• Clinics in Shoulder and Elbow
• /
• v.16 no.1
• /
• pp.58-62
• /
• 2013

Purpose: Among the numerous clinical researches and following articles, there are few cases that apply proper methodology, which guarantees high reliability. By understanding the right concept and randomization of proper methods, research bias could be minimized. Materials and Methods: By reviewing the recently published articles about randomization, the basic concept and the necessity of applying the technique was described. Then proper methodologies for good randomization such as simple randomization, permuted-block randomization, and stratification were briefly introduced with examples. Results and Conclusion: Randomization lowers the possibility of bias and leads to higher reliability in clinical research. To obtain more reliable research results, understanding the right concept and proposition of proper methodologies of randomization is essential for researchers.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.796-798
• /
• 2004

continuous n-tuple 알고리즘은 tuple의 무작위적 추출을 기본으로 한다. 무작위적 추출의 여러 가지 장점을 감안하더라도, 무작위적 추출을 통한 인식의 성능은 가변성물 가지게 된다. 그리고 무작위적 추출은 의미 있는 정보의 선택이 불가능하다는 단점을 가진다. 본 논문에서는 무작위적 추출이 가지는 설러 가지 약점을 보완하기 위해서, 유전 알고리즘을 이용하여 얼굴인식에 효과적인 tuple을 선택하여 사용하였다. 유전 알고리즘을 이용함으로서 얼굴 인식에 효과적이지 않은 tuple의 필터링 효과를 기대할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.915-918
• /
• 2004

얼굴 인식을 위한 명도값 매칭 알고리즘들 중에서도 Continuous n-tuple classifier는 tuple의 무작위적 추출을 기본으로 하여 만들어 졌다. 무작위적 추출은 단순성과 빠른 속도 등의 장점에 반해 인식의 성능의 가변성을 단점으로 갖는다. 그리고 학습 데이터 추출 방법의 변화에 따른 인식률 변화라는 문제점이 있다. 본 논문에서는 무작위적 추출이 가지는 여러 가지 약점을 보완하기 위해서, 유전 알고리즘을 이용하여 얼굴 인식에 효과적인 tuple을 선택하여 사용하였다. 유전 알고리즘을 이용함으로서 얼굴 인식에 효과적인 tuple의 필터링 효과를 기대할 수 있다. 또한 학습 데이터 추출 방법의 변화에 따른 인식 성능의 향상을 확인할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.318-321
• /
• 2021

최근 정보통신의 발달과 함께 인터넷에 접속하는 사용자 수와 그에 따른 비디오 데이터의 전송량이 늘어나는 추세이다. 이렇게 늘어나는 많은 비디오 데이터를 관리하고 분석하기 위해서 최근에는 딥 러닝 기법을 많이 활용하게 된다. 일반적으로 비디오 데이터에 딥 러닝 모델을 학습할 때 컴퓨터 자원의 한계로 인해 전체 비디오 프레임에서 균등한 간격 또는 무작위로 프레임을 선택하는 방법을 많이 사용한다. 하지만 학습에 사용되는 비디오 데이터는 항상 시간 축에 따라 같은 문맥을 담고 있는 Trimmed 비디오라고 가정할 수가 없다. 만약 같지 않은 문맥을 지닌 Untrimmed 비디오에서 균등한 간격 또는 무작위로 프레임을 선택해서 사용하게 된다면 비디오의 범주와 관련이 없는 프레임이 샘플링 될 가능성이 있기 때문에 모델의 학습 및 최적화에 전혀 도움이 되지 않는다. 이를 해결하기 위해 우리는 각 비디오 프레임에서 심층 특징을 추출하여 평균값을 계산하고 이와 각 추출된 심층특징들과 코사인 유사도를 계산해서 얻은 유사도 점수를 바탕으로 Untrimmed 비디오에서 의미 있는 비디오 프레임을 추출하는 기법을 제안한다. 그리고 Untrimmed 비디오로 구성된 데이터셋으로 유명한 ActivityNet 데이터셋에 대해서 대표적인 2가지 프레임 샘플링 방식(균등한 간격, 무작위)과 비교하여 우리가 제안하는 기법이 Untrimmed 비디오에서 효과적으로 비디오의 범주에 해당하는 의미 있는 프레임 추출이 가능함을 보일 것이다. 우리가 실험에 사용한 코드는 https://github.com/titania7777/VideoFrameSampler에서 확인할 수 있다.

• The Journal of the Korea Contents Association
• /
• v.16 no.9
• /
• pp.451-459
• /
• 2016

While an object detection algorithm plays a key role in many computer vision applications, it requires extensive computation to show robustness under varying lightning and geometrical distortions. Recently, some approaches formulate the problem in a classification framework and show improved performances in object recognition. Among them, random fern algorithm drew a lot of attention because of its simple structure and high recognition rates. However, it reveals performance degradation under the illumination changes and noise addition, since it computes patch features based only on pixel intensities. In this paper, we propose a new structure of combined random fern which incorporates depth information into the conventional random fern reflecting 3D structure of the patch. In addition, a new structure of object tracker which exploits the combined random fern is also introduced. Experiments show that the proposed method provides superior performance of object detection under illumination change and noisy condition compared to the conventional methods.

