• 한국컴퓨터정보학회논문지
• /
• 제17권2호
• /
• pp.177-185
• /
• 2012

본 연구는 일반적인 성능의 PC와 모바일 디바이스를 사용하여 다양한 동영상 데이터, 문서 데이터, 각종 카메라 디바이스로부터 입력되는 비디오 스트리밍 데이터와 오디오 스트리밍 데이터를 실시간에 가까운 빠른 시간 안에 효율적으로 편집하고 방송하는 기술을 개발하는 것을 목적으로 한다. 본 연구에서는 두 개의 알고리즘을 개발하였는 데, 입력되는 여러 가지 형태의 여러 개의 동영상을 실시간에 합성하기 위하여 대략적 최적화 방법과 메모리 큐를 이용한 순차적 합성 방법이다. 본 연구에서 개발한 시스템은 강사가 동영상 강의 콘텐츠를 제작할 때 모바일 기기 또는 PC를 사용할 수 있으므로 보다 비용 측면에서 효율적이며 유용하다. 본 연구에서 개발한 시스템은 교육 분야뿐 만 아니라 동영상 합성 및 편집이 필요한 다양한 분야에서 매우 유용하게 사용될 수 있으므로 응용 분야가 넓을 것으로 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제26권4호
• /
• pp.29-37
• /
• 2021

본 논문에서는 안저영상의 다중 스케일 정보를 다루기 위한 딥러닝 기반의 망막 혈관 분할 모델을 제안한다. 제안 모델은 이미지 분할 딥러닝 모델인 U-Net과 선택적 커널 합성곱을 통합한 합성곱 신경망으로 안저영상에서 눈과 관련된 질병을 진단하는데 중요한 정보가 되는 망막 혈관의 다양한 모양과 크기를 갖는 특징 정보를 추출하고 분할한다. 제안 모델은 일반적인 합성곱과 선택적 커널 합성곱으로 구성된다. 일반적인 합성곱 층은 같은 크기 커널 크기를 통해 정보를 추출하는 반면, 선택적 커널 합성곱은 다양한 커널 크기를 갖는 브랜치들에서 정보를 추출하고 이를 분할 주의집중을 통해 적응적으로 조정하여 결합한다. 제안 모델의 성능 평가를 위해 안저영상 데이터인 DRIVE와 CHASE DB1 데이터셋을 사용하였으며 제안 모델은 두 데이터셋에 대하여 F1 점수 기준 82.91%, 81.71%의 성능을 보여 망막 혈관 분할에 효과적임을 확인하였다.

• 응용통계연구
• /
• 제37권4호
• /
• pp.395-410
• /
• 2024

텍스트 데이터는 일반적으로 많은 다양한 단어들로 구성되어 있다. 평범한 텍스트 데이터의 경우에도 수만 개의 서로 다른 단어들을 포함하고 있는 경우를 흔히 관찰할 수 있으며 방대한 양의 텍스트 데이터에서는 수십만 개에 이르는 고유한 단어들이 포함되어 있는 경우도 있다. 텍스트 데이터를 전처리하여 문서-단어 행렬을 만드는 경우 고유한 단어를 하나의 변수로 간주하게 되는데 이렇게 많은 단어들을 각각 하나의 변수로 간주한다면 텍스트 데이터는 매우 많은 변수를 가진 데이터로 볼 수 있다. 한편, 텍스트 데이터의 분류 문제에서는 분류의 목표변수가 되는 범주의 비중에 큰 차이가 나는 불균형 데이터 문제를 자주 접하게 된다. 이렇게 범주의 비중에 큰 차이가 있는 불균형 데이터의 경우에는 일반적인 분류모형의 성능이 크게 저하될 수 있다는 사실이 잘 알려져 있다. 따라서 불균형 데이터에서의 분류 성능을 개선하기 위해 소수집단의 관측값들을 합성하여 소수집단에 포함되는 새로운 관측값을 생성하는 합성과표집기법(synthetic over-sampling technique; SMOTE) 등의 알고리즘을 적용할 수 있다. SMOTE는 k-최근접이웃(k-nearset neighbor; kNN) 알고리즘을 이용하여 새로운 합성 데이터를 생성하는데 텍스트 데이터와 같이 많은 변수를 가진 데이터의 경우에는 오차가 누적되어 kNN의 성능에 문제가 생길 수 있다. 이 논문에서는 변수선택을 통해 변수가 많은 불균형 텍스트 데이터를 오차가 축소된 공간에 표현하고 이 공간에서 새로운 합성 관측값을 생성하여 불균형 텍스트 데이터에서 소수 범주에 대한 SVM 분류모형의 예측 성능을 향상시키는 방법을 제안한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (3)
• /
• pp.34-36
• /
• 2001

