• 제목/요약/키워드: Map Label

검색결과 50건 처리시간 0.028초

Constructing Proteome Reference Map of the Porcine Jejunal Cell Line (IPEC-J2) by Label-Free Mass Spectrometry

  • Kim, Sang Hoon;Pajarillo, Edward Alain B.;Balolong, Marilen P.;Lee, Ji Yoon;Kang, Dae-Kyung
    • Journal of Microbiology and Biotechnology
    • /
    • 제26권6호
    • /
    • pp.1124-1131
    • /
    • 2016
  • In this study, the global proteome of the IPEC-J2 cell line was evaluated using ultra-high performance liquid chromatography coupled to a quadrupole Q Exactive Orbitrap mass spectrometer. Proteins were isolated from highly confluent IPEC-J2 cells in biological replicates and analyzed by label-free mass spectrometry prior to matching against a porcine genomic dataset. The results identified 1,517 proteins, accounting for 7.35% of all genes in the porcine genome. The highly abundant proteins detected, such as actin, annexin A2, and AHNAK nucleoprotein, are involved in structural integrity, signaling mechanisms, and cellular homeostasis. The high abundance of heat shock proteins indicated their significance in cellular defenses, barrier function, and gut homeostasis. Pathway analysis and annotation using the Kyoto Encyclopedia of Genes and Genomes database resulted in a putative protein network map of the regulation of immunological responses and structural integrity in the cell line. The comprehensive proteome analysis of IPEC-J2 cells provides fundamental insights into overall protein expression and pathway dynamics that might be useful in cell adhesion studies and immunological applications.

물체 탐지기와 위치 사전 확률 지도를 이용한 효율적인 3차원 장면 레이블링 (Efficient 3D Scene Labeling using Object Detectors & Location Prior Maps)

  • 김주희;김인철
    • 제어로봇시스템학회논문지
    • /
    • 제21권11호
    • /
    • pp.996-1002
    • /
    • 2015
  • In this paper, we present an effective system for the 3D scene labeling of objects from RGB-D videos. Our system uses a Markov Random Field (MRF) over a voxel representation of the 3D scene. In order to estimate the correct label of each voxel, the probabilistic graphical model integrates both scores from sliding window-based object detectors and also from object location prior maps. Both the object detectors and the location prior maps are pre-trained from manually labeled RGB-D images. Additionally, the model integrates the scores from considering the geometric constraints between adjacent voxels in the label estimation. We show excellent experimental results for the RGB-D Scenes Dataset built by the University of Washington, in which each indoor scene contains tabletop objects.

레이블과 아이콘 이미지가 혼합된 관광지도 생성 시스템 구현 (An Implementation of A Tour Map Generation System with Mixed Label and Icon Image)

  • 류동성;박동규
    • 한국정보과학회:학술대회논문집
    • /
    • 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
    • /
    • pp.600-602
    • /
    • 2003
  • 지리정보시스템에서 사용되는 지도는 사용되는 목적과 활용 분야에 따라 다양한 종류가 있다. 본 논문은 지리정보 시스템을 위한 여러 가지 종류의 지도 중 관광안내 지도를 자동화된 방법으로 생성하는 방법에 관한 논문이다. 이를 위하여 지형도로부터 노선도와 레이블, 아이콘정보 등을 추출하고 분석하여 시각화하였으며, 시각화한 정보들을 편리하게 표현할 수 있는 알고리즘들을 연구하였다. 이때 발생하는 레이블과 아이콘의 중첩을 랜덤화된 재배치 알고리즘을 통하여 개선하였다.

  • PDF

약한 레이블을 이용한 확장 합성곱 신경망과 게이트 선형 유닛 기반 음향 이벤트 검출 및 태깅 알고리즘 (Dilated convolution and gated linear unit based sound event detection and tagging algorithm using weak label)

