• 한국음향학회지
• /
• 제42권5호
• /
• pp.395-401
• /
• 2023

음향 이벤트 검출(Sound Event Detection, SED)은 음향 신호에서 관심 있는 음향의 종류와 발생 구간을 검출하는 기술로, 음향 감시 시스템 및 모니터링 시스템 등 다양한 분야에서 활용되고 있다. 최근 음향 신호 분석에 관한 국제 경연 대회(Detection and Classification of Acoustic Scenes and Events, DCASE) Task 4를 통해 다양한 방법이 소개되고 있다. 본 연구는 다양한 영역에서 성능 향상을 이끌고 있는 Dense Convolutional Networks(DenseNet)을 음향 이벤트 검출에 적용하기 위해 설계 변수에 따른 성능 변화를 비교 및 분석한다. 실험에서는 DenseNet with Bottleneck and Compression(DenseNet-BC)와 순환신경망(Recurrent Neural Network, RNN)의 한 종류인 양방향 게이트 순환 유닛(Bidirectional Gated Recurrent Unit, Bi-GRU)을 결합한 DenseRNN 모델을 설계하고, 평균 교사 모델(Mean Teacher Model)을 통해 모델을 학습한다. DCASE task4의 성능 평가 기준에 따라 이벤트 기반 f-score를 바탕으로 설계 변수에 따른 DenseRNN의 성능 변화를 분석한다. 실험 결과에서 DenseRNN의 복잡도가 높을수록 성능이 향상되지만 일정 수준에 도달하면 유사한 성능을 보임을 확인할 수 있다. 또한, 학습과정에서 중도탈락을 적용하지 않는 경우, 모델이 효과적으로 학습됨을 확인할 수 있다.

• 방송공학회논문지
• /
• 제24권4호
• /
• pp.633-642
• /
• 2019

최근, 단일 이미지 초해상도 복원 기법(super-resolution)에서 컨볼루션 신경망 모델은 매우 성공적이다. 잔여 학습 기법은 컨볼루션 신경망 훈련의 안전성과 성능을 향상시킬 수 있다. 본 논문은 저해상도 입력 이미지에서 고해상도 목표 이미지로 비선형 매핑 학습을 위해 고밀도 스킵 연결(dense skip-connection)을 통한 재귀 잔차 구조를 이용한 단일 이미지 초해상도 복원 기법을 제안한다. 제안하는 단일 이미지 초해상도 복원 기법은 고밀도 스킵 연결 방식을 통해 재귀 잔차 학습 방법을 채택해서 깊은 신경망에서 학습이 어려운 문제를 완화하고 더 쉽게 최적화하기 위해 신경망 안에 불필요한 레이어를 제거한다. 제안하는 방법은 매우 깊은 신경망의 사라지는 변화도(vanishing gradient) 문제를 완화할 뿐만 아니고 낮은 복잡성으로 뛰어난 성능을 얻음으로써 단일 이미지 초해상도 복원 기법의 성능을 향상시킨다. 실험 결과를 통해 제안하는 알고리듬이 기존의 알고리듬 보다 결과가 더 우수함을 보인다.

• 대한전자공학회논문지SD
• /
• 제38권6호
• /
• pp.412-419
• /
• 2001

본 논문에서는 유리집적광학을 이용하여 채널 도파로, Y-분리기, CWDM 등의 개별소자와 이들을 하나의 유리기판위에 평면형으로 집적하겨 제작함으로써 1.31/1.55㎛ CWDM(Coarse Wavelength Division Multiplexing) 및 1.55㎛ 대역 DWDM (Dense WDM) 수동 광 망에 적용할 수 있도록 하였다. CWDM에 적용한 결과, 1.55㎛ 파장에서는 30㏈, 1.31㎛ 파장에서는 15㏈ 이상의 교차 비를 얻을 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제23권12호
• /
• pp.1540-1551
• /
• 2020

Aiming at the problem that the existing human behavior recognition algorithm cannot fully utilize the multi-level spatio-temporal information of the network, a human behavior recognition algorithm based on a dense three-dimensional residual network is proposed. First, the proposed algorithm uses a dense block of three-dimensional residuals as the basic module of the network. The module extracts the hierarchical features of human behavior through densely connected convolutional layers; Secondly, the local feature aggregation adaptive method is used to learn the local dense features of human behavior; Then, the residual connection module is applied to promote the flow of feature information and reduced the difficulty of training; Finally, the multi-layer local feature extraction of the network is realized by cascading multiple three-dimensional residual dense blocks, and use the global feature aggregation adaptive method to learn the features of all network layers to realize human behavior recognition. A large number of experimental results on benchmark datasets KTH show that the recognition rate (top-l accuracy) of the proposed algorithm reaches 93.52%. Compared with the three-dimensional convolutional neural network (C3D) algorithm, it has improved by 3.93 percentage points. The proposed algorithm framework has good robustness and transfer learning ability, and can effectively handle a variety of video behavior recognition tasks.