상위 수준 합성 과정에서 스케줄링은 하드웨어 동작을 표현한 연산들이 주어진 제약 조건을 만족하며 최적의 제어단계에 배정되도록 하는 과정이며 스케줄 결과는 목적 하드웨어의 면적과 실행속도에 많은 영향을 준다. 파이프 라인은 순차적인 데이터 입력을 중첩 수행하여 실행 속도와 자원 이용률을 동시에 증가시키는 방법이다. 상위 수준에서 파이프라인 데이터 패스를 합성하기 위한 기존의 스케줄링 알고리즘들은 고정된 데이터 입력 간 격열을 기반으로 제안된 것이 대부분이며, 가변 데이터 입력 간격을 지원하는 스케줄링 알고리즘으로는 시간 제약 하의 자원최소화 알고리즘[5]이 제안되었다. 본 논문에서는 가변데이터 입력 간격을 지원하는 자원 제약하의 실행 시간 최소화 알고리즘을 제안한다. 이를 위해 연산의 스테이지 인덱스가 초기에 고정되는 시간제약하의 스케줄링 알고리즘[5]을 응용하여 자원제약하의 스케줄 진행과정에서 증가되는 제어단계에 따라 스테이지 인덱스가 변경 될 수 있도록 하고 점진적인 모빌리티 축소에 의해 스케줄한다. 제안된 스케줄링 알고리즘의 실험 결과는 다양한 자원제약과 입력 간격렬에 대하여 제약조건을 만족하는 효과적인 스케줄 결과를 유도한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.354-356
• /
• 2019

데이터 랭글링은 원시 데이터를 분석하기에 더 적합한 형태로 변환하는 프로세스를 말한다. 본 논문에서는 프로그램 합성 기술을 이용하여 테이블 데이터에 대하여 사용자의 의도를 만족하는 데이터 랭글링 프로그램을 자동 생성하는 방법을 제안한다. 제안하는 방법은 입/출력 테이블 예시를 명세로 받아 연산자 시퀸스를 탐색한다. 실험을 통해 제안하는 방법이 빠른 시간 안에 정확한 데이터 랭글링 프로그램을 학습할 수 있음을 보였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.239-240
• /
• 2020

마스크 쓴 얼굴에 대해 랜드마크 분석을 진행하기 위해서는 대량의 마스크가 착용된 얼굴 데이터셋이 필요하다. 본 논문에서는 공개된 얼굴 데이터셋에 자동으로 마스크를 합성하여 대량의 마스크를 착용한 얼굴 데이터셋을 생성하는 시스템을 제안한다. 마스크는 얼굴의 많은 부분을 가리는 물체이다. 따라서 마스크를 쓴 얼굴에 대해서는 일반적인 얼굴 데이터셋으로 학습된 landmark detector가 잘 작동하지 않는다. landmark detector가 잘 작동하게 하려면 마스크를 쓴 얼굴에 대해서 학습을 시켜야 한다. 그러나 현재 마스크를 쓴 얼굴 이미지와 풍부한 landmark 정보를 함께 가지고 있는 데이터셋이 존재하지 않기 때문에 학습에 어려움이 있다. 이 문제를 해결하기 위해 마스크 얼굴 이미지 데이터셋을 만들어내는 방법을 제안하고 마스크를 착용한 얼굴에도 잘 작동하는 랜드마크 검출기를 학습시켜 그 효용을 입증하였다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2006년도 학술대회 1부
• /
• pp.69-74
• /
• 2006

가상환경의 실시간 운동감을 제공하는 차량 시뮬레이터 기술에 있어, 그 현실성 제고를 위한 다양한 연구가 수행되어 왔으며, 최근에는 실제 대상의 운동감을 기록하고 이를 재생하는, 데이터기반 운동감 생성 시스템이 개발되었다. 이 방법은 실제 운동감을 제공하므로, 현실성 확보가 용이하나, 사용자와의 상호 작용이 없는 단순한 가상 컨텐츠의 제공 단계에 머물고 있다. 본 연구에서는, 컴퓨터 그래픽스 분야에서 활발히 연구되고 있는, 모션 캡쳐 데이터의 가공 및 합성 기술을 차량 시뮬레이터 구동 과정에 도입하여, 제어가 가능한, 실 데이터 기반 운동감을 생성하는, 새로운 방법을 제안하고자 한다. 이 방법은, 실제 차량의 운동데이터를 획득하고, 적절한 형태의 데이터 구조(운동감 조각)로 변환하여 데이터베이스에 저장하며, 실시간 시뮬레이션 시, 최적의 운동감 조각을 검색하고 합성하여 운동감 스트림을 제공하는 방법으로서, 현재의 시뮬레이션 상태 및 사용자의 요구 사항을 매개변수화 하여, 현실과 가장 가까운 운동감 생성방법을 제공한다. 또한, 차량 운동감 생성 시스템의 개발 및 모션 베이스 구동 실험을 통해, 제안한 방법에 의한 운동감의 현실성 제고 방안에 대해 소개하고자 한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 하계학술대회
• /
• pp.150-152
• /
• 2019

