• 전기전자학회논문지
• /
• 제13권4호
• /
• pp.116-124
• /
• 2009

근래 휴대 단말기용 모뎀 칩셋이나 멀티미디어 프로세서의 CPU성능은 노트북PC에 버금가는 수준으로 향상되면서 휴대단말기가 전자기기의 컨버전스화를 주도하는 아이콘으로 떠오르고 있다. 더불어 DMB, 디지털 카메라, 화상통화, 인터넷 검색 등이 기본적으로 제공되면서 소형크기의 휴대 단말기용 디스플레이에서도 화질에 대한 관심이 높아지고 있다. 휴대단말기의 경우 야외에서 태양광과 같은 주변광원의 변화로 동일한 영상이 열화 또는 과도하게 밝아져 보이는 야외 시인성 문제를 해결해야 하며, 더구나 최근 터치방식 패널이 휴대단말기 디스플레이 장치에 사용되면서 ITO 필름에 의한 투과율 손실로 디스플레이 화면의 컨트라스트 저하가 더해지고 있다. 본 논문에서는 휴대 단말기용 영상개선 SoC를 위해 영상 개선 알고리즘을 개발하였고 이에 대한 성능 비교를 수행하였다. 컨트라스트 개선을 위해 적응형 기법으로 Clipped Histogram Stretching을, 정적 기법으로 S형 곡선조정과 Gain 조정 기법을 사용하였고 야외 시인성 개선을 위해서는 CIELCh 색공간에서 외부 조도센서의 정보에 따라 명도(Lightness)와 채도(Chroma)가 조절될 수 있도록 하였다. 개발한 알고리즘에 대한 성능평가는 결과영상의 히스토그램, RGB 화소값 분포도, 엔트로피 그리고 동적영역 확장비 등을 통해 분석을 진행하였다.

• 감성과학
• /
• 제19권3호
• /
• pp.81-88
• /
• 2016

본 논문은 깊이 카메라(Creative Senz3D)를 이용하여 호흡률을 측정하는 것에 대한 정확도와 영향을 미치는 요인들을 분석하였다. 영향 요인 분석에서는 깊이 카메라가 가지는 깊이 값에 대한 오차와 노이즈 그리고 주위 조도의 영향에 대하여 실험 연구를 진행하였다. 그 결과 깊이 카메라와 측정 대상의 거리가 증가함에 따라 깊이 값의 오차가 증가하였고 깊이 영상의 오른쪽은 실제 거리보다 깊이 값이 크게 측정되고 왼쪽은 실제 거리보다 깊이 값이 작게 측정되었다. 이에 따라 깊이 값이 영상의 영역에 따라 비대칭성을 가지고 있음을 알 수 있었다. 깊이 카메라와 측정 대상의 각도가 틀어짐에 따라서도 깊이 값의 차의 오차가 증가하였으며 깊이 카메라의 노이즈는 측정 거리가 멀어짐에 따라 점점 증가하였고 노이즈를 측정하는 윈도우의 크기가 증가함에 따라 감소하였다. 주위 조도는 깊이 값에 영향을 주지 않았다. 또한 실제 상황에서 사람을 대상으로 20회 호흡을 하게 하여 깊이 카메라를 이용해 호흡률을 측정하였고 호흡률이 제대로 측정됨을 확인하였다.

• 대한원격탐사학회지
• /
• 제31권2호
• /
• pp.137-148
• /
• 2015

국립기상연구소는 2010년 6월, 하향적외스펙트럼을 관측하는 고분해적외분광간섭계(FT-IR)인 Atmospheric Emitted Radiance Interferometer (AERI)를 안면도 기후변화감시센터에 설치하였다. AERI는 고분해 적외 센서를 탑재하고 있어 위성 기반의 원격탐사 자료를 검증하는데 유효하다. 본 연구에서는 AERI로부터 산출되는 메탄의 품질 향상을 위해 맑을 때의 자료를 분류하는 AERI 스펙트럼 기준의 새로운 방법을 개발하였으며, KLAPS 구름 정보를 이용한 방법과 비교하였다. 맑은 날 관측된 AERI 스펙트럼을 기준 스펙트럼으로 선정하였으며, 구름에 민감한 대기 창 영역을 사용하였다. 임계값 선정을 위해 복사량 임계값 테스트를 실시하였으며, 선정된 임계값을 이용한 AERI 스펙트럼 기준의 방법과 KLAPS 구름 정보를 이용한 방법을 각각 이용하여 최하층 메탄 농도를 산출하였다. 각각 산출된 메탄농도와 지상관측 메탄농도를 비교하였으며, KLAPS 구름 정보를 이용하여 산출된 메탄농도보다 AERI 스펙트럼 기준의 방법으로 산출된 메탄농도의 품질이 더 좋은 것을 확인하였다. 뿐만 아니라 GOSAT 연직 메탄 총량과의 비교에서도 좋은 결과를 보여주었다.

