• Journal of Communications and Networks
• /
• 제18권1호
• /
• pp.123-131
• /
• 2016

The high-availability seamless redundancy (HSR) protocol is one of the most important redundancy IEC standards that has garnered a great deal of attention because it offers a redundancy with zero recovery time, which is a feature that is required by most of the modern substation, smart grid, and industrial field applications. However, the HSR protocol consumes a lot of network bandwidth compared to the Ethernet standard. This is due to the duplication process for every sent frame in the HSR networks. In this paper, a novel algorithm known as the reducing multicast traffic (RMT) is presented to reduce the unnecessary redundant multicast traffic in HSR networks by limiting the spreading of the multicast traffic to only the rings that have members associated with that traffic instead of spreading the traffic into all the network parts, as occurs in the standard HSR protocol. The mathematical and the simulation analyses show that the RMT algorithm offers a traffic reduction percentage with a range of about 60-87% compared to the standard HSR protocol. Consequently, the RMT algorithm will increase the network performance by freeing more bandwidth so as to reduce HSR network congestion and also to minimize any intervention from the network administrator that would be required when using traditional traffic filtering techniques.

• 한국멀티미디어학회논문지
• /
• 제24권5호
• /
• pp.659-666
• /
• 2021

With the continuous development of deep learning, human behavior recognition algorithms have achieved good results. However, in a multi-person recognition environment, the complex behavior environment poses a great challenge to the efficiency of recognition. To this end, this paper proposes a multi-person pose estimation model. First of all, the human detectors in the top-down framework mostly use the two-stage target detection model, which runs slow down. The single-stage YOLOv3 target detection model is used to effectively improve the running speed and the generalization of the model. Depth separable convolution, which further improves the speed of target detection and improves the model's ability to extract target proposed regions; Secondly, based on the feature pyramid network combined with context semantic information in the pose estimation model, the OHEM algorithm is used to solve difficult key point detection problems, and the accuracy of multi-person pose estimation is improved; Finally, the Euclidean distance is used to calculate the spatial distance between key points, to determine the similarity of postures in the frame, and to eliminate redundant postures.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권4호
• /
• pp.1448-1463
• /
• 2021

With the continuous development of cloud storage, plenty of redundant data exists in cloud storage, especially multimedia data such as images and videos. Data deduplication is a data reduction technology that significantly reduces storage requirements and increases bandwidth efficiency. To ensure data security, users typically encrypt data before uploading it. However, there is a contradiction between data encryption and deduplication. Existing deduplication methods for regular files cannot be applied to image deduplication because images need to be detected based on visual content. In this paper, we propose a secure image deduplication scheme based on hashing and clustering, which combines a novel perceptual hash algorithm based on Local Binary Pattern. In this scheme, the hash value of the image is used as the fingerprint to perform deduplication, and the image is transmitted in an encrypted form. Images are clustered to reduce the time complexity of deduplication. The proposed scheme can ensure the security of images and improve deduplication accuracy. The comparison with other image deduplication schemes demonstrates that our scheme has somewhat better performance.

• 대한원격탐사학회지
• /
• 제28권4호
• /
• pp.357-367
• /
• 2012

이 논문에서는 초분광 영상으로부터 이상값을 탐지하기 위해 자료 변환 기반 특징 추출과 선정 및 국소적 자기상관지수를 이용하는 2단계 방법론을 제안한다. 초분광 영상이 제공하는 중복된 분광 정보들의 축약을 위해 우선적으로 주성분 변환과 3차원 웨이브렛 변환을 적용하였다. 그리고 축약된 자료 변환 기반 특징을 대상으로 왜도와 국소적 왜도 비율을 함께 고려하여 이상값 탐지를 위한 유효 특징을 선정하였다. 최종적으로 기존 분광 정보만을 이용하는 이상값 탐지 방법론들에 공간 자기상관성을 함께 고려할 수 있도록 국소적 자기상관지수(LISA)를 이상값 탐지 방법론으로 적용하였다. 제안 방법론의 적용성 평가를 위해 항공 CASI 자료를 대상으로 한 실험을 수행하였다. 실험 결과, 기존 분광 정보만을 고려하는 RX detector나 고유값 기반 주요 주성분만을 이용하는 경우에 비해 유효 특징 선정과 연계된 LISA 통계값이 높은 탐지 능력을 나타내었다. 또한 3차원 웨이브렛 변환 기반 저주파와 고주파 특징들을 결합한 경우가 유효 주성분을 사용하는 경우에 비해 가장 높은 탐지 성능을 나타냈다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권7호
• /
• pp.683-692
• /
• 2005