본 논문에서는 기존의 연구를 극복하여 단일 영상이 아닌 단안 비디오로부터 5D 라이트필드 영상을 합성하는 딥러닝 프레임워크를 제안한다. 현재 일반적으로 사용 가능한 Lytro Illum 카메라 등은 초당 3프레임의 비디오만을 취득할 수 있기 때문에 학습용 데이터로 사용하기에 어려움이 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 가상 환경 데이터를 구성하며 이를 위해 UnrealCV를 활용하여 사실적 그래픽 렌더링에 의한 데이터를 취득하고 이를 학습에 사용한다. 제안하는 딥러닝 프레임워크는 두 개의 입력 단안 비디오에서 $5{\times}5$의 각 SAI(sub-aperture image)를 갖는 라이트필드 비디오를 합성한다. 제안하는 네트워크는 luminance 영상으로 변환된 입력 영상으로부터 appearance flow를 추측하는 플로우 추측 네트워크(flow estimation network), appearance flow로부터 얻어진 두 개의 라이트필드 비디오 프레임 간의 optical flow를 추측하는 광학 플로우 추측 네트워크(optical flow estimation network)로 구성되어있다.

• 정보화연구
• /
• 제9권3호
• /
• pp.253-263
• /
• 2012

본 논문은 분산 시스템에서의 표준합성환경 기반 수중 교전 시뮬레이션을 위한 방법론이다. 수중 교전 시뮬레이션의 경우 염분과 수온 등의 수중 환경 데이터를 시뮬레이션에 반영하는 것이 중요하다. 분산 시뮬레이션 시스템에서 이러한 환경 데이터의 재사용성과 상호운용성 향상을 위해 합성 환경 표현 및 교환 표준(Synthetic Environmental Data Representation and Interchange Specification, SEDRIS(ISO standard for environmental data))이 개발되었고, 본 논문에서는 SEDRIS를 활용하여 수중 합성환경을 구축한다. 본 논문을 통해 SEDRIS가 합성환경 데이터의 국제 표준이지만 그 방대함과 복잡함으로 인하여 사용이 저해된 문제점을 대기/해양 환경에 대해 효율적인 SEDRIS 기술 활용 방법을 제시하여 해결한다. 본 논문의 최종 목적은 대기/해양 환경 표현을 위한 다차원 격자 기반의 SEDRIS 구조를 구축하고, High Level Architecture (HLA)/Run-Time Infrastructure (RTI) 기반의 분산 시스템에서 대기/해양 합성전장환경 구축에 SEDRIS 적용 방법을 제시한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권9호
• /
• pp.371-380
• /
• 2022

합성곱 신경망은 이미지와 같은 격자 형태로 배열된 데이터를 다루는데 널리 사용되고 있는 신경망이다. 일반적인 합성곱 신경망은 합성곱층과 완전연결층으로 구성되며 각 층은 비선형활성함수를 포함하고 있다. 본 논문은 합성곱 신경망의 성능을 향상시키기 위해 결합된 파라메트릭 활성함수를 제안한다. 결합된 파라메트릭 활성함수는 활성함수의 크기와 위치를 변환시키는 파라미터를 적용한 파라메트릭 활성함수들을 여러 번 더하여 만들어진다. 여러 개의 크기, 위치를 변환하는 파라미터에 따라 다양한 비선형간격을 만들 수 있으며, 파라미터는 주어진 입력데이터에 의해 계산된 손실함수를 최소화하는 방향으로 학습할 수 있다. 결합된 파라메트릭 활성함수를 사용한 합성곱 신경망의 성능을 MNIST, Fashion MNIST, CIFAR10 그리고 CIFAR100 분류문제에 대해 실험한 결과, 다른 활성함수들보다 우수한 성능을 가짐을 확인하였다.