• 한국멀티미디어학회논문지
• /
• 제24권3호
• /
• pp.416-422
• /
• 2021

Due to the large differences in human activity within classes, the large similarity between classes, and the problems of visual angle and occlusion, it is difficult to extract features manually, and the detection rate of human behavior is low. In order to better solve these problems, an improved Faster R-CNN-based detection algorithm is proposed in this paper. It achieves multi-object recognition and localization through a second-order detection network, and replaces the original feature extraction module with Dense-Net, which can fuse multi-level feature information, increase network depth and avoid disappearance of network gradients. Meanwhile, the proposal merging strategy is improved with Soft-NMS, where an attenuation function is designed to replace the conventional NMS algorithm, thereby avoiding missed detection of adjacent or overlapping objects, and enhancing the network detection accuracy under multiple objects. During the experiment, the improved Faster R-CNN method in this article has 84.7% target detection result, which is improved compared to other methods, which proves that the target recognition method has significant advantages and potential.

• 로봇학회논문지
• /
• 제17권3호
• /
• pp.365-372
• /
• 2022

The accurate object recognition is important for the precise and accurate manipulation. To enhance the recognition performance, we can use various types of sensors. In general, acquired data from sensors have a high sampling rate. So, in the past, the RNN-based model is commonly used to handle and analyze the time-series sensor data. However, the RNN-based model has limitations of excessive parameters. CNN-based model also can be used to analyze time-series input data. However, CNN-based model also has limitations of the small receptive field in early layers. For this reason, when we use a CNN-based model, model architecture should be deeper and heavier to extract useful global features. Thus, traditional methods like RN N -based and CN N -based model needs huge amount of learning parameters. Recently studied result shows that Fast Fourier Convolution (FFC) can overcome the limitations of traditional methods. This operator can extract global features from the first hidden layer, so it can be effectively used for feature extracting of sensor data that have a high sampling rate. In this paper, we propose the algorithm to recognize objects using tactile sensor data and the FFC model. The data was acquired from 11 types of objects to verify our posed model. We collected pressure, current, position data when the gripper grasps the objects by random force. As a result, the accuracy is enhanced from 84.66% to 91.43% when we use the proposed FFC-based model instead of the traditional model.

• 한국자동차공학회논문집
• /
• 제24권2호
• /
• pp.127-136
• /
• 2016

The camera based object detection systems should satisfy the recognition performance as well as real-time constraints. Particularly, in safety-critical systems such as Autonomous Emergency Braking (AEB), the real-time constraints significantly affects the system performance. Recently, multi-core processors and system-on-chip technologies are widely used to accelerate the object detection algorithm by distributing computational loads. However, due to the advanced hardware, the complexity of system architecture is increased even though additional hardwares improve the real-time performance. The increased complexity also cause difficulty in migration of existing algorithms and development of new algorithms. In this paper, to improve real-time performance and design complexity, a task scheduling strategy is proposed for visual object tracking systems. The real-time performance of the vision algorithm is increased by applying pipelining to task scheduling in a multi-core processor. Finally, the proposed task scheduling algorithm is applied to crosswalk detection and tracking system to prove the effectiveness of the proposed strategy.

• 로봇학회논문지
• /
• 제17권4호
• /
• pp.425-430
• /
• 2022

As robots are considered one of the mainstream digital transformations, robots with machine vision becomes a main area of study providing the ability to check what robots watch and make decisions based on it. However, it is difficult to find a small object in the image mainly due to the flaw of the most of visual recognition networks. Because visual recognition networks are mostly convolution neural network which usually consider local features. So, we make a model considering not only local feature, but also global feature. In this paper, we propose a detection method of a small marker on the object using deep learning and an algorithm that considers global features by combining Transformer's self-attention technique with a convolutional neural network. We suggest a self-attention model with new definition of Query, Key and Value for model to learn global feature and simplified equation by getting rid of position vector and classification token which cause the model to be heavy and slow. Finally, we show that our model achieves higher mAP than state of the art model YOLOr.