자바에서는 어떤 객체에 접근하는 작업을 할 때마다 항상 해당 객체에 대한 레퍼런스가 널 (Null)인지 여부를 먼저 검사하도록 규정하고 있다. 자바 언어는 객체 중심 언어이기 때문에 객체 접근이 빈번하며 이러한 널 포인터 검사는 자바 프로그램의 성능을 크게 저하시킬 수 있다. 이러한 성능 저하를 줄이기 위한 방법으로 불필요하게 반복되는 널 포인터 검사를 제거하는 기법이 사용되고 있다. 즉, 적시 (Just-in-Time, JIT) 컴파일러가 사용되는 자바 수행 환경에서 코드 분석을 통해 불필요한 널 포인터 검사 코드를 제거하는 최적화를 한다. 본 논문은 JIT 컴파일러 수행 환경에서 조건 수행(predication)이라는 최근 마이크로프로세서의 특징을 이용하여, 기존의 최적화로는 제거할 수 없는 널 포인터 검사 코드를 추가로 없애는 방법을 제시한다. 일반적으로 널 포인터 검사 코드는 비교와 분기 두 명령어로 이루어져 있는데, 그 중에 비교 명령어를 객체를 사용하기 전에 수행하는 것이 아니라 객체가 정의된 직후에 미리 수행하도록 함으로써 널 포인터 검사를 위해 수행되는 총 비교 명령어 수를 줄이는 것이 이 방법의 주된 내용이다. 실험 결과 기존의 널 포인터 제거로 최적화된 코드에 비해 수행된 비교 명령어의 수는 SPECjvm98에서 평균 3.21$\%$줄었고, 생성된 비교 명령어 수는 1.98$\%$ 줄었다. 이는 인텔 IA-64 아이테니엄(Itanium) 컴퓨터에서 평균 0.32$\%$의 성능 향상을 가져왔다.

• Interdisciplinary Bio Central
• /
• 제4권1호
• /
• pp.1.1-1.7
• /
• 2012

Background: The F-box proteins represent one of the largest families of proteins in eukaryotes. Apart from being a component of the ubiquitin (Ub)/26 S proteasome pathways, their regulatory roles in other cellular and developmental pathways have also been reported. One interesting feature of the genes encoding the proteins of this particular family is their variable selection patterns across different lineages. This resulted in the presence of lineage specific F-box proteins across different species. Findings: In this study, 48 non-redundant F-box proteins in E. siliculosus have been identified by a homology based approach and classified into three classes based on their variable C-terminal domains. A greater number of the F-box proteins have domains similar to the ones identified in other species. On the other hand, when the proteins having unknown or no C-terminal domain (as predicted by InterProScan) were analyzed, it was found that some of them have the polyglutamine repeats. To gain evolutionary insights on the genes encoding the F-box proteins, their selection patterns were analyzed and a strong positive selection was observed which indicated the adaptation potential of the members of this family. Moreover, four lineage specific F-box genes were found in E. siliculosus with no identified homolog in any other species. Conclusions: This study describes a genome wide in silico analysis of the F-box proteins in E. siliculosus which sheds light on their evolutionary patterns. The results presented in this study provide a strong foundation to select candidate sequences for future functional analysis.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제9권10호
• /
• pp.231-238
• /
• 2020

웹 상에 수 많은 문서가 등장함에 따라 기존 문서와 내용이 중복되는 문서를 찾아서 제외함으로써 새로운 문서를 찾는 노력을 줄일 수 있어 문서 수준의 신규성 탐지(novelty detection)가 중요해졌다. 최근 연구에서는 합성곱 신경망(CNN) 구조 기반의 신규성 탐지 모델 구조가 제안되었고 상당한 성능 향상을 나타내였다. 본 논문에서는 기존의 CNN 기반의 모델에서 문서 수준의 정보가 제한적으로 사용되는 것을 관측하고 문서의 신규성을 결정할 때 문서 수준의 정보가 중요하므로 제한적인 사용이 문제가 된다고 가정하였다. 이에 대한 해결책으로, 본 논문에서는 합성곱 신경망 기반 신규성 탐지 모델 구조를 개선하여 문서 수준 정보를 효과적으로 사용하는 두 가지 방법을 제안한다. 본 논문에서 제안하는 방법은 대상(target) 문서와 증거로 주어진 출처(source) 문서 사이의 상대적(relative) 정보를 추출하여 신규성을 분류할 대상 문서의 특징 벡터를 구성하는 것에 초점을 맞춘다. 본 논문에서는 표준 벤치마크 데이터 셋인 TAP-DLND 1.0를 이용하여 여러 실험을 통해서 제안한 방법의 우수성을 보여준다.