  • 박충호;김동현;고한석
    • 한국음향학회지
    • /
    • 제39권5호
    • /
    • pp.414-423
    • /
    • 2020
  • 본 논문은 약한 레이블 기반 음향 이벤트 검출을 위한 시간-주파수 영역분할 맵 추출 모델에서 발생하는 희소성 및 수용영역 부족에 관한 문제를 완화 시키기 위해, 확장 게이트 선형 유닛(Dilated Convolution Gated Linear Unit, DCGLU)을 제안한다. 딥러닝 분야에서 음향 이벤트 검출을 위한 영역분할 맵 추출 기반 방법은 잡음 환경에서 좋은 성능을 보여준다. 하지만, 이 방법은 영역분할 맵을 추출하기 위해 특징 맵의 크기를 유지해야 하므로 풀링 연산 없이 모델을 구성하게 된다. 이로 인해 이 방법은 희소성과 수용영역의 부족으로 성능 저하를 보이게 된다. 이런 문제를 완화하기 위해, 본 논문에서는 정보의 흐름을 제어할 수 있는 게이트 선형 유닛과 추가의 파라미터 없이 수용영역을 넓혀 줄 수 있는 확장 합성곱 신경망을 적용하였다. 실험을 위해 사용된 데이터는 URBAN-SED와 자체 제작한 조류 울음소리 데이터이며, 제안하는 DCGLU 모델이 기존 베이스라인 논문들보다 더 좋을 성능을 보였다. 특히, DCGLU 모델이 자연 소리가 섞인 환경인 세 개의 Signal to Noise Ratio(SNR)(20 dB, 10 dB, 0 dB)에서 강인하다는 것을 확인하였다.

거리 영상에서 인식 특정을 이용한 경계선 검출 기법 (A method of extracting edge line from range image using recognition features)

  • 이강호
    • 한국컴퓨터정보학회논문지
    • /
    • 제6권2호
    • /
    • pp.14-19
    • /
    • 2001
  • 본 논문은 2차 다항식을 이용하여 3차원 물체의 표면 특징을 추출하고 표현하는 방법을 제안한다. 우리는 수정된 스캔 라인 기법을 이용하여 에지 맵을 얻는다. 에지 맵으로부터 3차원 물체의 각 면들을 분리하기 위해 레이블링 연산을 하고 각 면에서 중심점과 모서리 점들을 추출한다. 그 다음에, 평면 방정식으로부터 각 면이 평면인지 곡면인지를 판단하고, 3차원 물체를 표현하기 위해 각 면의 평면 또는 곡면의 계수 및 특징들을 추출한다. 그리고 합성영상과 실측영상을 통해서 제안된 기법의 성능을 알아보았다.

DIFFERENCE CORDIALITY OF SOME SNAKE GRAPHS

  • Ponraj, R.;Narayanan, S. Sathish
    • Journal of applied mathematics & informatics
    • /
    • 제32권3_4호
    • /
    • pp.377-387
    • /
    • 2014
  • Let G be a (p, q) graph. Let f be a map from V (G) to {1, 2, ${\ldots}$, p}. For each edge uv, assign the label ${\mid}f(u)-f(\nu){\mid}$. f is called a difference cordial labeling if f is a one to one map and ${\mid}e_f(0)-e_f(1){\mid}{\leq}1$ where $e_f(1)$ and $e_f(0)$ denote the number of edges labeled with 1 and not labeled with 1 respectively. A graph with admits a difference cordial labeling is called a difference cordial graph. In this paper, we investigate the difference cordial labeling behavior of triangular snake, Quadrilateral snake, double triangular snake, double quadrilateral snake and alternate snakes.

중요도 맵과 Mean Shift 알고리즘을 이용한 와인 라벨 검출 (Wine Label Detection Using Saliency Map and Mean Shift Algorithm)

  • 진연연;이명은;김수형
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2011년도 춘계학술발표대회
    • /
    • pp.384-385
    • /
    • 2011
  • 본 논문은 중요도 맵과 Mean Shift 알고리즘을 이용하여 모바일 폰 영상 내의 와인 라벨 검출 방법을 제안한다. Mean Shift 알고리즘은 비모수적 클러스터링 기술로 클러스터의 수에 대한 사전 지식이 없이도 클러스터링이 가능한 알고리즘인데 실행 시간이 많이 필요한 단점이 있다. 이러한 문제를 해결하기 위해서 입력 칼라 와인 영상에 Saliency Map을 먼저 적용하고 영상의 두드러진 영역을 찾는다. 다음으로 Mean Shift 알고리즘을 이용한 분할 결과에서 얻은 칼라 마스크를 따라 빈도가 가장 높은 칼라 영역을 찾고 와인 라벨 영역을 검출한다. 실험결과를 통하여 제안된 방법을 모바일 폰을 이용하여 획득된 다양한 와인 영상의 라벨 영역을 효율적으로 검출할 수 있음을 볼 수 있다.

