• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.137-147
• /
• 2018

기계 학습을 통한 인간 동작 인지 (human activity recognition) 시스템에서 중요한 요소는 충분한 양의 라벨 데이터 (labeled data)를 확보하는 것이다. 그러나 라벨 데이터를 확보하는 일은 많은 비용과 시간을 필요로 한다. 매우 적은 수의 라벨 데이터를 가지고 있는 새로운 환경 (타겟 도메인)에서 동작 인지 시스템을 구축하는 경우, 기존의 환경 (소스 도메인)의 데이터나 이 환경에서 학습된 분류기(classifier)를 사용하는 것은 도메인이 서로 다르기 때문에 바람직하지 않다. 기존의 기계 학습 방법들이 이러한 문제를 해결할 수 없으므로 전이 학습 (transfer learning) 방법이 제시되었으며, 이 방법에서는 소스 도메인에서 확보한 지식을 활용하여 타겟 도메인에서의 분류기 성능을 높이도록 하고 있다. 본 논문에서는 다중 태스크 신경망 (multitask neural network)을 사용하여 매우 제한된 수의 데이터만으로 정확도가 높은 동작 인지 분류기를 생성하는 전이 학습방법을 제안한다. 이 방법에서는 소스 및 타겟 도메인 분류기의 손실 함수 최소화가 별개의 태스크로 간주된다. 즉, 하나의 신경망을 사용하여 두 태스크의 손실 함수를 동시에 최소화하는 방식으로 지식 전이(knowledge transfer)가 일어나게 된다. 또한, 제안한 방법에서는 모델 학습을 위하여 비지도 방식(unsupervised manner)으로 라벨이 부여되지 않은 데이터를 활용한다. 실험 결과, 제안한 방법은 기존의 방법에 비하여 일관적으로 우수한 성능을 보여주고 있다.

• 대한임베디드공학회논문지
• /
• 제18권6호
• /
• pp.319-325
• /
• 2023

In this study, we proposed a method for hyperparameter optimization in the building and training of a deep learning model designed to process point cloud data collected by a millimeter-wave radar system. The primary aim of this study is to facilitate the deployment of a baseline model in resource-constrained IoT devices. We evaluated a RadHAR baseline deep learning model trained on a public dataset composed of point clouds representing five distinct human activities. Additionally, we introduced a coarse-to-fine hyperparameter optimization procedure, showing substantial potential to enhance model efficiency without compromising predictive performance. Experimental results show the feasibility of significantly reducing model size without adversely impacting performance. Specifically, the optimized model demonstrated a 3.3% improvement in classification accuracy despite a 16.8% reduction in number of parameters compared th the baseline model. In conclusion, this research offers valuable insights for the development of deep learning models for resource-constrained IoT devices, underscoring the potential of hyperparameter optimization and model size reduction strategies. This work contributes to enhancing the practicality and usability of deep learning models in real-world environments, where high levels of accuracy and efficiency in data processing and classification tasks are required.

• IEIE Transactions on Smart Processing and Computing
• /
• 제3권6호
• /
• pp.382-387
• /
• 2014

A computational approach to depth estimations using a color over lapped integral imaging system is presented. The proposed imaging system acquires multiple color images simultaneously through a single lens with an array of multiple pinholes that are distributed around the optical axis. This paper proposes a computational model of the relationship between the real distance of an object and the disparity among different color images. The proposed model can serve as a computational basis of a single camera-based depth estimation.

• 창의정보문화연구
• /
• 제7권4호
• /
• pp.235-242
• /
• 2021

스마트폰은 다양한 고성능의 센서가 포함되어 있으며 센서에서 발생하는 데이터를 이용하여 인간의 활동을 분석하는 연구가 진행되어왔다. 이러한 인간 활동 인식은 생활 패턴 분석, 운동량 측정, 위험 상황 감지 등 다양한 분야에서 활용될 수 있다. 그러나 기존 연구의 경우 인간의 기본 행동의 인식에 초점을 두거나 효율적인 배터리 사용을 위해 최적의 인식 결과를 내는 방법을 연구하는 경우가 많았다. 본 논문에서는 기본 행동에 건강 관리 목적으로 실내 및 실외에서 행해지는 운동 동작을 총 10가지로 정의하여 인식하도록 하였다. 이를 위해 가속도, 자이로 및 위치 센서의 값을 수집하고 데이터 전처리 과정을 거치고, 활동을 인식하기 위해서 SVM 모델 외에 안정적인 성능을 가진 앙상블 기반의 랜덤 포레스트, 그라디언트 부스팅 모델을 결합하여 투표 기반으로 인식 결과를 결정하였다. 그 결과 높은 정확도로 정의된 활동의 인식이 가능하였으며 특히 유사한 종류의 실내 및 실외 운동 활동의 분류가 가능하였다.