• Journal of Computational Design and Engineering
• /
• 제1권1호
• /
• pp.13-26
• /
• 2014

Recently, renovations of plant equipment have been more frequent because of the shortened lifespans of the products, and as-built models from large-scale laser-scanned data is expected to streamline rebuilding processes. However, the laser-scanned data of an existing plant has an enormous amount of points, captures intricate objects, and includes a high noise level, so the manual reconstruction of a 3D model is very time-consuming and costly. Among plant equipment, piping systems account for the greatest proportion. Therefore, the purpose of this research was to propose an algorithm which could automatically recognize a piping system from the terrestrial laser-scanned data of plant equipment. The straight portion of pipes, connecting parts, and connection relationship of the piping system can be recognized in this algorithm. Normal-based region growing and cylinder surface fitting can extract all possible locations of pipes, including straight pipes, elbows, and junctions. Tracing the axes of a piping system enables the recognition of the positions of these elements and their connection relationship. Using only point clouds, the recognition algorithm can be performed in a fully automatic way. The algorithm was applied to large-scale scanned data of an oil rig and a chemical plant. Recognition rates of about 86%, 88%, and 71% were achieved straight pipes, elbows, and junctions, respectively.

• 한국지능시스템학회논문지
• /
• 제19권4호
• /
• pp.586-591
• /
• 2009

본 논문에서는 Particle filter를 이용한 특징 벡터 기반 이동 물체 추적 알고리즘을 제안한다. 이를 위해, 첫 번째, RGB 칼라 모델을 이용하여 초기 이동 물체의 움직임 영역(blob)을 추출하고, KLT-알고리즘을 이용하여 입력 영상에 대한 특징 벡터를 구한다. 그 다음, 초기 추출된 이동 물체의 움직임 영역에 이 특징 벡터를 매칭시켜 1차 특징 벡터를 구한다. 두 번째로, RGB와 HSI 칼라모델을 이용하여 이동 물체의 움직임 영역을 추출하고, 앞서 구한 1차 특징 벡터에 Snake 알고리즘을 적용함으로써 새로운 특징 벡터를 구한다. 그 다음, 기 추출된 이동 물체의 움직임 영역에 이 새롭게 구한 특징 벡터를 매칭시켜 2차 특징 벡터를 구한다. 최종적으로, 2차 특징 벡터에 Particle filter를 적용함으로써 본 논문에서 제안한 이동물체를 추적하는 알고리즘을 완성한다. 마지막으로, 본 논문에서 제안한 알고리즘은 복잡하고 다양한 환경에서 실험을 통해 그 응용 가능성을 증명한다.

• 한국음향학회지
• /
• 제24권8호
• /
• pp.498-504
• /
• 2005

교육 및 연구 목적을 위하여 개발된 한국어 음성인식 플랫폼인 ECHOS를 소개한다. 음성인식을 위한 기본 모듈을 제공하는 BCHOS는 이해하기 쉽고 간단한 객체지향 구조를 가지며, 표준 템플릿 라이브러리 (STL)를 이용한 C++ 언어로 구현되었다. 입력은 8또는 16 kHz로 샘플링된 디지털 음성 데이터이며. 출력은 1-beat 인식결과, N-best 인식결과 및 word graph이다. ECHOS는 MFCC와 PLP 특징추출, HMM에 기반한 음향모델, n-gram 언어모델, 유한상태망 (FSN)과 렉시컬트리를 지원하는 탐색알고리듬으로 구성되며, 고립단어인식으로부터 대어휘 연속음성인식에 이르는 다양한 태스크를 처리할 수 있다. 플랫폼의 동작을 검증하기 위하여 ECHOS와 hidden Markov model toolkit (HTK)의 성능을 비교한다. ECHOS는 FSN 명령어 인식 태스크에서 HTK와 거의 비슷한 인식률을 나타내고 인식시간은 객체지향 구현 때문에 약 2배 정도 증가한다. 8000단어 연속음성인식에서는 HTK와 달리 렉시컬트리 탐색 알고리듬을 사용함으로써 단어오류율은 $40\%$ 증가하나 인식시간은 0.5배로 감소한다.

