• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.797-800
• /
• 2005

본 논문에서는 고정점 알고리즘의 독립성분분석을 이용하여 얼굴영상의 인수부호를 찾아 얼굴을 인식하는 기법을 제안하였다. 여기서 고정점 알고리즘은 뉴우턴법에 기초한 것으로 빠른 특징추출을 위함이고, 독립성분분석의 이용은 통계적으로 독립인 계수로 구성된 인수부호를 효과적으로 추출하기 위함이다. 제안된 기법을 Yale 얼굴영상 데이터베이스로부터 선택된 20개의 $324{\ast}243$ 픽셀의 영상을 대상으로 시뮬레이션한 결과, 기저영상의 개수에 따른 압축성능과 L1- 및 L2-norm의 거리척도에 따른 분류에서 우수한 인식성능이 있음을 확인할 수 있었다.

• Proceedings of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography Conference
• /
• 2004.11a
• /
• pp.281-284
• /
• 2004

광범위한 면적의 토지피복분류를 관찰하는데 유용하게 사용되고 있는 NOAA AVHRR 자료는 자료의 방대한 양과 구름에 의한 영향을 없애기 위하여 일반적으로 MVC(Maximum Value Composite) 처리를 하여 사용한다. 그러나 수신당시의 여러 가지 환경인자(구름, 저주파 노이즈, 산란, 구름의 그림자 등)에 의하여 각 채널의 패턴이 변화하여 오독을 할 위험성이 있다. 특히 그림자의 영향에 의해 측정치가 변화하는 NOAA 위성의 채널2영역에서는 이러한 특징이 두드러진다. 따라서 본 연구에서는 지상에서 실제로 측정한 자료를 기초로 하여 NOAA 영상자료에서 구름으로 인한 그림자의 영향에 관하여 조사하였고, 한 픽셀안에서 그림자의 영향이 60%이상이 될 경우에는 오독의 가능성이 높은 것으로 나타났다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.11a
• /
• pp.100-103
• /
• 2015

본 논문에서는 실내에서 RGBD 영상을 이용하여 물체를 검출하는 방법을 제안한다. 특정 물체가 아닌 일반적인 여러 가지 물체에 대한 특징을 규정하기 어려우므로 본 논문에서는 영상 정보에 의존하기 보다 물체와 픽셀의 기하학적 구조에 기반하여 물체를 검출한다. 우선 컬러 정보를 이용하여 대략적인 영상 영역분할을 하고 이를 같은 레이블로 분류하여 물체와 배경의 후보를 얻는다. 대체로 실내 환경에서 바닥은 평면이라 가정할 수 있으므로 바닥의 평면 모델을 만들어서 물체 후보에서 이를 제외시킨다. 또한, 물체에 대한 간단한 가정을 통해 바닥 이외의 배경 역시 물체와 구분하여서 물체 후보들을 가려낸다. 최종적으로 3 차원 공간에서 가까이 위치하는 레이블을 하나로 통합하는 과정을 통해 최종적인 물체 영역을 검출하고 이를 bounding box 로 표시한다. 직접 촬영한 몇몇 실내 RGBD 영상에서 실험한 결과, 제안하는 방법이 기존 방법들에 비해 물체 검출 성능이 좋은 것을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.587-590
• /
• 2004

본 논문에서는 고정점 알고리즘의 독립성분분석을 이용한 얼굴인식을 제안하였다. 여기서 고정점 알고리즘은 뉴우턴법에 기초한 것으로 빠른 인식을 위함이고, 독립성분분석의 이용은 통계적으로 독립인 기저영상을 효과적으로 추출하기 위함이다. 제안된 기법을 Yale 얼굴영상 데이터베이스로부터 선택된 20개의 $320{\ast}243$ 픽셀의 영상을 대상으로 시뮬레이션한 결과, 주요성분의 개수에 따른 압축성능과 city-block, Euclidian, 그리고 negative angie의 거리척도에 따른 분류에서 우수한 인식성능이 있음을 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.583-586
• /
• 2004

본 논문에서는 자율학습의 속성을 가지는 주요성분분석을 이용한 얼굴인식 기법을 제안하였다. 이는 대용량의 입력 데이터를 통계적으로 독립인 특징들의 집합으로 변환시켜 중복신호를 제거하는 특성을 가지는 주요성분분석의 우수한 속성을 이용한 것이다. 제안된 기법을 Yale 얼굴영상 데이터베이스로부터 선택된 20개의 $320{\ast}243$ 픽셀의 영상을 대상으로 시뮬레이션한 결과, 주요성분의 개수에 따른 압축성능과 city-block, Euclidian, 그리고 negative angle(cosine)의 거리척도에 따른 인식에서의 분류성능에서 우수한 성능이 있음을 확인할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.404-406
• /
• 2000

