• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.11a
• /
• pp.53-54
• /
• 2011

본 논문에서 우리는 동영상에서 인접한 블러되지 않은 참조 프레임을 이용하여 모션 블러를 제거하는 기법을 제안한다. 기존의 디블러링 방법들은 주로 단일 영상을 이용한 방법들로 정확한 커널을 예측하는 것과 원본 영상에 준하는 영상을 복원하는 것에 한계가 존재한다. 하지만 동영상에서 부분적인 프레임에만 블러가 발생한 특수한 경우에는 인접한 위치에 존재하는 블러되지 않은 프레임을 활용하는 것이 가능하다. 제안하는 방법은 블러된 프레임과 인접한 위치에 존재하는 블러되지 않은 프레임 사이에 움직임을 추정하고, 움직임 보상된 영상을 이용하여 커널을 추정한다. 또한 움직임 오차에 따른 잔여 오차 성분에 대해서만 디컨벌루션을 적용하여 물결현상이 억제된 최종적인 결과 영상을 생성한다. 실험 결과는 제안한 방법이 기존의 디블러링 기법에 비해 에지 부분을 잘 복원시키면서 물결현상은 감소된 보다 우수한 디블러링 결과를 가져오는 것을 보여준다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.15 no.1
• /
• pp.85-92
• /
• 2020

Deep learning shows outstanding performance in image and video analysis, such as object classification, object detection and semantic segmentation. In this paper, it is analyzed that the performances of deep learning models can be affected by characteristics of train dataset. It is proposed as a method for selecting activation function and optimization algorithm of deep learning to classify facial expression. Classification performances are compared and analyzed by applying various algorithms of each component of deep learning model for CK+, MMI, and KDEF datasets. As results of simulation, it is shown that genetic algorithm can be an effective solution for optimizing components of deep learning model.