• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.811-813
• /
• 2005

주어진 영상에서 인체를 찾고 그 자세를 인식하기 위해 자세나 조영 조건의 변화에 됨 민감한 방법으로 구성요소에 기반한 접근이 있다. 본 논문에서는 10개의 구성요소와 그들간의 유연한 연결로 구성된 인체모델을 사용한다. 각 구성요소는 기하학적, 명시적, 다른 구성요소와의 연결요소에 대한 정보로 구성되어 있다. 인체구성요소 사이의 계층적 연결은 일반-상세 탐색으로 시간효율적인 인체 매칭을 가능케 한다. 본 논문에서는 새로운 인체를 찾을 때마다 인체 구성요소를 갱신함으로써 자세 및 조명 변화에 보다 적응적으로 자세를 추정하는 방법을 제안한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2010.05a
• /
• pp.975-978
• /
• 2010

This paper presents a Kalman filter based modeling algorithm for autonomous robots. State of the robot systems is measured by using embedded sensors and then carried to a host computer via ubiquitous sensor network (USN). We settle a linear state space motion equation for unknown system dynamics and modify a popular Kalman filter algorithm in deriving suitable parameter estimation mechanism. We conduct real-time experiment to test our proposed modeling algorithm where velocity state of the constructed robot is used as system observation.

• Annual Conference of KIPS
• /
• 2014.04a
• /
• pp.268-271
• /
• 2014

일반적인 이동 수단은 도보, 자동차, 버스가 있으며 그 외에 기차, 자전거 등이 있다. 사용자가 이용하는 이동 수단 상태는 개개인의 특징을 포함하며 이를 파악한다면 다양한 면에서 유용하게 사용 될 수 있다. 사용자의 이동 수단의 상태를 파악하기 위해서 GPS 정보가 사용될 수 있고, 위치정보 기반의 평균속도를 계산함으로써 대표적인 이동수단인 도보, 자동차, 버스를 구별할 수 있다. 이 논문에서는 사용자가 버스를 탑승하고 있을 경우, 위치 정보와 GIS정보(버스 정류장 정보와 버스 노선 정보)를 통해 해당 탑승 버스의 노선 정보를 예측하기 위한 알고리즘을 제안한다. 알고리즘의 수행 가능성을 파악하기 위해, 약 1개월간 수집된 버스 이동 GPS 로그와 광주지역 버스 노선 및 정류장 정보를 이용한 알고리즘 검증을 수행하였고, 알고리즘이 정상적으로 동작하는 것을 확인하였다.

• Annual Conference of KIPS
• /
• 2012.11a
• /
• pp.623-625
• /
• 2012

In this paper, we present a method to automatically generate a color pencil sketch image from a photo. First the image is converted into a sketch using a gradient estimation and then the color pencil sketch is produced by linear interpolation with original image and the sketched image. The experimental results show that the final image has a visual aspect of a color pencil sketch like image.

• Journal of the Korea Society of Computer and Information
• /
• v.23 no.11
• /
• pp.43-49
• /
• 2018

In this paper, we propose a displacement measurement method based on deep learning using image data obtained from tensile tests of a material specimen. We focus on the fact that the sequential images during the tension are generated and the displacement of the specimen is represented in the image data. So, we designed sample generation model which makes sequential images of specimen. The behavior of generated images are similar to the real specimen images under tensile force. Using generated images, we trained and validated our model. In the deep neural network, sequential images are assigned to a multi-channel input to train the network. The multi-channel images are composed of sequential images obtained along the time domain. As a result, the neural network learns the temporal information as the images express the correlation with each other along the time domain. In order to verify the proposed method, we conducted experiments by comparing the deformation measuring performance of the neural network changing the displacement range of images.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2014.05a
• /
• pp.47-48
• /
• 2014

Non-destructive technique to measure internal structure and constant distribution of material can be widely used to exploration of mineral resources, identification of underground cables and buried pipelines, and diagnostic imaging in medical area. In this paper, inverse scattering solution based on 2-dimensional EM scattering problem should be considered and formulated.

