• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 D
• /
• pp.2656-2659
• /
• 2001

본 논문은 교사 있는 학습기의 Kohonen Feature Map에 고차 뉴런을 도입, 고차 뉴런을 이용한 Kohonen의 자기 조직화 맵을 제안한다. 일반적인 Kohonen Feature Map의 특징은 입력신호를 받아 출력 면(Kohonen Feature Map) 내의 특정한 위치 주위에 집중하는 메커니즘으로 즉, 국소집중 반응을 구하는 구조이다. 본 논문에서는 종래형의 Kohonen Feature Map의 특징을 보유하며 교사 있는 학습기의 Kohonen Feature Map에 고차 뉴런을 도입하여 국소집중반응 및 특징 축출이 용이하도록 네트워크 구조를 개선한 것이다. 특히, 일차 뉴런의 문제점인 비선형 분리 문제에 대하여 교사 있는 학습기의 Kohonen Feature Map의 입력층에 고차 뉴런을 도입함으로 비선형 분리 가능한 형태의 네트워크 구조로 형성하였다. 그러나, 일반적인 고차 뉴런의 문제점을 보안하기 위해 본 논문에서는 오직 2차 뉴런만을 생성하였으며 중복되는 뉴런을 최대한 억제하였다. 본 제안 모델의 특성을 살펴보기 위해 XOR문제와 20개의 Alphabet을 식별하는 패턴인식 시뮬레이션을 했으며, 본 제안 모델의 범화능력을 알아보기 위하여 Mirror Symmetry를 사용하여 계산기 시뮬레이션을 했다. 그 결과, 본 제안 모델이 종래형의 네트워크 구조보다 뛰어난 인식률을 얻을 수 있었다.

• Journal of applied mathematics & informatics
• /
• 제9권2호
• /
• pp.793-806
• /
• 2002

Feature-based similarity retrieval become an important research issue in image database systems. The features of image data are useful to discrimination of images. In this paper, we propose the highspeed k-Nearest Neighbor search algorithm based on Self-Organizing Maps. Self-Organizing Maps (SOM) provides a mapping from high dimensional feature vectors onto a two-dimensional space. The mapping preserves the topology of the feature vectors. The map is called topological feature map. A topological feature map preserves the mutual relations (similarity) in feature spaces of input data. and clusters mutually similar feature vectors in a neighboring nodes. Each node of the topological feature map holds a node vector and similar images that is closest to each node vector. In topological feature map, there are empty nodes in which no image is classified. We experiment on the performance of our algorithm using color feature vectors extracted from images. Promising results have been obtained in experiments.

• 방송공학회논문지
• /
• 제27권3호
• /
• pp.283-294
• /
• 2022

딥 러닝 네트워크에서 사용되는 특징 맵은 일반적으로 영상보다 데이터가 크며 특징 맵을 전송하기 위해서는 영상의 압축률보다 더 높은 압축률이 요구된다. 본 논문은 딥러닝 기반의 영상처리에서 객체의 크기에 대한 강인성을 가지는 FPN 구조의 네트워크에서 사용되는 피라미드 특징 맵을 높은 압축률로 전송하기 위해 제안한 복원-예측 네트워크를 통해 전송된 일부 계층의 피라미드 특징 맵으로 전송하지 않은 계층의 피라미드 특징 맵을 예측하며, 압축으로 인한 손상을 복원하는 구조를 제안한다. 제안한 방법의 COCO 데이터셋 2017 Train images에 대한 객체 탐지의 성능은 rate-precision 그래프에서 VTM12.0을 통해 특징 맵을 압축한 결과 대비 BD-rate 31.25%의 성능향상을 보였고, PCA와 DeepCABAC을 통한 압축을 수행한 방법 대비 BD-rate 57.79%의 성능향상을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.141-143
• /
• 2004

This paper presents an algorithm in which a feature map is built and localization of a mobile robot is carried out for indoor environments. The algorithm proposes an approach which extracts scale-invariant features of natural landmarks from a pair of stereo images. The feature map is built using these features and updated by merging new landmarks into the map and removing transient landmarks over time. And the position of the robot in the map is estimated by comparing with the map in a database by means of an Extended Kalman filter. This algorithm is implemented and tested using a Pioneer 2-DXE and preliminary results are presented in this paper.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제52권5호
• /
• pp.277-282
• /
• 2003

In this paper we propose Using Higher Order Neuron on the Supervised Learning Machine of the Kohonen Feature Map. The architecture of proposed model adopts the higher order neuron in the input layer of Kohonen Feature Map as a Supervised Learning Machine. It is able to estimate boundary on input pattern space because or the higher order neuron. However, it suffers from a problem that the number of neuron weight increases because of the higher order neuron in the input layer. In this time, we solved this problem by placing the second order neuron among the higher order neuron. The feature of the higher order neuron can be mapped similar inputs on the Kohonen Feature Map. It also is the network with topological mapping. We have simulated the proposed model in respect of the recognition rate by XOR problem, discrimination of 20 alphabet patterns, Mirror Symmetry problem, and numerical letters Pattern Problem.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2008년도 International Symposium on Remote Sensing
• /
• pp.433-436
• /
• 2008

A demand on the spatial data management has been rapidly increased with the introduction and diffusion process of ITS, Telematics, and Wireless Sensor Network, and many different people use the digital map that offers various thematic spatial data. Spatial data for digital map can manage to tile-based and feature-based data. The existing tile-based digital map management systems have difficult problems of data construction, history management, and updating based on a spatial object. In order to solve these problems, this paper proposed the data model for the feature-based digital map management system that is designed for feature-based seamless map, history management, real-time updating of spatial data, and analyzed the validity and utility of the proposed model.

