• International journal of advanced smart convergence
• /
• 제7권2호
• /
• pp.95-100
• /
• 2018

In this paper, we propose a binarized multi-scale module to accelerate the speed of the pose estimating deep neural network. Recently, deep learning is also used for fine-tuned tasks such as pose estimation. One of the best performing pose estimation methods is based on the usage of two neural networks where one computes the heat maps of the body parts and the other computes the part affinity fields between the body parts. However, the convolution filtering with a large kernel filter takes much time in this model. To accelerate the speed in this model, we propose to change the large kernel filters with binarized multi-scale modules. The large receptive field is captured by the multi-scale structure which also prevents the dropdown of the accuracy in the binarized module. The computation cost and number of parameters becomes small which results in increased speed performance.

• Journal of information and communication convergence engineering
• /
• 제11권4호
• /
• pp.298-306
• /
• 2013

The scale invariant feature transform (SIFT) is an effective algorithm used in object recognition, panorama stitching, and image matching. However, due to its complexity, real-time processing is difficult to achieve with current software approaches. The increasing availability of parallel computers makes parallelizing these tasks an attractive approach. This paper proposes a novel parallel approach for SIFT algorithm implementation using a block filtering technique in a Gaussian convolution process on the SIMD Pixel Processor. This implementation fully exposes the available parallelism of the SIFT algorithm process and exploits the processing and input/output capabilities of the processor, which results in a system that can perform real-time image and video compression. We apply this implementation to images and measure the effectiveness of such an approach. Experimental simulation results indicate that the proposed method is capable of real-time applications, and the result of our parallel approach is outstanding in terms of the processing performance.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.673-675
• /
• 2023

그래프 데이터는 데이터간의 관계를 효율적으로 분석할 수 있으며, 뛰어난 확장성, 다양한 종류의 데이터들을 쉽게 표현할 수 있어 화학, 의학, 추천시스템등 다양한 분야에 적용하려는 사례가 늘고 있다. 이러한 그래프 데이터를 머신러닝기법에 쉽게 사용할 수 있도록 적용된 것이 GNN모델이다. 그 중 Convolultion기법을 적용한 ConvGNNs 모델이 추천 시스템 등 다양한 분야에서 많이 연구 되고 있다. 본 논문은 실험을 통해 상이한 데이터셋 환경에서 Convolution 그래프 기반 모델들의 성능을 비교하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권8호
• /
• pp.2068-2082
• /
• 2023

With the rapid development of deep learning, Depth Map Super-Resolution (DMSR) method has achieved more advanced performances. However, when the upsampling rate is very large, it is difficult to capture the structural consistency between color features and depth features by these DMSR methods. Therefore, we propose a color-image guided DMSR method based on iterative depth feature enhancement. Considering the feature difference between high-quality color features and low-quality depth features, we propose to decompose the depth features into High-Frequency (HF) and Low-Frequency (LF) components. Due to structural homogeneity of depth HF components and HF color features, only HF color features are used to enhance the depth HF features without using the LF color features. Before the HF and LF depth feature decomposition, the LF component of the previous depth decomposition and the updated HF component are combined together. After decomposing and reorganizing recursively-updated features, we combine all the depth LF features with the final updated depth HF features to obtain the enhanced-depth features. Next, the enhanced-depth features are input into the multistage depth map fusion reconstruction block, in which the cross enhancement module is introduced into the reconstruction block to fully mine the spatial correlation of depth map by interleaving various features between different convolution groups. Experimental results can show that the two objective assessments of root mean square error and mean absolute deviation of the proposed method are superior to those of many latest DMSR methods.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.431-433
• /
• 2022

IoT 기술의 발달에 따라 인공지능과 자동화와 같이 다양한 기술들이 산업현장에 접목되고 있으며, 이에 따라 데이터처리의 중요성이 높아지고 있다. 영상의 잡음제거는 영상처리의 기본적인 과정 중 하나로서, 수많은 어플리케이션에서 전처리 단계로 사용된다. 잡음제거를 위해 다양한 연구가 진행되었지만, 잡음제거 과정에서 영상의 디테일 보존, 질감 복원과 특수한 영역의 잡음 제거와 같이 다양한 문제가 발생한다. 본 논문에서는 임펄스 잡음제거 과정에서 영상의 디테일 보존을 위해 확장된 컨벌루션 마스크를 사용한 디지털 필터를 제안한다. 제안한 알고리즘은 필터링 마스크로 확장된 컨벌루션 마스크를 사용하며, 잡음수준에 따라 확장수준을 스위칭하여 최종출력을 구한다. 제안한 알고리즘의 성능을 평가하기 위해 시뮬레이션을 진행하였으며, 기존 방법과 비교하여 성능을 분석하였다.

• 대한디지털의료영상학회논문지
• /
• 제9권1호
• /
• pp.21-30
• /
• 2007

영상 획득과 재구성 방법에 따라 CT 감약계수는 다양성을 보이고 관심 영역의 노이즈는 정밀도에 영향을 준다. 인체에서 간 실질조직과 위장의 물의 CT 감약계수와 노이즈를 커널에 따라 측정하였다. 다중채널 CT 스캐너를 이용하여 복부를 스캔 하였고, 커널은 B10 (very smooth), B20 (smooth), B30 (medium smooth), B40 (medium), B50 (medium sharp), B60 (sharp), B70 (very sharp), B80 (ultra sharp)으로 재구성하여 간의 실질 조직과 물이 들어 있는 위장 부위를 ROI 기능을 이용하여 평균의 CT감약계수와 표준편차인 노이즈를 측정하여 영상을 비교하였다. 간의 실질 조직에서 CT감약계수는 커널에 따라 60.4에서 69.2 HU사이에서 분포하여 차이가 없었으나, 노이즈는 커널(7.6$\sim$63.8 HU)이 높아질수록 증가하였다. 물의 CT감약계수는 -2.2 HU에서 0.8 HU사이에서 측정되었고, 노이즈는 커널(10.1$\sim$82.4 HU)이 높아질수록 증가하였다. 영상의 질을 높이기 위해서는 검사 부위에 따라 노이즈를 감소하기 위해 적절한 커널을 선택하여 CT 검사를 하여야 한다.

