extracts information from branches with various kernel sizes and combines them by adaptively adjusting them through split-attention. To evaluate the performance of the proposed model, we used the DRIVE and CHASE DB1 datasets and the proposed model showed F1 score of 82.91% and 81.71% on both datasets respectively, confirming that the proposed model is effective in segmenting retinal blood vessels.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.188-190
• /
• 1998

데이터 베이스 관리 시스템에서는 질의 결과의 크기(selectivity)를 미리 예측하는 것이 필요하다. 질의 결과의 크기는 데이터의 분포 상태에 의해서 결정된다. 이러한 데이터의 분포 상태를 정확하게 예측하는 것이 매우 중요하다. 대부분의 데이터 베이스 관리 시스템에서는 이를 위하여 주기적으로 저장하고 있는 레코드에 대해서 히스토그램을 만들고 이용한다. 이 방법은 히스토그램의 저장공간이 적게 필요로 하고 선택도를 추정하는데 있어서 선택도 추정시 부가적인 계산이 필요하지 않은 장점이 있지만, 일정한 크기의 버켓내에서는 데이터들이 균일하게 분포한다는 가정을 함으로써 선택도 추정에 있어서 에러율이 높았다. 이에 본 논문에서는 커널 방법을 사용하여 버켓 내 데이터의 분포에 대하여 추정 함으로써 이를 해결하는 방법을 제시하였다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.14 no.6
• /
• pp.1153-1160
• /
• 2019

In this paper, we experimented to find out how the number of convolution layers, the size, and the number of kernels affect the CNN. In addition, the general CNN was also tested for analysis and compared with the CNN used in the experiment. The neural networks used for the analysis are based on CNN, and each experimental model is experimented with the number of layers, the size, and the number of kernels at a constant value. All experiments were conducted using two layers of fully connected layers as a fixed. All other variables were tested with the same value. As the result of the analysis, when the number of layers is small, the data variance value is small regardless of the size and number of kernels, showing a solid accuracy. As the number of layers increases, the accuracy increases, but from above a certain number, the accuracy decreases, and the variance value also increases, resulting in a large accuracy deviation. The number of kernels had a greater effect on learning speed than other variables.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.12-14
• /
• 2014

본 논문에서는 AZB (All-Zero Block) 검출을 이용한 조기 부호화 단위(Coding Unit, CU) 결정 방법을 제안한다. HEVC 영상 코덱의 하드웨어 구현에서 이산여현변환(DCT)는 많은 부호화 자원을 필요로 하는 과정으로 DCT 수행 이전에 블록 내의 모든 양자화 계수가 0 이 되는 영블록(All-zero Block)을 미리 검출하여 DCT 및 양자화 과정을 생략하고 CU 의 부호화 과정을 조기에 종료함으로써 부호화 복잡도를 크게 감소시키는 방법을 제안한다. 기존의 SAD (Sum of Absolute Difference) 또는 SATD (Sum of Absolute Transform Difference)에 기반하는 AZB 검출 방법은 HEVC 에서 새롭게 추가된 큰 크기의 $16{\times}16$와 $32{\times}32$ DCT 에서 AZB 을 효율적으로 검출할 수 없는 한계가 존재한다. 본 논문에서는 DCT 변환 커널이 하다마드 변환 커널과 또 다른 정규 직교 변환 커널로 분할하여 표현할 수 있는 성질을 이용하여, 부화소 움직임벡터 추정 과정을 통해 생성된 하드마드 변환 계수에 DCT 를 생성하는 변환 커널을 곱하여 DCT 변환 커널을 생성한 후 양자화 계수를 이용하여 CU 단위의 AZB 을 검출하는 방법을 제안한다. 또한 AZB 검출과 움직임 벡터의 크기를 이용하여 현재 CU 의 부호화 과정을 조기에 종료하는 방법을 제안한다. 제안하는 AZB 검출과 CU 조기 종료 부호화 방법을 사용하면 평균적으로 34.7%의 부호화 시간을 감소시켜 부호화 복잡도를 크게 줄일 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10c
• /
• pp.88-90
• /
• 2000

컴퓨터에 있어서 네트워킹이 중요한 요소로 부각되면서 운영체제는 네트워킹을 보다 효율적으로 지원할 수 있어야 한다. 데이터가 송신자에서 수신자로 전송될 때, 데이터는 이동경로상의 라우터들을 경유하게 된다. 그러나 경유하는 중간회선과 라우터의 처리능력이 서로 다르며, 처리 가능한 크기보다 큰 패킷을 받을 경우는 적절한 크기로 분할되게 된다. 수신측에서는 분할된 패킷을 다시 재조합하여 원래의 데이터로 복원시켜야 한다. 이러한 패킷 재조합은 운영체제의 커널에서 수행된다. 본 논문에서는 리눅스 커널에서의 분할패킷 재조합 과정을 개선함으로써 노드간 데이터 전송률을 향상시킬 수 있는 방안을 제시한다.