• 로봇학회논문지
• /
• 제9권2호
• /
• pp.96-103
• /
• 2014

Global localization is one of the essential issues for mobile robot navigation. In this study, an indoor global localization method is proposed which uses a Kinect sensor and a monocular upward-looking camera. The proposed method generates an environment map which consists of a grid map, a ceiling feature map from the upward-looking camera, and a spatial feature map obtained from the Kinect sensor. The method selects robot pose candidates using the spatial feature map and updates sample poses by particle filter based on the grid map. Localization success is determined by calculating the matching error from the ceiling feature map. In various experiments, the proposed method achieved a position accuracy of 0.12m and a position update speed of 10.4s, which is robust enough for real-world applications.

• 디지털융복합연구
• /
• 제10권3호
• /
• pp.173-178
• /
• 2012

본 논문에서는 영상의 관심 영역을 선택추출하여 효과적으로 객체를 추출 할 수 있는 관심 영역 지도(Saliency Map) 생성 기법을 제안하였다. 제안하는 방법은 객체의 윤곽선에 초점을 맞추어 단일영상의 에지(Edge), HSV 색상 모델의 H(Hue)성분, 포커스(Focus), 엔트로피(Entropy)의 네 가지 특징 정보를 이용한 각각의 특징 지도(Feature Map)를 생성하고, 생성된 특징 지도들을 중심 주변 차이(Center Surround Differences)를 이용하여 중요도 지도(conspicuity map)를 생성하게 된다. 이후 생성된 중요도 지도들을 조합함으로써 관심 영역 지도를 생성하게 된다. 제안한 기법을 이용하여 생성한 관심 영역 지도를 기존 기법의 관심 영역 지도와 비교한 결과 제안한 기법의 우수함을 알 수 있었다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2003년도 Proceeding
• /
• pp.223-230
• /
• 2003

Feature-based similarity retrieval has become an important research issue in multimedia database systems. The features of multimedia data are useful for discriminating between multimedia objects (e 'g', documents, images, video, music score, etc.). For example, images are represented by their color histograms, texture vectors, and shape descriptors, and are usually high-dimensional data. The performance of conventional multidimensional data structures(e'g', R- Tree family, K-D-B tree, grid file, TV-tree) tends to deteriorate as the number of dimensions of feature vectors increases. The R＊-tree is the most successful variant of the R-tree. In this paper, we propose a SOM-based R＊-tree as a new indexing method for high-dimensional feature vectors.The SOM-based R＊-tree combines SOM and R＊-tree to achieve search performance more scalable to high dimensionalities. Self-Organizing Maps (SOMs) provide mapping from high-dimensional feature vectors onto a two dimensional space. The mapping preserves the topology of the feature vectors. The map is called a topological of the feature map, and preserves the mutual relationship (similarity) in the feature spaces of input data, clustering mutually similar feature vectors in neighboring nodes. Each node of the topological feature map holds a codebook vector. A best-matching-image-list. (BMIL) holds similar images that are closest to each codebook vector. In a topological feature map, there are empty nodes in which no image is classified. When we build an R＊-tree, we use codebook vectors of topological feature map which eliminates the empty nodes that cause unnecessary disk access and degrade retrieval performance. We experimentally compare the retrieval time cost of a SOM-based R＊-tree with that of an SOM and an R＊-tree using color feature vectors extracted from 40, 000 images. The result show that the SOM-based R＊-tree outperforms both the SOM and R＊-tree due to the reduction of the number of nodes required to build R＊-tree and retrieval time cost.

• 대한전자공학회논문지SP
• /
• 제43권5호
• /
• pp.12-21
• /
• 2006

본 논문에서는 컬러 영상에서 배경의 복잡도와 객체의 위치에 관계없이 영상 내에 존재하는 중요 객체를 자동으로 추출하는 방법을 제안한다. 제안하는 방법은 중요 객체를 추출하기 위해 에지(edge) 정보와 색상(color) 정보를 이용한 특징 지도를 사용한다. 또한, 효과적인 객체 추출을 위해서 참조 지도(reference map)를 제안한다. 참조 지도를 생성하기 위해서는 영상에서 사람의 시각에 두드러지게 구분되는 영역을 표현하는 특징 지도(feature map)를 먼저 생성한다. 그런 다음, 특징 지도들을 효과적으로 결합하여 배경의 영향을 최소화 하면서, 중요 객체가 존재할 확률이 높은 영역들을 포함하는 참조 지도를 생성한다. 특징 지도를 생성하기 위해서는 밝기 차 정보를 나타내는 에지와 YCbCr 컬러와 HSV 컬러 공간에서의 색상 성분을 사용하며, 특징 지도에 대한 생성 방법은 영상 내에서 밝기차이와 색상차이에 의해서 나타나는 경계 부분을 추출하는 방법을 사용한다. 최종적으로 중요 객체가 존재하는 영역을 나타내기 위해서 참조 지도와 특징 지도들을 결합한 결합 지도(combination map)를 생성한다. 결합 지도는 중요 객체의 외곽선 정보만을 표현하기 때문에, 객체 전체를 표현할 수 있는 객체 후보 영역을 추출하는데, 이를 위해서는 객체 후보 영역을 추출하기 위해서 convex hull 알고리즘을 사용한다. Convex hull 알고리즘에 의해서 추출된 영역은 여전히 배경 부분을 포함하고 있으므로, 영상 분할 방법을 적용하여 배경을 제거한 후 영상에서의 중요 객체를 추출한다. 제안한 알고리즘의 성능을 실험적으로 확인한 결과, 평균적으로 84.3%의 정확율과 81.3%의 재현율의 성능을 보였다.