• Journal of Broadcast Engineering
• /
• v.23 no.4
• /
• pp.474-483
• /
• 2018

In this paper, we propose a multi-scale high dynamic range (HDR) tone mapping algorithm using guided image filter (GIF). The GIF is used to divide an image into a base layer and a detail layer, then the range of the detail layer is reduced with a compression function to enhance the detail information of the image. However, in most cases, an image includes the detail and edge information in different scales. That is to say, it is difficult to represent all detail features under a certain scale, and a single-scale image decomposition method is not free from artifacts around edges. To solve the problems, the multi-scale image decomposition method is proposed. It utilizes the detail layers of several scale to determine how much edge is preserved. Experiment results show that the proposed algorithm has better image performance in preserving edge compared to conventional algorithm.

• Journal of the Korean Geographical Society
• /
• v.50 no.1
• /
• pp.123-139
• /
• 2015

This paper attempts to complement the methodological and conceptual lack of spatial thinking in Korean women's movement research and to facilitate further discussion on this field of research, by drawing on recent academic discussion on scale developed particularly among the Western critical and feminist geographers. The purposes of the paper are following. First, it addresses the need to utilize the concept of scale in women's movement research. Numerous spatial metaphors often proliferated with indiscretion in the feminist approach have rather tended to hinder fully understanding the spatiality of social movements. In order to examine the spatiality of social movements as both conceptual tool and praxis, not merely as metaphor, the paper incorporates main issues in recent scale discourses with particular attention to the debate between Marston and Brenner, and explores their implications for women's movement research in Korea. Second, it emphasizes the multi-scalar approach by highlighting the role of micro-scale, the less studied side in social movement literature. The public and the private divide, the long time battle ground in feminist research, is often intermingled with the hierarchical scalar understanding which considers the global as more powerful and important than the local. The reproductive realm, however, is indispensably related to production and political economic realm. The paper explores the very site where both the public/private divide and the hierarchical scalar understanding can be dismantled. It is the site where the private becomes public and the local becomes the global (and vice versa). Drawing on a brief example of an anti-FTA movement of women with strollers in Korea, it examines the way the multi-scalar approach advances the understanding of Korean women's movement.

• 한국방재학회:학술대회논문집
• /
• 2011.02a
• /
• pp.94-94
• /
• 2011

배관 구조물에서는 내부 미세 균열에서부터 국부 좌굴, 볼트 풀림, 피로 균열 등과 같이 다양한 형태의 손상이 복합적으로 발생 가능하다. 이러한 복합 손상은 배관 구조물의 누수, 누유 등의 사고를 야기할 수 있다. 하지만 기존의 단일 스케일 계측 시스템으로부터 복합 손상에 의한 실시간 누수를 진단하기는 매우 어렵다. 본 연구 단계에서는 누수를 야기하는 복합 손상을 효율적으로 진단하기 위하여 선행 연구에서 제안된 압전센서를 이용한 자가 계측 회로 기반의 다중 스케일 계측 시스템을 구조물의 복합 손상 진단에 적용하였다. 자가 계측 회로 기반 다중 스케일 계측 시스템은 크게 두 가지 형태의 신호를 계측한다. 첫 번째 스케일은 임피던스 계측으로부터 특정 주파수 대역폭에 대한 구조 응답을 계측하며, 두 번째 스케일은 유도 초음파 계측으로부터 단일 중심 주파수에 해당하는 구조물의 응답을 계측한다. 복합 손상을 손상 유형별로 분류하기 위하여 E/M 임피던스(Electro-mechanical impedance)및 유도 초음파(Guided wave) 계측으로부터 추출한 특성을 이용하여 2차원 손상지수를 계산하고 이를 지도학습 기반 패턴인식 기법(Supervised learning based pattern recognition) 중 확률론적 신경망 기법(Probabilistic Neural Network, PNN)에 적용한다. 제안된 기법의 적용성 검토를 위하여 파이프 구조물에 인위적으로 다중 손상을 생성시켜 시험을 수행하였다. 본 연구에서 제안된 기법이 실제 배관 구조물에 성공적으로 적용된다면 손상 부재의 거동 및 구조물 성능의 손상에 대한 영향을 효율적으로 진단하고 평가함으로써 배관 구조물의 효과적인 유지관리가 가능할 것으로 예상된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.539-540
• /
• 2022

본 논문에서는 정확한 장기 시계열 예측을 위해 시계열 데이터의 다양한 스케일 (시간 규모)에서 표현을 학습하는 트랜스포머 모델을 제안한다. 제안하는 모델은 시계열의 다중 스케일 특징을 추출하고, 이를 트랜스포머에 반영하여 예측 시계열을 생성하는 구조로 되어 있다. 스케일 정규화 과정을 통해 시계열의 전역적 및 지역적인 시간 정보를 효율적으로 융합하여 종속성을 학습한다. 3 가지의 다변량 시계열 데이터를 이용한 실험을 통해 제안하는 방법의 우수성을 보인다.