캐리커처 생성 시스템은 입력된 인물 사진을 세그먼테이션을 통하여 특징(이목구비)을 추출하고, 추출된 특징정보를 이용하여 그와 유사한 특징정보를 가지는 캐리커처 이미지를 검색하여 매핑시키는 시스템이다. 캐리커처 생성 시스템에서는 얼굴의 대칭 구조를 이용하고 색상과 모양에 대한 정보를 이용하여 얼굴 각각의 특징(이목구비)을 캐리커처의 특징을 구분하는 특징정보로써 활용한다. 본 논문은 인물 사진을 세그멘테이션 처리하여 얻은 부분 영역 특징정보를 이용하여 그와 유사한 캐리커처를 자동으로 생성하는데 목적이 있다. 이 때 사용하는 대칭 구조는 씨앗 픽셀(seed pixel)을 추출한다. 특징정보는 색상의 경우 지역적인 색상정보는 이목구비를 더 뚜렷이 해주고, 전체적인 색상정보는 그 이미지의 피부색의 정보를 나타낸다. 모양의 경우 이목구비의 특징정보를 위해 불변모멘트가 주요하게 사용된다. 또한 데이터베이스는 얼굴의 세부사항(이목구비)에 대한 각각의 캐리커처로 구축되어 있고, 각 세부사항은 특징별 분류되어 있어야 한다. 이런 데이터베이스의 캐리커처와 추출된 얼굴 영상에서의 세부사항을 비교하여 유사도를 계산하고 이를 매핑하므로 개인의 특징을 가진 캐리커처를 자동으로 생성한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.921-923
• /
• 2014

보행자 검출과정은 특징추출, 추출된 특징을 기반으로 한 학습과정, 그리고 학습된 데이터를 기반으로 한 분류과정으로 나눌 수 있다. 이들 중 연산시간이 가장 오래 걸리는 특징추출과정이다. 기존의 HOG 특징 추출은 하나의 학습 샘플 이미지에 대하여 많은 픽셀 연산이 필요하기 때문에 많은 시간이 소요되었다. 본 논문에서는 실시간 스트리밍 환경에서 이전 프레임의 HOG 특징 검출정보를 분석하여 다음 프레임에서 보행자가 존재 할 가능성이 높은 부분에 대해서만 특징을 추출한다. 이 방법으로 기존의 연구와 비교하여 인식성능에는 거의 영향을 주지 않고 인식 속도를 향상할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.510-512
• /
• 2022

컴퓨터 비전 분야에서 오랫동안 사용되었던 CNN(Convolution Neural Network)은 오분류를 일으키기 위해 악의적으로 추가된 섭동에 매우 취약하다. ViT(Vision Transformer)는 입력 이미지의 전체적인 특징을 탐색하는 어텐션 구조를 적용함으로 CNN의 국소적 특징 탐색보다 특성 픽셀에 섭동을 추가하는 적대적 공격에 강건한 특성을 보이지만 최근 어텐션 구조에 대한 강건성 분석과 다양한 공격 기법의 발달로 보안 취약성 문제가 제기되고 있다. 본 논문은 ViT가 CNN 대비 강건성을 가지는 구조적인 특징을 분석하는 연구와 어텐션 구조에 대한 최신 공격기법을 소개함으로 향후 등장할 ViT 파생 모델의 강건성을 유지하기 위해 중점적으로 다루어야 할 부분이 무엇인지 소개한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.615-618
• /
• 2008

본 논문에서는 각 개인의 동작영상에 대한 국부고유공간에 바탕을 둔 기저영상을 이용한 효율적인 수화영상 인식 기법을 제안하였다. 여기서 국부고유공간의 추출은 주요성분분석을 이용한 것으로 동작영상의 국소특징을 더욱 더 잘 반영하기 위함이고, 기저영상의 추출은 독립성분분석을 이용한 것으로 수화영상 내에 포함된 고차원의 독립적인 특징들을 반영하여 보다 개선된 인식성능을 얻기 위함이다. 제안된 기법을 240*215 픽셀의 80(1명*5동물*16동작)개 동물을 표현하는 수화동작을 대상으로 Euclidean의 분류척도를 이용하여 실험한 결과, 단순 국부고유공간을 이용한 방법에 비해 우수한 인식성능이 있음을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.11-13
• /
• 2023

의미론적 분할(Semantic Segmentation)은 이미지 내의 객체 및 배경을 픽셀 단위로 분류하는 작업으로 정밀한 탐지가 요구되는 분야에서 활발히 연구되고 있다. 기존 어텐션 기법은 의미론적 분할의 다운샘플링(Downsampling) 과정에서 발생하는 정보손실을 완화하기 위해 널리 사용됐지만 고정된 Convolution 필터의 형태 때문에 객체의 형태에 따라 유동적으로 대응하지 못했다. 본 논문에서는 이를 보완하고자 Deformable Convolution과 셀프어텐션(Self-attention) 구조기반 어텐션 모듈을 사용한 의미론적 분할 모델을 제안한다.