• 대한물리의학회지
• /
• 제4권1호
• /
• pp.49-56
• /
• 2009

Purpose : The Purpose of this study was to investigate the effects of image training and vibration on performance of vertical jumping. Methods : Subjects was classified into two groups, which were image training group(n=20) and vibration application group(n=20). The standard methods of each intervention were image training with listening recorded indication for 5 minute and vibration with speed of $1200{\pm}200\;rpm$. Muscle strength was measured using vertical jump performance. Results : The vertical jump performance was significantly increased after image training and vibration application(p<.05), however, it was more significantly after image training(p<.05). Conclusion : This study showed that image training and vibration application were effective treatment strategy on increase of muscle strength. Therefore, it could be considered as a treatment method in the patients with musculoskeletal disease including fracture, chronic degenerative disease and disuse atrophy.

• 신경치료
• /
• 제22권3호
• /
• pp.7-10
• /
• 2018

Purpose The purpose of this study was to investigate the difference of brain activity during action observation training and image training throughout EEG. Methods This study was participated 1 healthy college student without mental illness or cognitive impairment. The subject was randomly selected from university students and was interested in participating in the experiment. The purpose of this study was to investigate the visual and auditory stimuli (action observation) and brain image training. Results The results of our study, EEG value measured o.1 during resting. But brain activity changed to 0.3 during action observation. Finally, it changed to .05 after brain image training. Conclusion EEG measurement results were showed that after watching the Ball squat video, Brain activity increased.

• 통상정보연구
• /
• 제10권3호
• /
• pp.41-57
• /
• 2008

This research studies the effects of pre-show promotion, at-show promotion, and booth staff training on the image-building and relationship improvement performance of exhibitors. To this purpose, we relate each performance dimension to tactical variables such as pre show promotion, at-show promotion, and booth staff training through related literature review and conduct empirical study on their relationship. The results of this study are as follows: (1) Pre-show promotion and booth staff training have positive influence on image-building and relationship improvement performance. (2) But, at-show promotion has no effect on image-building performance, and has a negative effect on relationship improvement performance. (3) Especially, pre-show promotion has the greatest effect on relationship improvement performance, and booth staff training has the greatest effect on image-building improvement.

• 한국응용과학기술학회지
• /
• 제36권4호
• /
• pp.1041-1049
• /
• 2019

이 연구는 학교 체육 현장에서 적용한 심상훈련의 효과가 어느 수준인지 살펴보고, 그 효과에 영향을 미치는 변인을 파악하는데 목적이 있다. 이와 같은 연구 목적을 달성하기 위해 1995년부터 2018년까지 학교 체육 현장에서 심상훈련의 효과성을 검증한 선행연구 10편을 메타분석 대상으로 선정하였다. 이 연구의 주요 결과를 제시하면 다음과 같다. 첫째, 학교 체육에서의 심상훈련 전체효과크기는 큰 효과 크기(Cohen, 1988)를 나타내었다. 둘째, 종속변인에 대한 효과크기는 운동기능에서 상대적으로 크게 나타났다. 셋째, 조절변인에 대한 효과크기 분석 결과, 운동 학습의 유형, 연령, 성별, 훈련 기간, 훈련 빈도, 훈련 시간은 심상훈련의 효과를 조절하는 주요 변인으로 나타났다. 이러한 연구결과를 토대로 학교 체육 현장에서 심상훈련을 효율적으로 적용하기 위한 시사점과 후속 연구의 방향성을 제안하였다.

• 한국융합학회논문지
• /
• 제8권11호
• /
• pp.203-213
• /
• 2017

이 연구는 개발도상국 인력을 대상으로 한 보건의료 초청연수에 따른 국가이미지의 변화를 파악함으로써 초청연수의 효과성 제고를 위한 기초자료를 얻기 위한 것이다. 이를 위해 한국국제보건의료재단(KOFIH)의 보건의료 장단기 초청연수 수료생 192 명으로부터 초청연수 만족도와 국가이미지에 관한 설문자료를 수집하였다. 자료분석은 t-검정과 ANOVA 분석 그리고 위계적 회귀분석을 수행하였다. 분석결과 첫째, 모든 일반적 특성에서 초청연수 이후 국가이미지가 제고되었다. 둘째, 연수만족도의 하위요인 중 컨텐츠 만족도가 국가이미지에 유의한 정(+)의 영향을 미치는 것으로 나타났다. 셋째, 개인별 특성 가운데 영어 구사능력과 국적이 국가이미지 변화에 유의한 영향을 주었다. 이 연구 결과에 따르면 보건의료 초청연수의 국가이미지 제고 효과가 확인되었다. 향후 초청연수 효과성 제고를 위한 연수 컨텐츠 및 연수 대상자 선발 과정에 대한 연구가 필요하다.