동일선상 위치들에 대한 지도 레이블링 (Map Labeling for Collinear Sites)

  • 김재훈
    • 한국정보통신학회논문지
    • /
    • 제24권10호
    • /
    • pp.1355-1360
    • /
    • 2020
  • 지도에서 특별한 지형지물에 이름이나 설명문에 해당하는 레이블을 붙이는 것을 지도 레이블링(map labeling)이라고 한다. 본 논문에서는 직선상에 n개의 점들이 주어지고 점들에 대한 직사각형의 레이블을 위치시키는 문제를 다룬다. 특별히 레이블들의 높이는 모두 같고, 점들이 위치한 직선의 위쪽에 아래 변들이 모두 동일 선 위에 위치하도록 놓는다. 그리고 점과 레이블을 꺾은선으로 연결하고 이것을 지시선이라 부른다. 지시선은 수직선만으로 구성된 직선 지시선과 수직선, 수평선, 수직선으로 구성된 꺾인 지시선으로 나뉜다. 문제는 꺾인 지시선의 수를 최소화하도록 레이블을 위치시키는 것이고, 우리는 O(nlogn) 시간 알고리즘을 제안함으로서 [13]에서 제안한 O(n2) 시간 알고리즘을 개선한다.

단안 카메라와 저정밀 GPS-IMU 신호를 융합한 맵매칭 방법 (High accuracy map matching method using monocular cameras and low-end GPS-IMU systems)

  • 김용균;구형일;강석원;김준원;김재관
    • 한국산학기술학회논문지
    • /
    • 제19권4호
    • /
    • pp.34-40
    • /
    • 2018
  • 본 논문에서는 단안 카메라와 비교적 오차가 큰 GPS-IMU 센서를 이용하여 이동체의 정확한 포즈를 예측하는 고정밀 맵매칭 방법을 제안한다. 제안하는 방법은 카메라로부터 입력 받은 영상을 딥뉴럴 네트워크를 이용하여 의미상으로 분할한 결과와 시맨틱 지도 정보를 비교함으로써 달성된다. 카메라로부터 입력 받은 주행 영상은 시맨틱 분할 알고리즘을 통해서 두 개의 클래스로 분할되며, 시맨틱 지도 정보와 가능한 레이블 페어에 대해 설정된 가중치에 따라 비교 정렬함으로써 현재 이동체의 정확한 포즈를 예측할 수 있도록 한다. 이 과정에서 비교적 오차가 큰 GPS-IMU 센서의 신호는 해 공간의 범위를 효과적으로 줄여준다. 본 논문은 비교적 저렴한 센서를 이용하여 증강현실 및 자율주행 등에 필요한 고정밀 맵매칭이 가능함을 보여준다. 보정 전후의 차량 경로를 지도에 비교 도시하고 시맨틱 지도를 현재 입력 영상에 오버레이 하여 제안한 방법의 효과를 입증하였다. 또한 non-open-sky 환경과 같은 GPS-IMU 수신이 어려운 환경에서도 성능 개선이 있음을 확인하였다.

자연영상에서 적응적 문자-에지 맵을 이용한 텍스트 영역 검출 (Text Region Detection using Adaptive Character-Edge Map From Natural Image)

  • 박종천;황동국;전병민
    • 한국산학기술학회논문지
    • /
    • 제8권5호
    • /
    • pp.1135-1140
    • /
    • 2007
  • 본 논문은 자연영상에서 문자의 크기와 방향에 무관한 적응적 문자-에지 맵을 이용한 에지-기반 텍스트 영역검출 알고리즘을 제안한다. 첫 번째로, 에지 이미지로부터 에지 레이블을 얻고, 레이블 이미지로부터 문자를 찾기 위해 배열문법을 이용하여 적응적 문자-에지 맵을 적용한다. 선택된 레이블은 이웃 레이블과의 거리를 기준으로 클러스터 된다. 그 결과 텍스트 후보 영역이 얻어진다. 최종적으로, 텍스트 후보 영역은 경험적 규칙과 텍스트 영역에 대한 수평/수직 프로파일을 분석함으로서 검증된다. 실험결과 제안한 알고리즘은 다양한 문자의 크기 변화, 문자열의 방향, 그리고 복잡한 배경에서도 강인한 텍스트 영역 검출 결과를 보였다.

  • PDF