• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 추계학술대회
• /
• pp.53-54
• /
• 2018

주어진 영상으로부터의 3 차원 얼굴 모델링은 얼굴 분석, 애니메이션, 생체 인식 등의 많은 컴퓨터비전 및 그래픽스 응용분야에서 중요한 역할을 하고 있다. 그 중에서도 헤어 영역은 얼굴에 비해 모양의 다양성과 모델의 복잡도가 현저히 높다. 기존의 연구는 주로 얼굴 영역에 한정한 3 차원 얼굴 모델링을 중심으로 이루어졌지만 헤어 모델링은 중요하게 다루지 않고 있는 경우가 많다. 본 논문에서는 심층인공신경망의 일종인 FCN (fully connected network)을 이용하여 인물 영상에서 헤어 부분을 영역화하고 그와 가장 유사한 3D 헤어 모델을 데이터베이스에서 검색하여 3 차원 얼굴 모델에 증강함으로써 완전한 얼굴 모델링을 수행하는 방법을 제안한다. 이는 FCN 을 이용하여 다양한 인물 영상에 대하여 네트워크 학습을 수행하는 과정과 3D 헤어 데이터베이스의 구축 과정을 포함한다. 실험 결과 적절한 수준의 헤어 모델이 3 차원 얼굴 모델링 결과물에 증강됨을 확인하였다.

• International Journal of Advanced Culture Technology
• /
• 제9권4호
• /
• pp.385-391
• /
• 2021

3D modeling of the human body is an integral part of computer graphics. Among them, several studies have been conducted on hair modeling, but there are generally few studies that effectively implement hair and face modeling simultaneously. This study has the originality of providing users with customized face modeling and hair modeling that is different from previous studies. For realistic hair styling, We design and realize hair segmentation using FCN, and we select the most appropriate model through comparing PSPNet, DeepLab V3+, and MobileNet. In this study, we use the open dataset named Figaro1k. Through the analysis of iteration and epoch parameters, we reach the optimized values of them. In addition, we experiment external parameters about the location of the camera, the color of the lighting, and the presence or absence of accessories. And the environmental analysis factors of the avatar maker were set and solutions to problems derived during the analysis process were presented.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.641-642
• /
• 2022

단일 데이터로부터의 이동 객체에 대한 행동 인식 연구는 데이터 수집 과정에서 발생하는 노이즈의 영향을 크게 받는다. 본 논문은 영상 데이터와 센서 데이터를 이용하여 다중 융합 네트워크 기반 이동 객체 행동 인식 방법을 제안한다. 영상으로부터 객체가 감지된 영역의 추출과 센서 데이터의 이상치 제거 및 결측치 보간을 통해 전처리된 데이터들을 융합하여 시퀀스를 생성한다. 생성된 시퀀스는 CNN(Convolutional Neural Networks)과 LSTM(Long Short Term Memory)기반 다중 융합 네트워크 모델을 통해 시계열에 따른 행동 특징들을 추출하고, 깊은 FC(Fully Connected) 계층을 통해 특징들을 융합하여 행동을 예측한다. 본 연구에서 제시된 방법은 사람을 포함한 동물, 로봇 등의 다양한 객체에 적용될 수 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.3-4
• /
• 2021

폐쇄된 터널 내부에서는 사고가 일어날 경우 외부에서는 터널 내 상황을 알 수가 없어 경미한 사고라 하더라도 대형 후속 2차 사고로 이어질 가능성이 크다. 또한영상탐지로사고 상황의 오검출을 줄이기 위해서, 본 연구에서는기존의 많은 CNN 모델 중 보유한 데이터에 가장 적합한 모델을 선택하는 과정에서 가장 좋은 성능을 보인 VGG16 모델을 전이학습 시키고 fully connected layer의 일부 layer에 Dropout을 적용시켜 Overfitting을일부방지하는 CNN 모델을 생성한 뒤Yolo를 이용한 영상 내 객체인식, OpenCV를 이용한 영상 프레임 내에서 객체의ROI를 추출하고이를 CNN 모델과 비교하여오검출을 줄이면서 사고를 검출하는 시스템을 제안하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.553-556
• /
• 2020

최근 이미지 인식을 위한 Convolutional Neural Network(CNN) 모델의 경량화에 관한 연구가 활발하게 이루어지고 있다. 그중 양자화는 모델을 구성하는 가중치의 크기를 낮추는 방법이다. 기존의 CNN 모델에서 가장 큰 비중을 하는 Fully Connected Layer(FCL)는 내부적으로 32 Bit의 실수 행렬로 표현된다. 본 논문에서는 미리 학습된 실수 가중치를 더 작은 비트의 정수 행렬로 양자화한다. 양자화된 행렬에 대해서 영상 압축 등에서 사용하는 Discrete Cosine Transform(DCT)을 통해 주파수 영역으로 변환한 후 고주파 영역을 생략하는 손실압축 방법을 제안한다. 실험을 통해 그 과정에서 손실에 따른 정확도의 변화를 나타낸다.