• 한국정보과학회논문지:데이타베이스
• /
• 제37권4호
• /
• pp.177-184
• /
• 2010

센서 정보, 물류/유통정보, 신용 정보, 주식 정보 등이 과거보다 다양하면서 대용량의 연속 발생 형태 데이터가 발생하고 있다. 이러한 데이터는 대용량의 특의 변화가 빠른 특징들을 가지고 있기 때문에 학습이 어렵다. 이러한 문제점을 해결하기 위해 일정 윈도우 크기의 최근 데이터를 연속적으로 학습시킴으로써 전체 모형을 새롭게 만들거나 모형의 일부분을 대체 하는 방법을 사용하여 왔다. 그러나 이러한 방법은 계속해서 새로운 학습모형을 만들어야 하므로 대용량의 연속 데이터를 학습시키는데 많은 시간과 비용이 든다. 따라서, 이러한 특성에 대비하기 위하여 추가적인 학습 데이터가 발생할 때 마다, 점진적이며 지속적으로 학습을 할 수 있는 학습 기법이 필요하다. 보다 빠른 속도로 학습 모형의 변화 없이 분류를 하기 위하여 대표적인 점진적 학습 방법으로 베이지안 분류기를 사용할 수 있지만, 사전확률을 알고 있다는 가정으로부터 시작을 하게 되어 일정량 이상의 학습데이터가 필요하다. 따라서 본 연구에서는 베이지안 분류기와 같이 점진적으로 학습을 할 수 있지만, 사전 확률을 알지 못하더라고 학습을 할 수 있는 새로운 점진적 학습 알고리즘을 제안하고자 한다. 본 연구에서 제안하는 알고리즘의 기본 개념은 여러 전문가의 의견을 종합하는 방식이다. 여기서는 속성값(attribute value)을 한명의 전문가로 보고 전문가 집단의 의사 결정이 맞을 경우에는 가점을 주고 틀릴 경우에는 감점을 하는 방식으로 학습을 하게 된다. 실험결과 이 방법은 의사결정나무나 베이지언 분류기와 비교해 비슷한 성능을 나타내었으며, 향후에 스트림 데이터 분석에 사용할 가능성을 보였다.

• 한국포장학회지
• /
• 제19권3호
• /
• pp.119-123
• /
• 2013

기체확산 튜브를 부착한 신선 농산물 용기에서 적정 변형기체(modified atmosphere, MA)를 형성하기 위하여 산소 농도에 따라 실시간적으로 반응하여 튜브 개폐가 이루어지는 제어 logic을 개발하고 그 유효성을 검증하였다. 본 연구는 이전의 연구에서 이루어진 $O_2$ 및 $CO_2$ 센서 모두를 이용하여 제어하는 logic의 단순화를 시도한 것으로 7~10%의 $O_2$, 5~10%의 $CO_2$ 농도를 적정 MA로 갖는 시금치를 담은 용기 시스템에 대해서 $10^{\circ}C$에서 실험적으로 개발된 제어 logic의 효과를 검증하였다. $[O_2]+[CO_2]$=21%의 가정된 관계에 기반하여 $O_2$ 농도 제어점을 $CO_2$ 농도 허용 상한값(10%)에 상당하는 11%로 설정하여 제어한 결과 $CO_2$ 농도가 허용상한치 10% 바로 이하에 머무는 것으로 확인되었다. $O_2$ 농도 제어점은 품목의 $O_2/CO_2$의 MA 요구도에 따라 $O_2$ 하한값 자체 혹은 조정된 하한값으로 둘 수 있다. 산소 센서만을 사용한 개발 제어 logic은 11%의 평형 $O_2$ 농도와 8~9%의 $CO_2$ 농도를 유지하였고, 이는 $O_2$ 및 $CO_2$ 센서 모두를 사용한 제어의 조건에서 9~10%의 평형 $O_2$ 농도와 10%의 $CO_2$ 농도를 유지한 것과 비슷하였다. 그리고 확산튜브를 부착한 두 가지의 MA 용기에서 보관된 시금치의 품질은 차이가 없이 통기성 대조구에 비하여 우수하였다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.