• Journal of Convergence for Information Technology
• /
• v.7 no.3
• /
• pp.73-81
• /
• 2017

The generalized Hough transform (GHough) is a useful technique for detecting and locating 2-D model. However, GHough requires a 4-D parameter array and a large amount of time to detect objects of unknown scale and orientation because it enumerates all possible parameter values into a 4-D parameter space. Several n-to-1 mapping algorithms were proposed to reduce the parameter space from 4-D to 2-D. However, these algorithms are very likely to fail due to the random votes cast into the 2-D parameter space. This paper proposes to use internal gradient information in addition to the model boundary points to reduce the number of random votes cast into 2-D parameter space. Experimental result shows that our proposed method can reduce both the number of random votes cast into the parameter space and the execution time effectively.

• Proceedings of the Korean Society for Information Management Conference
• /
• 1998.08a
• /
• pp.227-230
• /
• 1998

문헌정보학분야의 용어사전을 이용한 자동시소러스 구축을 위한 첫단계로$\ulcorner$문헌정보학 용어사전$\lrcorner$ MRD를 구성하고 이를 이용하여 상위어 자동 추출알고리즘을 개발하였다. MRD구성시 전처리과정을 통하여 상위어 추출에 불필요한 정보가 수록되는 것을 방지하였다. 상위어 추출을 위한 알고리즘 개발은 무작위 표본추출을 통하여 $\ulcorner$문헌정보학 용어사전$\lrcorner$에 기술된 문장의 구문적 특성을 분석한 후, 이 구문정보를 이용하여 수행하였다. 본 연구에서 제시된 알고리즘의 효율성 평가결과 89.4%의 정확도를 보였다.

• Journal of Pharmacopuncture
• /
• v.6 no.1
• /
• pp.14-15
• /
• 2003

중의학은 서양의 의료 다원주의의 한 부분이 되었다. 특히 침과 같이 서양의 개념과는 분명히 다른 의료 기법에 있어서는 두드러진다. 그밖에 뜸, 안마, 기공, 중약 및 복합 처방들도 있다. 서양에서 전문직업인화는 보건의료 관련분야에서 중심적인 인력양성 방법이 되었다. 이는 대학이 기반을 다진 중세까지 거슬러 올라가는데, 19세기에는 법인들이 전문직업인 모임으로 바뀌어 가면서 개인적 환경을 변화시키고 직업의 체계를 개발하였다. 변호사, 교사, 사제, 의사가 그 예이다. 의료에 있어서 학교교육을 통해 수련된 의사들이 조산사나 안마사들을 지배하게 되었는데 이런 경향은 1950-60년대에 극에 달한다. 그러다가 이들의 지배는 대중매체, 환자, 다른 주변 의료 보조인력들에 의해 도전을 받는다. 이와 비슷한 양상을 이단적인 의료에서도 관찰할 수 있다. 전문직업인의 우세와 시점이 비슷한 생물의학의 우월적 지배는 많은 다양한 의료에 의해 도전을 받는다. 그러나 생물의학의 우월함의 약세가 시술자들의 전문직업인화 까지를 포함하지는 않았다. 실제로 침술과 같은 치료술들을 전문직업인인 의사나 의사가 아닌 시술자들이 함께 쓰고 있기 때문이다. 이는 직능간의 분쟁을 야기할 가능성이 높다. 이단적 개념을 기존 의료계로 통합하는 것이 전문직업인들인 의사들의 노력으로 이해되었다. 이 견해는 두 가지 문제를 내포하고 있는데, 첫째 의사들을 단일한 속성으로 보고 있다는 것인데, 실제로 현대의학을 배우고 가르치는 나라들 사이에도 매우 다양한 차이가 있음을 간과하고 있다. 둘째로 의료인이 아닌 시술자들도 다양한 분야로 통합되었는데, 통합은 어쩌면 하급의 전문인들의 노력의 결과로 설명되어야 하는 것이 더 알맞을 수 있다. 그러나 이들도 전문직업인의 조직구조를 가져야 만 하고, 그렇지 않으면 파편으로 남을 것이다. 전문직업인주의는 언제나 과학과 연계하고 있는데, 독일 정부와 직업인 조직은 의료과학 집단에게 이단적 시술들의 임상효과를 검증하게 하였다. 이것은 이단 의료계에 우호적인 단체나 적대적인 단체 모두에게 적용되었다. 매우 강한 힘을 가진 냉소적인 조직 가운데 하나는 National Committee of SHI-Physicians and Sickness Funds(Bundesausschuss der Arzte und Krankenkassen).2 인데, 2001년에, 이 단체에서 출판한 자료에는 침의 효용성은 침을 시술하는 사람에 달린 것 일뿐 시술자의 수련이나 침 시술의 배경 개념에 달려있는 것이 아니다. 그러므로 침은 무작위 표본추출 대조군 실험을 통해 효과를 검증받지 못한 다른 치료법들의 범주에 머물러 있다.(cf. Bundesausschuss 2001: 8). 1990년대, 무작위 표본추출 대조군 실험은 생물의학이 아닌 의료의 효과를 검증하는데 알맞지 않고 비윤리적이라고 강한 비판을 받았다. 한편 1995년에 WHO는 침의 유효성 평가를 위해 이 실험기법을 추천하며, 이어 2001년에, the International Council of Medical Acupuncture and Related Techniques(ICMART)는 침연구와 시술을 위한 헌장(Acupuncture Charter Berlin an Evidence Based Medicine (EBM)3 for acupuncture)을 채택 공표한다. 독일 보험 회사들도 침의 효과와 효율성을 검증하기 위해 대규모 실험을 시작했다. 100,000 명이 넘는 환자들이 무작위 표본추출 대조군 실험을 통해 평가되고 있는데 이 실험은 병원이나 일차의료기관의 외래에서 진행되고 있다. 영국에서는 이 분야의 유력한 Edzard Ernst가 위의 개념과 비슷한 구도를 설정 공표하는데 보완의학 분야의 많은 다른 전문가들의 견해를 무릎 쓰고, 그는 증거기반 의학에 대한 그의 신념을 표방한다. "무작위 표본추출 대조군 실험이 보환의학 분야의 시술을 검증하기 위한 알맞은 방법이 아니라고 끝없이 주장하지만 우리는 거의 모든 치료법을 포괄하는 분야에 이들 실험을 발견하였으니, 이는 보완의학도 엄정한 방법으로 검증할 수 있다는 것을 보여준다고 할 수 있다."(Ernst et al. 2001: xiii). 적어도 독일에서 진행중인 효과 검증 연구가 향후 아시아 의학의 기반 마련에 중요한 역할을 하게 될 것이다. 영국에서는 이에 대한 정치적 수렴이 전문 직업인화에 달려 있을 것이다. 여기에서 나는 아시아에서 유래한 의료의 서양에서 어떻게 사회학적 관찰의 대상으로 분류되고 정의되는지 소개하고자 한다.

