• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.197-198
• /
• 2018

본 논문에서는 산업 IoT (IIoT) 환경에서 생산 설비 내 각 센서 노드의 데이터 이상 여부를 게이트웨이에서 판단하는 Emergency node 선정 모델을 제안하였다. 이 모델은 IIoT 환경이 적용된 생산 설비의 Emergency 상태 즉, 이상 동작으로 인한 온도, 진동 데이터 등의 비정상적인 수집을 구분하여 즉각적으로 대응할 수 있도록 하는 것을 목표로 한다. 본 논문에서는 분할 선형 회귀를 통하여 주기 내 데이터의 허용 범위를 계산하여 기존의 Threshold 방식보다 정확하고 범용적으로 Emergency node를 분류한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04a
• /
• pp.265-268
• /
• 2002

얼굴은 성별, 나이, 인종에 따라 다양한 특징을 가지고 있어서 개개인을 구별하기가 쉽고 내적인 상태를 쉽게 볼 수 있는 중요한 도구로 여겨지고 있다. 본 논문은 얼굴표정 애니메이션을 위한 효과적인 방법으로 실제얼굴의 피부조직 얼굴 근육 등 해부학적 구조에 기반한 근육기반모델링을 이용하는 방법을 소개하고자 한다. 제안하는 시스템의 구성은 얼굴 와이어프레임 구성과 폴리곤 메쉬분할 단계, 얼굴에 필요한 근육을 적용시키는 단계, 근육의 움직임에 따른 얼굴 표정생성단계로 이루어진다. 와이어프레임 구성과 폴리곤 메쉬 분할 단계에서는 얼굴모델을 Water[1]가 제안한 얼굴을 기반으로 하였고, 하나의 폴리곤 메쉬를 4등분으로 분할하여 부드러운 3D 얼굴모델을 보여준다. 다음 단계는 얼굴 표정생성에 필요한 근육을 30 개로 만들어 실제로 표정을 지을 때 많이 쓰는 부위에 적용시킨다. 그 다음으로 표정생성단계는 FACS 에서 제안한 Action Unit 을 조합하고 얼굴표정에 따라 필요한 근육의 강도를 조절하여 더 자연스럽고 실제감 있는 얼굴표정 애니메이션을 보여준다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.481-484
• /
• 2024

본 논문에서는 레고(LEGO®) 조립 설명서를 생성하기 위해 딥러닝을 이용한 조립 및 설명서 생성 시스템을 제안한다. 이 시스템은 사용자가 제공한 단일 이미지를 기반으로 레고 조립 설명서를 자동 생성한다. 해당 시스템은 딥러닝 기반 이미지 분할 기술을 활용하여 물체를 배경으로부터 분리하고 이를 통해 조립 설명서를 생성하는 과정을 포함하며, 조립을 위한 알고리즘을 새로 설계하였다. 이 시스템은 기존 레고 제품의 한계를 극복하고, 사용자에게 주어진 부품으로 다양한 모델을 자유롭게 조립할 수 있게 한다. 또한, 복잡한 레고 조립 과정을 간소화하고, 조립의 장벽을 낮추는 데 도움을 준다.

• Smart Media Journal
• /
• v.13 no.2
• /
• pp.52-61
• /
• 2024

In the shipyard, aerial images are acquired at regular intervals using Unmanned Aerial Vehicles (UAVs) for the management of external storage yards. These images are then investigated by humans to manage the status of the storage yards. This method requires a significant amount of time and manpower especially for large areas. In this paper, we propose an automated management technology based on a semantic segmentation foundation model to address these challenges and accurately assess the status of external storage yards. In addition, as there is insufficient publicly available dataset for external storage yards, we collected a small-scale dataset for external storage yards objects and equipment. Using this dataset, we fine-tune an object detector and extract initial object candidates. They are utilized as prompts for the Segment Anything Model(SAM) to obtain precise semantic segmentation results. Furthermore, to facilitate continuous storage yards dataset collection, we propose a training data generation pipeline using SAM. Our proposed method has achieved 4.00%p higher performance compared to those of previous semantic segmentation methods on average. Specifically, our method has achieved 5.08% higher performance than that of SegFormer.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.290-293
• /
• 2003