• 한국콘텐츠학회논문지
• /
• 제16권9호
• /
• pp.451-459
• /
• 2016

객체 검출은 다양한 컴퓨터 비전 응용 분야의 핵심 기술이지만 조명 변화와 기하학적 왜곡에 강인성을 갖기 위해서는 막대한 계산이 필요한 기술이다. 최근에 이 문제를 분류기의 토대로 체계화함으로써 효과적으로 해결하기 위한 접근법들이 소개되고 있다. 그 중 무작위 fern 알고리즘은 단순한 구조와 높은 인식 성능으로 많은 관심을 받고 있다. 그러나 기존의 무작위 fern 알고리즘은 화소간의 밝기 차이만으로 특징을 추출하고 있어 대조, 조명 변화와 같은 밝기 변화나 잡음에 대해 취약점을 갖는다. 본 논문에서는 기존의 무작위 fern의 단점을 개선하기 위해 패치의 기하학적 구조를 반영할 수 있는 깊이 정보를 결합시킨 결합형 무작위 fern을 새로이 제안하고 이를 이용한 객체 검출기의 성능 개선 방안을 제시한다. 모의실험을 통해 결합형 무작위 fern이 기존 방식보다 조명의 영향이나 잡음에 강인함을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제28권2호
• /
• pp.89-97
• /
• 2023

본 논문에서는 로그 분석을 어렵게 하는 요인을 제안하고 이후 분석에 도움을 주는 로그 내 다양한 객체 인식 기법을 설계한다. 오늘날의 IT 시스템에서 로그는 다수의 고급 AI 분석 기술의 핵심적인 원천 데이터이다. 로그에는 유용한 정보가 많이 포함되어 있지만 로그는 본질적으로 반구조화되어 있기 때문에 로그 내 유용 정보에 기술을 직접적으로 적용시키기 어렵다. 로그 분석을 방해하는 요소는 file path, identifier, json 등 다양한 객체이다. 이러한 객체에 대한 BERT기반의 패턴 인식 알고리즘을 설계하고 객체 인식을 수행한다. 본 실험에서 정의한 패턴 인식 알고리즘은 객체의 정의, GROK 패턴, 그리고 정규 표현식에 기반한다. 기존에 알려진 패턴과 정규 표현식을 기반으로 한 간단한 패턴 매칭이 효과적이지 않다는 것을 확인할 수 있었다. 그 결과 기존 패턴과 정규 표현식만을 사용하는 것보다 훨씬 나은 정확도를 보여준다. 또한, BERT 모델의 경우 인식 객체 이외의 객체를 분류하는 정확도가 99%에 달하는 것을 확인할 수 있다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1998년도 제13차 학술회의논문집
• /
• pp.496-500
• /
• 1998

Not merely running at the designated constant speed as the classical cruise control, the adaptive cruise control (ACC) maintains safe headway distance when the front is blocked by other vehicles. One of the most essential part of ACC System is the range sensor which can measure the position and speed of all objects in front continuously, ignore all irrelevant objects, distinguish vehicles in different lanes and lock on to the closest vehicle in the same lane. In this paper, the hierarchical object recognition algorithm (HORA) is proposed to process raw scanning laser data and acquire valid distance to target vehicle. HORA contains two principal concepts. First, the concept of life quantifies the reliability of range data to filter off the spurious detection and preserve the missing target position. Second, the concept of conformation checks the mobility of each obstacle and tracks the position shift. To estimate and predict the vehicle position Kalman filter is used. Repeatedly updated covariance matrix determines the bound of valid data. The algorithm is emulated on computer and tested on-line with our ACC vehicle.