• Annual Conference on Human and Language Technology
• /
• 2015.10a
• /
• pp.133-136
• /
• 2015

문서 교정기에서 문맥의존 철자오류를 교정하는 방법은 크게 규칙을 이용한 방법과 통계 정보를 이용한 방법으로 나뉜다. 한국어와 달리 영어는 오래전부터 통계 모형에 기반을 둔 문맥의존 철자오류 교정 연구가 활발히 이루어졌다. 그러나 대부분 연구가 문맥의존 철자오류 교정 문제를 특정 어휘 쌍을 이용한 분류 문제로 간주하기 때문에 실제 응용에는 한계가 있다. 또한, 대규모 말뭉치에서 추출한 통계 정보를 이용하지만, 통계 정보 자체에 오류가 있을 경우를 고려하지 않았다. 본 논문에서는 텍스트에 포함된 모든 단어에 대하여 문맥의존 철자오류 여부를 판단하고, 해당 단어가 오류일 경우 대치어를 제시하는 영어 문맥의존 철자오류 교정 기법을 제안한다. 또한, 통계 정보의 오류가 문맥의존 철자오류 교정에 미치는 영향과 오류 발생률의 변화가 철자오류 검색과 교정의 정확도와 재현율에 미치는 영향을 분석한다. 구글 웹데이터에서 추출한 통계 정보를 바탕으로 통계 모형을 구성하고 평가를 위해 브라운 말뭉치에서 무작위로 2,000문장을 추출하여 무작위로 문맥의존 철자오류를 생성하였다. 실험결과, 문맥의존 철자오류 검색의 정확도와 재현율은 각각 98.72%, 95.79%였으며, 문맥의존 철자오류 교정의 정확도와 재현률은 각각 71.94%, 69.81%였다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.51 no.11
• /
• pp.174-180
• /
• 2014

In this paper, we propose the random pixel sampling technique to solve the high computational complexity in the perceptual SSIM-based backlight dimming. Specifically, the proposed algorithm selects pixels in a total frame considering the pre-defined number, and generates the block by combining these pixels. Then, it estimates parameters, which are required in the SSIM calculation, in the combined block, and hence, it can reduce the computation time significantly. In the experimental results, the proposed algorithm reduced the average power consumption and computation time by up to 38.1776 % and 99.5828 %, respectively while preserving the average SSIM., compared with the conventional algorithm.