• 한국컴퓨터정보학회논문지
• /
• 제10권6호
• /
• pp.209-218
• /
• 2005

링형 광 액세스망에서 능동형 광네트워크(AON: Active Optical Network)는 DWDM(Dense Wavelength Division Multiplexing)을 이용하여 요구대역폭(BoD: Bandwidth on Demand)에 따라서 가입자에게 원활한 서비스를 제공할 수 있다. 이를 위하여 기존의 광 기가비트 이더넷 스위치에서 다수개의 파장 및 서브캐리어(Sub-Carrier) 접속을 지원하며, 특정 파장을 분기하는 WADM (Wavelength Add Drop Multiplexer)과 링의 형태로 연결된다. WADM에서 분기된 특정 파장은 가입자단에 이르러 서브캐리어별로 역다중화 되어 가입자에게 분배되므로 가입자망의 분배가 시작되는 광 기가비트 이더넷 스위치와 가입자 단말 접속 장치간의 능동적인 연결이 가능한 구조를 가진다 본 논문에서는 이러한 AON 구조에서 BoD에 따라서 달라지는 버퍼의 크기를 비교 분석하고 또한 비트의 지체시간을 서버의 처리율과 비교 분석한다. 이러한 실험을 통하여 소요 시간의 한계를 결정함으로써 가입자에게 요구 대역폭에 따른 원활한 서비스를 제공할 수 있는 네트워크의 동적 운용 프로토콜 및 효율적인 알고리즘 구현을 위한 기준을 제시한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권6호
• /
• pp.2480-2496
• /
• 2020

Considering that high-dose X-ray radiation during CT scans may bring potential risks to patients, in the medical imaging industry there has been increasing emphasis on low-dose CT. Due to complex statistical characteristics of noise found in low-dose CT images, many traditional methods are difficult to preserve structural details effectively while suppressing noise and artifacts. Inspired by the deep learning techniques, we propose a densely connected residual network (DCRN) for low-dose CT image noise cancelation, which combines the ideas of dense connection with residual learning. On one hand, dense connection maximizes information flow between layers in the network, which is beneficial to maintain structural details when denoising images. On the other hand, residual learning paired with batch normalization would allow for decreased training speed and better noise reduction performance in images. The experiments are performed on the 100 CT images selected from a public medical dataset-TCIA(The Cancer Imaging Archive). Compared with the other three competitive denoising algorithms, both subjective visual effect and objective evaluation indexes which include PSNR, RMSE, MAE and SSIM show that the proposed network can improve LDCT images quality more effectively while maintaining a low computational cost. In the objective evaluation indexes, the highest PSNR 33.67, RMSE 5.659, MAE 1.965 and SSIM 0.9434 are achieved by the proposed method. Especially for RMSE, compare with the best performing algorithm in the comparison algorithms, the proposed network increases it by 7 percentage points.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1061-1070
• /
• 2021

본 연구에서는 국내 농업지역에 대한 작물재배지역의 분류를 위하여 FC-DenseNet 모델에 attention gate를 적용하여 딥러닝 모델의 성능을 향상시키고자 하였다. Attention gate는 특징맵의 공간/분광적 중요도에 따른 가중치를 추가적으로 학습하여 딥러닝 모델의 학습을 용이하게 하고, 모델의 성능을 향상시킬 수 있다. Attention gate를 FC-DenseNet의 스킵 연결 부분에 추가한 딥러닝 모델을 이용하여 양파 및 마늘 지역의 작물분류를 수행하였다. PlanetScope 위성영상을 이용하여 훈련자료를 제작하였으며, 훈련자료의 불균형 문제를 해결하기 위하여 전처리 과정을 적용하였다. 다양한 평가자료를 이용하여 작물재배분류 결과를 평가한 결과, 제안된 딥러닝 모델은 기존의 FC-DenseNet과 비교하여 효과적으로 양파 및 마늘 지역을 분류할 수 있는 것을 확인하였다.

• International Journal of Computer Science & Network Security
• /
• 제21권11호
• /
• pp.17-22
• /
• 2021

Recently, image super-resolution techniques used in convolutional neural networks (CNN) have led to remarkable performance in the research area of digital image processing applications and computer vision tasks. Convolutional layers stacked on top of each other can design a more complex network architecture, but they also use more memory in terms of the number of parameters and introduce the vanishing gradient problem during training. Furthermore, earlier approaches of single image super-resolution used interpolation technique as a pre-processing stage to upscale the low-resolution image into HR image. The design of these approaches is simple, but not effective and insert the newer unwanted pixels (noises) in the reconstructed HR image. In this paper, authors are propose a novel single image super-resolution architecture based on synchronized depthwise separable convolution with Dense Skip Connection Block (DSCB). In addition, unlike existing SR methods that only rely on single path, but our proposed method used the synchronizes path for generating the SISR image. Extensive quantitative and qualitative experiments show that our method (SDCN) achieves promising improvements than other state-of-the-art methods.

• ETRI Journal
• /
• 제29권2호
• /
• pp.162-168
• /
• 2007

A new scheme for bi-directional HDTV/Gigabit Ethernet/CATV transmission over a hybrid dense-wavelength-division-multiplexing passive optical network (DWDM-PON) is proposed and demonstrated. It is based on injection-locked vertical-cavity surface-emitting lasers and distributed-feedback laser diodes as transmitters. Services with 129 HDTV channels, a 1.25 Gbps Gigabit Ethernet connection, and 77 CATV channels are successfully demonstrated over 40 km single-mode fiber links. Good performance of bit error rate, carrier-to-noise ratio, composite second order, and composite triple beat is achieved in our proposed bidirectional DWDM-PON.

• 천문학회지
• /
• 제37권4호
• /
• pp.223-224
• /
• 2004

The Tycho supernova remnant (SNR), as one of the few historical SNRs, has been widely studied in various wavebands and previous observations have shown evidence that Tycho is interacting with a dense ambient medium toward the northeast direction, In this paper, we report our high-resolution (16') $^{12}CO$ observation of the remnant using the Nobeyama 45m radio telescope. The Nobeyama data shows that a large molecular cloud surrounds the SNR along the northeastern boundary. We suggest that the Tycho SNR and the molecular cloud are both located in the Perseus arm and that the dense medium interacting with the SNR is possibly the molecular cloud. We also discuss the possible connection between the molecular cloud and the Balmer-dominated optical filaments, and suggest that the preshock gas may be accelerated within the cosmic ray and/or fast neutral precursor.