• International Journal of Contents
• /
• 제16권2호
• /
• pp.8-18
• /
• 2020

Data is critical in deep learning but the scarcity of data often occurs in research, especially in the preparation of the paired training data. In this paper, document image binarization with unpaired data is studied by introducing adversarial learning, excluding the need for supervised or labeled datasets. However, the simple extension of the previous unpaired training to binarization inevitably leads to poor performance compared to paired data training. Thus, a new deep learning approach is proposed by introducing a multi-diversity of higher quality generated images. In this paper, a two-stage model is proposed that comprises the generative adversarial network (GAN) followed by the U-net network. In the first stage, the GAN uses the unpaired image data to create paired image data. With the second stage, the generated paired image data are passed through the U-net network for binarization. Thus, the trained U-net becomes the binarization model during the testing. The proposed model has been evaluated over the publicly available DIBCO dataset and it outperforms other techniques on unpaired training data. The paper shows the potential of using unpaired data for binarization, for the first time in the literature, which can be further improved to replace paired data training for binarization in the future.

• 대한공간정보학회지
• /
• 제24권1호
• /
• pp.121-128
• /
• 2016

많은 연구들에서 영상자료와 분류 알고리즘 측면에서 분류정확도를 비교하였지만, 참조자료 또는 분석자에 의존하는 훈련샘플에 의한 분류정확도 비교와 관련된 연구는 부족한 실정이다. 본 연구는 감독분류에 있어 훈련샘플로써 지상 분광반사자료의 유용성을 평가하고자 하였다. 이를 위하여 초분광영상과 다중분광영상을 대상으로 영상 수집 훈련샘플과 지상 분광반사자료를 사용하여 분류 정확도를 비교하였다. 그 결과 영상 수집 훈련샘플 사용 시 초분 광영상과 다중분광영상에서 공통적으로 약 90%의 분류정확도를 얻을 수 있었다. 그러나 지상 분광반사자료를 훈련 샘플로 사용하면 초분광영상의 경우 약 10%p, 다중분광영상의 경우 약 20%p의 분류정확도 감소가 발생하였다. 특히 다중분광영상에서 분광반사특성이 유사하게 나타나는 클래스들의 경우 분류정확도가 초분광영상에 비해 매우 낮게 나타났다. 따라서 지상 분광반사자료는 다중분광영상에 적용하는 데에는 한계가 있지만, 초분광영상을 이용한 토지피복분류에 있어 유용한 훈련샘플이 될 수 있다.

• Journal of Information Processing Systems
• /
• 제18권5호
• /
• pp.701-710
• /
• 2022

With the development of artificial intelligence technology, various methods have been developed for recognizing objects in images using machine learning. Image segmentation is the most effective among these methods for recognizing objects within an image. Conventionally, image datasets of various classes are trained simultaneously. In situations where several classes require segmentation, all datasets have to be trained thoroughly. Such repeated training results in low training efficiency because most of the classes have already been trained. In addition, the number of classes that appear in the datasets affects training. Some classes appear in datasets in remarkably smaller numbers than others, and hence, the training errors will not be properly reflected when all the classes are trained simultaneously. Therefore, a new method that separates some classes from the dataset is proposed to improve efficiency during training. In addition, the accuracies of the conventional and proposed methods are compared.

• 한국음향학회지
• /
• 제16권2호
• /
• pp.58-65
• /
• 1997

본 논문에서는 시계열 image data를 안정되고 높은 정확도로 분류할 수 있는 자동분류법을 제안하였다. 제안한 방법은 대상 영역에 관한 분류도가 기존재하던 가, 아니면 최소한 시계열 image data 중 어느 한 image data가 분류되어 있다고 하는 전제조건에 그 기초를 두고 있다. 분류도는 training area를 선정하기 위라여 사용하는 기준주제도로 사용되어진다. 제안한 방법은 1)기준주제도를 사용한 training data의 추출, 2)taining data의 균질성에 의거한 변화화소의 검출, 3)검출된 변화화소에 대한 clustering, 4)training data의 재구성, 5)maximum likelihood classifier와 같은 판별법에 의한 분류 등 5개의 단계로 구성된다. 제안한 방법의 성능을 정량적으로 평가하기 위하여 4개의 시계열 Landsat TM image data를 제안한 방법과 숙련된 operator가 필요한 기존의 방법으로 각각 분류하여 비교 검토하였다. 그 결과, 기존의 방법으로는 숙련된 operator가 필요하고, 분류도를 얻기까지 수일이 소요되는 데 반하여, 제안한 방법으로는 숙련된 operator 없이, 신뢰성 있는 분류도를 수 시간 내에 자동으로 얻을 수 있었다.

• Journal of Multimedia Information System
• /
• 제9권2호
• /
• pp.75-86
• /
• 2022

The existing image quality assessment (IQA) datasets have a small number of samples. Some methods based on transfer learning or data augmentation cannot make good use of image quality-related features. A No Reference (NR)-IQA method based on multi-task training and quality awareness is proposed. First, single or multiple distortion types and levels are imposed on the original image, and different strategies are used to augment different types of distortion datasets. With the idea of weak supervision, we use the Full Reference (FR)-IQA methods to obtain the pseudo-score label of the generated image. Then, we combine the classification information of the distortion type, level, and the information of the image quality score. The ResNet50 network is trained in the pre-train stage on the augmented dataset to obtain more quality-aware pre-training weights. Finally, the fine-tuning stage training is performed on the target IQA dataset using the quality-aware weights to predicate the final prediction score. Various experiments designed on the synthetic distortions and authentic distortions datasets (LIVE, CSIQ, TID2013, LIVEC, KonIQ-10K) prove that the proposed method can utilize the image quality-related features better than the method using only single-task training. The extracted quality-aware features improve the accuracy of the model.