다중 물체 추적은 움직이는 물체를 추출하고 검출된 정보와 물체 정보를 이용하여 움직임 궤도률 추적하는 것이다. 따라서 정확한 움직임 추적이 수행되려면 효율적인 물체의 추출이 선행 되어 져야 한다. 일반적으로 영상 분할 알고리즘은 다양한 증류의 영상에 대한 물체의 수학적 모델이 찌대로 설정되어 있지 않기 때문에 물체를 정확하게 분리해 내기 어렵다. 그러나 물체의 추출에 주로 처리 속도가 빠른 배경영상을 이용한 차(difference) 영상 기법과 반 자동 영상분할인 Snake Model이 갖는 Active Contour 알고리즘과 같이 물체 추출 과정에서 물체의 정의니 semantic 정보를 부여 한다면 개선된 영상 분할의 결과를 얻을 수 있다. 따라서 차 영상 기법과 semantic 정보를 가진 영상분할 알고리즘은 동영상에서 움직임 물체의 VOP(Video Object Plane)를 생성하는 매우 현실적인 방법이다. 본 논문에서는 영상의 상위 레벨Semantic 정보를 이용하기 위해 변형 Snake Model를 이용한 영상분할 방법을 이용하여 영상을 추출한다. 추출된 물체는 윤곽선(곡선) 정보와 함께 에지 성분의 기울기에서 얻은 특징 점을 이용하여 물체를 추적해 나간다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.221-222
• /
• 2022

본 논문에서는 모발 정밀검사(Phototrichogram)를 통해 일정 간격을 두고 촬영된 환자의 모발 두피 사진을 이용하여 머리카락 검출 및 머리카락의 개수 변화 추이에 따른 환자의 탈모 진단에 도움을 줄 방법을 제안하였다. 모발 정밀검사를 진행하여 촬영된 환자의 모발 사진으로부터 딥러닝 기반의 영상 분할 기법(Image Segmentation)의 하나인 DetectoRS 모델을 활용하여 머리카락을 자동 검출한다. 실험 결과 DetectoRS 모델의 분할 성능은 74.74%로 효과적으로 머리카락을 검출하였음을 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.485-487
• /
• 2023

컴퓨터 비전의 하위 태스크(Task)인 의미론적 분할(Semantic Segmentation)은 자율주행, 해상에서 선박찾기 등 다양한 분야에서 연구되고 있다. 기존 FCN(Fully Conovlutional Networks) 기반 의미론적 분할 모델은 다운샘플링(Dowsnsampling)과정에서 공간정보의 손실이 발생하여 정확도가 하락했다. 본 논문에서는 공간정보 손실을 완화하고자 PSA(Polarized Self-attention)의 공간정보 강조 모듈을 HRNet(High-resolution Networks)의 합성곱 블록 사이에 추가한다. 실험결과 파라미터는 3.1M, GFLOPs는 3.2G 증가했으나 mIoU는 0.26% 증가했다. 공간정보가 의미론적 분할 정확도에 영향이 미치는 것을 확인했다.

• Tunnel and Underground Space
• /
• v.33 no.6
• /
• pp.508-518
• /
• 2023

This paper presents a new approach for the automatic mapping of discontinuities in a tunnel face based on its 3D digital model reconstructed by LiDAR scan or photogrammetry techniques. The main idea revolves around the identification of discontinuity areas in the 3D digital model of a tunnel face by segmenting its 2D projected images using a deep-learning semantic segmentation model called U-Net. The proposed deep learning model integrates various features including the projected RGB image, depth map image, and local surface properties-based images i.e., normal vector and curvature images to effectively segment areas of discontinuity in the images. Subsequently, the segmentation results are projected back onto the 3D model using depth maps and projection matrices to obtain an accurate representation of the location and extent of discontinuities within the 3D space. The performance of the segmentation model is evaluated by comparing the segmented results with their corresponding ground truths, which demonstrates the high accuracy of segmentation results with the intersection-over-union metric of approximately 0.8. Despite still being limited in training data, this method exhibits promising potential to address the limitations of conventional approaches, which only rely on normal vectors and unsupervised machine learning algorithms for grouping points in the 3D model into distinct sets of discontinuities.

• Journal of Educational Research in Mathematics
• /
• v.17 no.2
• /
• pp.147-162
• /
• 2007

This paper reports an analysis of 19 Chinese and Korean middles school mathematics teachers' understanding of division by fractions. The study analyzes the teachers' responses to the teaching task of generating a real-world situation representing the meaning of division by fractions. The findings of this study suggests that the teachers' conceptual models of division are dominated by the partitive model of division with whole numbers as equal sharing. The dominance of partitive model of division constraints the teachers' ability to generate real-world representations of the meaning of division by fractions, such that they are able to teach only the rule-based algorithm (invert-and-multiply) for handling division by fractions.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2013.05a
• /
• pp.801-804
• /
• 2013

We propose a new tongue examination model according to the taste division of tongue. The proposed sytem consists of image acquisition, region segmentation, color distribution analysis and abnormality decision of tongue. Tongue DB which is classified into abnormality is constructed with tongue images captured from oriental medicine hospital inpatients. We divided 4 basic taste(bitter, sweet, salty and sour) regions and performed color distribution analysis targeting each region under HSI(Hue Saturation Intensity) color model. To minimize the influence of illumination, the histograms of H and S components only except I are utilized. The abnormality of taste regions each by comparing the proposed diagnosis model with diagnosis results by a doctor of oriental medicine. We confirmed the 87.5% of classification results of abnormality by proposed algorithm is coincide with the doctor's results.