• 디지털융복합연구
• /
• 제18권11호
• /
• pp.241-246
• /
• 2020

본 논문에서는 해양 전기추진 시스템과 딥러닝 알고리즘을 융합하여 전기추진 리제너레이션 시스템에서 DC/DC 컨버터 출력 전류 예측 및 리제너레이션 수행 시 배터리 충전량을 예측하기 위해 신경망 모델을 제안한다. 제안 된 신경망을 실험하기 위해 PCM의 입력 전압과 전류를 측정하고 시제품 PCM 보드의 출력 결과를 통해 데이터 세트를 구성하였다. 또한 불충분 한 데이터 세트에서 학습 결과를 향상시키기 위해 기존 데이터 세트를 데이터 피팅하여 학습을 진행하였다. 학습 후 신경망 모델의 데이터 예측 결과와 실제 측정 데이터의 차이를 그래프를 통해 확인하였다. 제안한 신경망 모델은 입력 전압과 전류 변화에 따른 배터리 충전량 예측을 효율적으로 보여주었다. 또한, DC/DC 컨버터를 구성하는 아날로그 회로의 특성변화를 신경망을 통하여 예측함으로써, 리제너레이션 시스템의 설계 시, 아날로그 회로의 특성을 고려해야 할 것으로 판단된다.

• International Journal of Control, Automation, and Systems
• /
• 제6권6호
• /
• pp.904-914
• /
• 2008

An action-selection-mechanism(ASM) has been proposed to work as a fully connected finite state machine to deal with sequential behaviors as well as to allow a state in the task program to migrate to any state in the task, in which a primitive node in association with a state and its transitional conditions can be easily inserted/deleted. Also, such a primitive node can be learned by a shortest path-finding-based reinforcement learning technique. Specifically, we define a behavioral motivation as having state-dependent value as a primitive node for action selection, and then sequentially construct a network of behavioral motivations in such a way that the value of a parent node is allowed to flow into a child node by a releasing mechanism. A vertical path in a network represents a behavioral sequence. Here, such a tree for our proposed ASM can be newly generated and/or updated whenever a new behavior sequence is learned. To show the validity of our proposed ASM, experimental results of a mobile robot performing the task of pushing- a- box-in to- a-goal(PBIG) will be illustrated.

• 한국멀티미디어학회논문지
• /
• 제20권8호
• /
• pp.1282-1290
• /
• 2017

Since the mitigation of fear of crime significantly enhances the consumptions in a city, studies focusing on urban safety analysis have received much attention as means of revitalizing the local economy. In addition, with the development of computer vision and machine learning technologies, efficient and automated analysis methods have been developed. Previous studies have used global features to predict the safety of cities, yet this method has limited ability in accurately predicting abstract information such as safety assessments. Therefore we used a Convolutional Context Neural Network (CCNN) that considered "context" as a decision criterion to accurately predict safety of cities. CCNN model is constructed by combining a stacked auto encoder with a fully connected network to find the context and use it in the CNN model to predict the score. We analyzed the RMSE and correlation of SVR, Alexnet, and Sharing models to compare with the performance of CCNN model. Our results indicate that our model has much better RMSE and Pearson/Spearman correlation coefficient.

• 한국지능시스템학회논문지
• /
• 제6권2호
• /
• pp.13-21
• /
• 1996

하이오더 신경망에 대한 필요성과 유용성에 대해서는 신경망 연구의 초기부터 잘 알려져 있다. 그러나 오더가 늘어남에 따라 항의 수가 급격히 증가하는 문제로 인하여 이러한 망을 설계하고 학습하는데 많은 어려움이 있었다. 본 논문에서는 문제에 적합한 하이오더 신경망 모델을 효율적으로 구성하기 위한 진화적 학습 방법을 제시한다. 이 방법에서는 시그마유닛과 파이유닛을 융합한 신경트리 표현을 사용한다. 또한 MDL기반의 적합도 분류 및 예측 문제에 있어서 제시된 방법의 유용성을 검증한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 춘계종합학술대회
• /
• pp.470-473
• /
• 2007

Wireless Sensor Networks (WSNs) have merged to become one of the most promising applications of wireless ad hoc networks. A defer timer has been used in some of existing network protocols to solve a set of problems in WSNs. We first investigate the use of a defer timer to fully take the advantage of it in WSNs. We demonstrate that by properly setting up the defer timers, many difficult issues in sensor networks, such as power limitation, the broadcast storm problem, and the construction of the virtual backbone, can be easily tackled with only the help of simple localized information at each node. In this paper, we present the power of a defer timer in the design of dominating set construction protocol for broadcasting. The ns 2 computer simulations are carried out for performance study.