• International Journal of Computer Science & Network Security
• /
• v.22 no.3
• /
• pp.292-302
• /
• 2022

The radar tomographic imaging is based on the Radar Cross-Section "RCS" of the materials of a shape under examination and investigation. The RCS varies as the conductivity and permittivity of a target, where the target has a different material profile than other background objects in a scene. In this research paper, we use Hierarchical Performance Modeling "HPM" and a framework developed earlier to determine/spot bottleneck(s) for pattern recognition of materials using a combination of the Single Layer Perceptron (SLP) technique and tomographic images in radar systems. HPM provides mathematical equations which create Objective Functions "OFs" to find an average performance metric such as throughput or response time. Herein, response time is used as the performance metric and during the estimation of it, bottlenecks are found with the help of OFs. The obtained results indicate that processing images consumes around 90% of the execution time.

• Annual Conference of KIPS
• /
• 2010.11a
• /
• pp.1038-1041
• /
• 2010

오늘날 대부분의 네트워크는 수십 Gb/s 를 지원하는 광네트워크다. 이러한 고속 네트워크에서 대부분 TCP 전송 프로토콜을 사용하고 있다. TCP 전송 프로토콜은 AIMD 방식의 특성으로 인해 고속 네트워크에 적합하지 않다. 반면 UDT 는 DAIMD 방식을 사용하기 때문에 고속 네트워크에서 가용대역폭을 충분히 활용 가능하다. 그러나 UDT 는 sync-interval 간격으로 rate control 이 이루어 지기 때문에 sync-interval 동안 가용 대역폭을 충분히 활용하지 못하는 문제점이 발생한다. 본 논문에서는 RTT 예측을 통한 sync-interval 구간에서의 rate control 기법을 제안한다. sync-interval 구간 동안 RTT 예측을 통해 rate control 을 함으로써 기존 UDT에 비해 고속 네트워크 환경에서 보다 빠르게 가용대역폭을 활용할 수 있다. 네트워크 시뮬레이션 결과 기존 UDT 에 비해 throughput 및 안정성이 향상되었다.

• Annual Conference of KIPS
• /
• 2021.05a
• /
• pp.553-555
• /
• 2021

빈혈의 유병률은 매년 증가하고 있으나 이를 가벼운 질병으로 인식해 치료 시기를 놓치는 환자들이 존재한다. 빈혈의 발생원인으로 혈액 내 헤모글로빈 및 헤모글로빈 내 철 부족이 있으며, 헤모글로빈 측정기술의 경우 채혈 이외에 사람의 신체 및 건강 정보를 적용한 사례는 찾아보기 어렵다. 본 논문에서는 신체(키, 몸무게 및 허리둘레) 및 건강 정보(혈청지오티, 이완기 혈압 및 감마지티피 등)가 포함된 건강검진 빅데이터를 이용하여 단일 특징에 대해 선형회귀분석을 수행하고, 다중 특징에 대해 다중회귀분석을 수행하여 회귀분석 식을 산출, 산출된 회귀분석 식을 통해 헤모글로빈을 추정하여 실제 헤모글로빈값과 오차율을 계산하고 비교한다. 실험 결과, 선형회귀분석 식을 통해 헤모글로빈을 추정하였을 때 평균 8.124%의 오차율이 계산되었으며, 다중회귀분석의 경우 선형회귀분석보다 낮은 6.767%의 오차율이 계산되었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.14-17
• /
• 2020

단안 영상에서의 깊이 추정은 주어진 시점에서 촬영된 2 차원 영상으로부터 객체까지의 3 차원 거리 정보를 추정하는 것이다. 최근 딥러닝 기반으로 단안 RGB 영상에서 깊이 정보 추정에 유용한 특징 맵을 추출하고 이를 이용해서 깊이를 추정하는 모델들이 기존 방법들의 성능을 넘어서면서 관련된 연구가 활발히 진행되고 있다. 또한 Attention Model 과 같이 특정 특징 맵의 채널 혹은 공간을 강조하여 전체적인 네트워크의 성능을 개선하는 연구가 소개되었다. 본 논문에서는 깊이 정보 추정을 위해 사용되는 특징 맵을 강조하기 위해서 Attention Model 을 추가한 AutoEncoder 기반의 깊이 추정 네트워크를 제안하고 적용 부분에 따른 네트워크의 깊이 정보 추정 성능을 평가 및 분석한다.