• 방송공학회논문지
• /
• 제28권3호
• /
• pp.267-274
• /
• 2023

의료영상 공개 데이터는 수집에 한계가 있어 데이터셋의 양이 부족하다는 문제점이 있다. 때문에 기존 연구들은 공개 데이터셋에 과적합 되었을 우려가 있다. 본 논문은 실험을 통해 8개의 (Unet, X-Net, HarDNet, SegNet, PSPNet, SwinUnet, 3D-ResU-Net, UNETR) 의료영상 분할 모델의 성능을 비교함으로써 기존 모델의 성능을 재검증하고자 한다. 뇌졸중 진단 공개 데이터 셋인 Anatomical Tracings of Lesions After Stroke(ATLAS) V1.2과 ATLAS V2.0에서 모델들의 성능 비교 실험을 진행한다. 실험결과 대부분 모델은 V1.2과 V2.0에서 성능이 비슷한 결과를 보였다. 하지만 X-net과 3D-ResU-Net는 V1.2 데이터셋에서 더 높은 성능을 기록했다. 이러한 결과는 해당 모델들이 V1.2에 과적합 되었을 것으로 해석할 수 있다.

• International Journal of Contents
• /
• 제11권2호
• /
• pp.20-30
• /
• 2015

We propose a new method that specifies objective image quality factors by evaluating an image quality measurement model using random images. In other words, No-Reference variables are used to evaluate the quality of an original image without using any reference for comparison. 1000 portrait images were collected from a web gallery with votes constituting over 30 recommendation values. The bottom-up data collecting process was used to calculate the following image quality factors: total range, average, standard deviation, normalized distribution, z-score, preference percentage. A final grade is awarded out of 100 points, and this method ranks and grades the final estimated image quality preference in terms of total image quality factors. The results of the proposed image quality evaluation model consist of the specific dynamic range, skin tone R, G, B, L, A, B, and RSC contrast. We can present the total for the expected preference points as the average of the objective image qualities. Our proposed image quality evaluation model can measure the preferences for an actual image using a statistical analysis. The results indicate that this is a practical image quality measurement model that can extract a subject's preferred image quality.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.47-48
• /
• 2021

사용자 행동 인식(HAR)은 사용자의 행동을 분석하여 사용자의 현재 행동을 추측하는 것이며, 센서 데이터에서 특성을 추출하는 것이 중요하다. 본 연구에서는 다양한 특징 추출 기법을 사용하여 기계학습 모델을 비교한다. 변수마다 특성에 맞는 기법을 사용했으며, 정확도와 Kappa 통계량, F1 score 모두 SVM 모델에서 95.2%, 94.2%, 95.1%로 가장 높았다. 이는 기계학습 모델에서 특징 추출 기법을 사용하여 우수한 정확도를 달성할 수 있음을 보인다.

• 한국해안해양공학회지
• /
• 제2권1호
• /
• pp.18-27
• /
• 1990

항내 파랑모형의 여러 가지 요인을 종합해서 다를 수만 있다면 항만시설의 적절한 배치의 관건인 항내 정온도 판정에 기여하는 바가 매우 클 것이다. 본 논문은 시간의존 완경사방정식을 기본방정식으로 하고, 실제 항만의 반사조건에 적합한 임의반사율 환경조건을 도입하여, 파랑의 굴절, 회절, 천수효과 및 반사 등을 모두 고찰할 수 있는 수치모형을 확립하였다. 본 수치모형을 후포항에 적용하여 그 계산결과와 수리모형실험 및 Takayama 모형의 결과와 비교함으로 써 본 모형의 타당성을 검토하였다. 수리모형실험 결과와는 비교적 잘 일치하였고, Takayama 모형(1981)의 결과와도 유사한 결과를 보여주었다. 따라서, 본 수치모형은 항내 정온도를 판정함에 있어서 유용하게 쓰일 수 있을 것이다.

• 전기전자학회논문지
• /
• 제24권2호
• /
• pp.523-528
• /
• 2020

스마트 모바일 장치의 확산은 인간의 일상 행동 분석을 보다 일반적이고 간단하게 만들었다. 행동 분석은 이미 본인 인증, 감시, 건강 관리 등 많은 분야에서 사용 중이고 그 유용성이 증명되었다. 본 논문에서는 스마트폰의 가속도 센서 신호를 사용하여 효율적이고 정확하게 행동 인식을 수행하는 합성곱 신경망(모델 A)과 순환 신경망까지 적용한(모델 B) 심층 신경망 모델을 제시한다. 모델 A는 batch normalization과 같은 단순한 기법만 적용해도 이전의 결과보다 더 작은 모델로 더 높은 성능을 달성할 수 있다는 것을 보인다. 모델 B는 시계열 데이터 모델링에 주로 사용되는 LSTM 레이어를 추가하여 예측 정확도를 더욱 높일 수 있음을 보인다. 이 모델은 29명의 피실험자를 대상으로 수집한 벤치마크 데이트 세트에서 종합 예측 정확도 97.16%(모델 A), 99.50%(모델 B)를 달성했다.

• ETRI Journal
• /
• 제45권4호
• /
• pp.650-665
• /
• 2023

A novel smart metering technique capable of anomaly detection was proposed for real-time home power management system. Smart meter data generated in real-time were obtained from 900 households of single apartments. To detect outliers and missing values in smart meter data, a deep learning model, the autoencoder, consisting of a graph convolutional network and bidirectional long short-term memory network, was applied to the smart metering technique. Power management based on the smart metering technique was executed by multi-objective optimization in the presence of a battery storage system and an electric vehicle. The results of the power management employing the proposed smart metering technique indicate a reduction in electricity cost and amount of power supplied by the grid compared to the results of power management without anomaly detection.