• 한국정보전자통신기술학회논문지
• /
• 제10권3호
• /
• pp.249-255
• /
• 2017

지정맥 인식 기술은 손가락에 적외선 광을 조광하여 손가락에 있는 정맥 영상을 획득한 다음, 특징 추출, 매칭 등의 과정을 거쳐 개인을 인증하는 방법이다. 지정맥 인식을 위해 손가락 외각을 검출함에 있어 2차원 마스크(mask)를 기반한 2차원 컨볼루션(2-Dimension convolution) 처리방법은 저가(low cost)의 마이크로프로세서 또는 마이크컨트롤러에 적용할 때 많은 연산시간이 소요된다. 이러한 문제점을 개선하고 인식을 향상시키기 위해 본 연구에서는 2차원 마스크와 2차원 컨볼루션을 사용하지 않고 픽셀들 간의 차의 절대 값과 역치(threshold)를 기반을 둔 이동평균필터링, 가상의 코어점 기반한 ROI 추출법 등을 제안하였고, 제안된 방법의 성능을 평가하기 위해 600개 지정맥 영상을 사용하여 에지 추출속도와 ROI 영역 추출의 정확도 등을 기존의 방법들과 비교 평가 하였다. 그 결과, 제안된 방법의 처리속도가 기존의 방법보다 최소 2배 이상의 빠른 처리속도를 보였으며, ROI 추출의 정확도는 기존의 방법보다 6% 이상의 성능 향상을 보였다, 이러한 결과로부터 제안된 기법을 저가의 마이크로프로세서에 적용한다면, 빠른 처리속도로 높은 인식률을 제공할 것으로 판단된다.

• 한국해안해양공학회지
• /
• 제4권4호
• /
• pp.201-207
• /
• 1992

Yeo(1987)에 의하여 유도된 평균된 비선형괴의 표현식을 이론 및 실험적 분석을 통하여 난류구조의 특성을 밝혔다. 일반 평균정의식으로부터 가우스형 필터함수를 사용하여 얻어진 이 식에 의하면 종래와 같이 비선형항을 4개의 항으로 분리하여 각각을 해석할 필요가 없으며 기존 난류모형이 갖는 Closure문제로 인한 한계성도 극복할 수 있는 가능공을 보여주고 있다. 새로이 유도된 표현식으로부터 종래 개염적으로만 인식되어 왔던 vortex stretching현상을 이논적으로 도출할 수 있었으며 실제 난류자료의 분석결업 이들의 영향이 지배적임을 입증하였다. 따라서 vortex stretching의 영향을 무시한 난류모형은 그 타당성을 상설하게 된다. 또한 LES모형에 적용시킨 결과 일반적 형태의 에너지 표현식을 얻을 수 있었으며 기존의 Smagorinsky모형, 회전모형및 SGS에너지 모형은 완전히 별개의 것이 아니라 난류에너지 중 변형 및 회전에 의한 영향의 고려 가부에 따라 구분되어짐을 보였다.

• 한국군사과학기술학회지
• /
• 제13권4호
• /
• pp.528-533
• /
• 2010

This paper describes a calculation method of source level of a ship transient noise, which is one of the important elements for the ship detection. Aim of transient noise measurements is to evaluate of acoustic energy due to singular occurrence, which is therefore defined as non-periodic and short termed events like an attack periscope, a rudder and a torpedo door. In generally, in the case of randomly spaced impulse, the spectrum becomes a broadband random noise with no distinctive pattern. Therefore, frequency analysis is not particularly revealing for type of signal. In the paper, it is performed in time domain to analyze a transient noise. However, a source level of transient noise is required an investigation for multiple frequency band. So, in order to calculate a source level of transient noise, a design of exponential weighting function, convolution, band pass filtering, peak detection, root mean square, and parameter compensation are applied. The effectiveness of this calculation scheme is studied through computer simulations and a sea test. Furthermore, an application of the method is applied in a real case.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.237-245
• /
• 2022

The prominence of IoTs (Internet of Things) and exponential advancement of computer networks has resulted in massive essential applications. Recognizing various cyber-attacks or anomalies in networks and establishing effective intrusion recognition systems are becoming increasingly vital to current security. MLTs (Machine Learning Techniques) can be developed for such data-driven intelligent recognition systems. Researchers have employed a TFDNNs (Tensor Flow Deep Neural Networks) and DCNNs (Deep Convolution Neural Networks) to recognize pirated software and malwares efficiently. However, tuning the amount of neurons in multiple layers with activation functions leads to learning error rates, degrading classifier's reliability. HTFDNNs ( Hybrid tensor flow DNNs) and MRNs (Modified Residual Networks) or Resnet CNNs were presented to recognize software piracy and malwares. This study proposes HTFDNNs to identify stolen software starting with plagiarized source codes. This work uses Tokens and weights for filtering noises while focusing on token's for identifying source code thefts. DLTs (Deep learning techniques) are then used to detect plagiarized sources. Data from Google Code Jam is used for finding software piracy. MRNs visualize colour images for identifying harms in networks using IoTs. Malware samples of Maling dataset is used for tests in this work.