• 디지털콘텐츠학회 논문지
• /
• 제18권6호
• /
• pp.1041-1047
• /
• 2017

도로의 상태를 관측하는 많은 방법의 하나로 무인항공기 영상이 사용된다. 무인항공기 영상 파일이 너무 크고, 불필요한 정보가 많을 때, 특징적 정보를 압축한 텍스처 추출 기법이 사용된다. 특히 무인항공기 영상을 이용한 3차원 시뮬레이션에서 많은 양의 데이터가 입력되기 때문에 텍스처 추출이 중요하다. 본 논문에서는 교량의 고해상 영상을 얻기 위하여 무인항공기 영상으로부터 텍스처 추출 방법을 제시한다. 제안된 방법은 3단계로 이루어진다. 첫째, 브이월드 데이터베이스에서 3차원 교량 모델을 취득한다. 둘째, 기하보정 정보를 가진 무인항공기 영상에서 텍스처를 추출한다. 셋째, 개별 영상에서 추출된 텍스처를 융합한다. 본 연구 결과는 브이월드 텍스처를 고해상 영상으로 갱신하는 데 사용될 수 있다.

• 한국미생물·생명공학회지
• /
• 제31권2호
• /
• pp.182-190
• /
• 2003

마이크로어레이 기술이 널리 이용됨에 따라 마이크로어레이 이미지 데이터와 이미지 분석 데이터들이 급격히 늘어나고 있다. 그러나 국내에서는 그 데이터들을 효율적으로 관리하기 위한 시스템이 개발되어 공개된 경우가 없다. 그리고 마이크로어레이 실험은 한 실험실에서 분석하고 연구할 수 있는 유전자의 수가 제한되어 있으므로 서로 다른 연구실에서 실험한 연구 결과들을 공유함으로써 실험의 중복을 막을 수 있고 그 연구 결과들을 축척할 수 있다. 본 논문에서는 마이크로어레이 이미지 데이터를 처리 및 관리하기 위한 통합 시스템, WEMA(Web management of MicroArray)를 개발하였다. WEMA는 마이크로어레이 데이터 표준 규정의 제안인 MIAME(Minimal Information About a Microarray Experiment)에서 정의한 데이터 요소를 바탕으로 데이터 스키마를 설계하였으며 마이크로어레이 실험 설계에 따라 체계적으로 데이터를 관리하기 위해서 공동적인 데이터 단위를 정의하였다. WEMA의 주요 기능은 마이크로어레이 이미지 및 분석 데이터의 효율적인 관리, 데이터입출력의 통합 기능, 메타 파일 생성 등이다. 본 WEMA 시스템을 이용해서 실제로 한 식물 분자 생물학 연구실에서 만들어내는 마이크로어레이 이미지 데이터를 처리, 관리한 결과 생물학자들이 마이크로어레이 데이터를 체계적으로 관리, 분석할 수 있었으며 연구자들간의 데이터 교환 및 의사 소통이 원활히 이루어졌다.

• Journal of Information Processing Systems
• /
• 제16권1호
• /
• pp.6-29
• /
• 2020

Biometrics identification using multiple modalities has attracted the attention of many researchers as it produces more robust and trustworthy results than single modality biometrics. In this paper, we present a novel multimodal recognition system that trains a deep learning network to automatically learn features after extracting multiple biometric modalities from a single data source, i.e., facial video clips. Utilizing different modalities, i.e., left ear, left profile face, frontal face, right profile face, and right ear, present in the facial video clips, we train supervised denoising auto-encoders to automatically extract robust and non-redundant features. The automatically learned features are then used to train modality specific sparse classifiers to perform the multimodal recognition. Moreover, the proposed technique has proven robust when some of the above modalities were missing during the testing. The proposed system has three main components that are responsible for detection, which consists of modality specific detectors to automatically detect images of different modalities present in facial video clips; feature selection, which uses supervised denoising sparse auto-encoders network to capture discriminative representations that are robust to the illumination and pose variations; and classification, which consists of a set of modality specific sparse representation classifiers for unimodal recognition, followed by score level fusion of the recognition results of the available modalities. Experiments conducted on the constrained facial video dataset (WVU) and the unconstrained facial video dataset (HONDA/UCSD), resulted in a 99.17% and 97.14% Rank-1 recognition rates, respectively. The multimodal recognition accuracy demonstrates the superiority and robustness of the proposed approach irrespective of the illumination, non-planar movement, and pose variations present in the video clips even in the situation of missing modalities.