• The Journal of the Korea Contents Association
• /
• v.7 no.1
• /
• pp.48-57
• /
• 2007

Eye localization is necessary for face recognition and related application areas. Most of eye localization algorithms reported thus far still need to be improved about precision and computational time for successful applications. In this paper, we propose an improved eye localization method based on multi-scale Gator feature vector models. The proposed method first tries to locate eyes in the downscaled face image by utilizing Gabor Jet similarity between Gabor feature vector at an initial eye coordinates and the eye model bunch of the corresponding scale. The proposed method finally locates eyes in the original input face image after it processes in the same way recursively in each scaled face image by using the eye coordinates localized in the downscaled image as initial eye coordinates. Experiments verify that our proposed method improves the precision rate without causing much computational overhead compared with other eye localization methods reported in the previous researches.

• Journal of IKEEE
• /
• v.22 no.3
• /
• pp.810-815
• /
• 2018

The kernelized correlation filter algorithm yielded meaningful results in accuracy for object tracking. However, because of the use of a fixed size template, we could not cope with the scale change of the tracking object. In this paper, we propose a method to track objects by finding the best scale for each frame using correlation filtering response values in multi-scale using nearest neighbor interpolation and Gaussian normalization. The scale values of the next frame are updated using the optimal scale value of the previous frame and the optimal scale value of the next frame is found again. For the accuracy comparison, the validity of the proposed method is verified by using the VOT2014 data used in the existing kernelized correlation filter algorithm.

• The Journal of the Acoustical Society of Korea
• /
• v.39 no.6
• /
• pp.600-605
• /
• 2020

In this paper, we propose a sound event detection method using a multi-channel multi-scale neural networks for sound sensing home monitoring for the hearing impaired. In the proposed system, two channels with high signal quality are selected from several wireless microphone sensors in home. The three features (time difference of arrival, pitch range, and outputs obtained by applying multi-scale convolutional neural network to log mel spectrogram) extracted from the sensor signals are applied to a classifier based on a bidirectional gated recurrent neural network to further improve the performance of sound event detection. The detected sound event result is converted into text along with the sensor position of the selected channel and provided to the hearing impaired. The experimental results show that the sound event detection method of the proposed system is superior to the existing method and can effectively deliver sound information to the hearing impaired.

• Journal of the Economic Geographical Society of Korea
• /
• v.24 no.1
• /
• pp.52-75
• /
• 2021

The current Korean labour movement is at an impasse that is partly sustained by the idea of "strong" transnational corporations (TNCs) versus "weak" labour, and this perception is based on the "global-local dichotomy," wherein TNCs are depicted as abstract and structured entities operating at the global scale and workers are represented as having a concrete and weak presence within the local sphere. As an alternative perspective to break this "global" capital vs. "local" labour dichotomy, I focus on labour geography, which assumes that labour is not simply a factor of production but a sentient spatial actor that (un-)intentionally produces the landscape of capitalism. Borrowing insights from the multi-scalar perspective, this paper aims to understand the actual methods in which workers utilize spatial strategies through an empirical case study of the Nestlé Korea labour union strike in 2003. Based on this case study, this paper claims that workers are both capable of employing coordinated multi-scalar practices and can be more influential to the economic geographies of TNCs. Additionally, it suggests that workers' scalar practices are actually more complicated and multi-directional as a result of their complex and dynamic interactions with political, economic and cultural forces and actors at diverse geographical scales.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.38 no.4
• /
• pp.11-11
• /
• 2001

기존의 웨이브릿 기반 프랙탈 압축 방법은 전 영역에 대하여 최적의 정의역을 탐색하므로, 부호화 과정에서 많은 탐색시간이 소요되는 단점이 있다. 그래서 본 논문에서는 웨이브릿 변환영역에서 SAS(Self Affine System) 기법과 다중 스케일 인자를 이용한 웨이브릿 변환 기반 프랙탈 영상 압축 방법을 제안한다. 웨이브릿 기반 영역에서 정의역과 치역을 구성하고, 각각의 치역 블럭에 대해 모든 정의역 블럭을 탐색하는 것이 아니라, 정의역 탐색과정이 필요 없는 SAS 기법을 도입하여 공간적으로 같은 위치에 있는 상위 레벨 블록을 정의역으로 선택한다 그래서 부호화 과정에서 곱셈 계산량을 감소시켜 고속 부호화를 가능하게 한다. 그리고 SAS 기법의 단점인 화질이 떨어지는 단점을 개선하기 위해, 각 레벨별로 서로 다른 스케일 인자를 사 용하여 화질을 개선한다. 그 결과 화질에는 영향을 미치지 않고 부호화 시간과 압축률이 개선되고, 점진적 전송이 가능한 알고리듬을 제안한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.1-3
• /
• 2022

최근 기존의 영상 압축 파이프라인 대신 신경망의 종단 간 학습을 통해 압축을 수행하는 알고리즘의 연구가 활발히 진행되고 있다. 본 논문은 종단 간 학습 기반 공간적 스케일러블 압축 기술을 제안한다. 보다 구체적으로 본 논문은 신경망의 각 계층에서 하위 계층의 학습된 특징 (feature)을 융합하여 상위 계층으로 전달하는 다중 스케일 특징 융합 (multi-scale feature fusion) 모듈을 도입해 상위 계층이 더욱 풍부한 특징 정보를 학습하고 계층 사이의 특징 중복성을 더욱 잘 제거할 수 있도록 한다. 기존 방법 대비 향상 계층(enhancement layer)에서 1.37%의 BD-rate가 향상된 결과를 볼 수 있다.