• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.20 no.8
• /
• pp.1537-1545
• /
• 2016

In real time video sequence, object segmentation and tracking method are actively applied in various application tasks, such as surveillance system, mobile robots, augmented reality. This paper propose a robust object tracking method. The background models are constructed by learning the initial part of each video sequences. After that, the moving objects are detected via object segmentation by using background subtraction method. The region of detected objects are continuously tracked by using the HSV color histogram with particle filter. The proposed segmentation method is superior to average background model in term of moving object detection. In addition, the proposed tracking method provide a continuous tracking result even in the case that multiple objects are existed with similar color, and severe occlusion are occurred with multiple objects. The experiment results provided with 85.9 % of average object overlapping rate and 96.3% of average object tracking rate using two video sequences.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.36-38
• /
• 1999

이동 에이전트 시스템의 응용 분야가 점점 넓어지고, 사용자가 좀 더 강력한 에이전트를 요구함에 따라 이동 에이전트의 협력 작업이 필요하게 되었다. 그러나 기존의 에이전트 협력 방법인 주(master)-종(slave) 구조는 빈번한 원격 통신으로 인한 네트워크 오버헤드, 주 에이전트에의 과도한 부하 등의 단점을 가지고 있다. 본 논문에서는 이러한 단점을 보완하기 위해 기능 분할(function division)을 통한 에이전트 그룹 협력 모델을 제시한다. 이 모델은 주 에이전트와 종 에이전트의 기능을 나누어 에이전트 프로그램 개발, 관리의 용이, 네트워크 트래픽 감소, 네트워크 병목현상 해결, 네트워크 오버헤드 감소 등의 효과를 가져온다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.850-852
• /
• 2005

본 논문에서는 교통 영상에서 실시간으로 차량을 검출하는 새로운 기법을 소개한다. 차량의 검출을 위하여 구배도의 방향 정보를 사용하며 차량 영역의 정확한 분할을 위하여 은닉 마르코프 모델을 사용한다. 구배도 방향정보를 이용하므로 그림자 영역의 영향을 줄일 수 있으며 은닉 마르코프 모델을 이용하므로 배경과 비슷한 차량과 근접한 차량의 분리가 가능하다. 따라서 저해상도의 교 통 영상에서 다양한 기상 조건, 그림자의 존재와 교통 상황에 강건한 검출 결과를 나타낸다.

• Journal of KIISE
• /
• v.43 no.7
• /
• pp.812-819
• /
• 2016

This paper introduces and analyzes the theoretical basis and method of the conventional initial-value assignment problem and feasibility of image segmentation. The paper presents topological evidence and a method of appropriate initial-value assignment based on topology theory. Subsequently, the paper shows minimum conditions for feasibility of image segmentation based on separation axiom theory of topology and a validation method of effectiveness for image modeling. As a summary, this paper shows image segmentation with its mathematical validity based on topological analysis rather than statistical analysis. Finally, the paper applies the theory and methods to conventional Gaussian random field model and examines effectiveness of GRF modeling.

• Convergence Security Journal
• /
• v.21 no.3
• /
• pp.49-56
• /
• 2021

Recently, artificial intelligence is regarded as an essential technology in our society. In particular, the invasion of privacy in artificial intelligence has become a serious problem in modern society. Split learning, proposed at MIT in 2019 for privacy protection, is a type of federated learning technique that does not share any raw data. In this study, we studied a safe and accurate segmentation learning model using known differential privacy to safely manage data. In addition, we trained SVHN and GTSRB on a split learning model to which 15 different types of differential privacy are applied, and checked whether the learning is stable. By conducting a learning data extraction attack, a differential privacy budget that prevents attacks is quantitatively derived through MSE.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.229-231
• /
• 2003

일반적으로 음성은 시간함수로 표현되며 음성인식에서 표준모델을 모델링하는 것은 매우 중요한 문제이다. 음절 단어, 연속음성을 발성할 때 자음과 모음에 따라 발성시간에 차이가 있으며 이를 잘 모델링하는 것 또한 음성인식에서는 중요한 문제라고 할 수 있다. 따라서 본 연구에서는 강건한 음향모델을 학습하기 위해 시간의 변화와 상태분할과정에서의 모델의 변화를 고려하여 다양한 구조의 초기모델을 작성하였다. 각 초기모델에 의한 HM-Net 문맥의존 음향모델은 음소결정트리 기반 SSS 알고리즘(PDT-SSS)을 이용하였다. PDT-SSS 알고리즘은 미지의 문맥정보를 해결하기 위해 문맥방향과 시간방향으로 목표 상태수에 도달할 때까지 상태분할을 수행하여 모델을 작성하는 방법이다. 음성의 시간변이를 고려한 강건한 문맥의존 음향모델을 작성하기 위해 설정한 각 모델의 구조에 대한 유효성을 확인하기 위해 국어공학센터의 452 단어를 대상으로 음소와 단어인식 실험을 수행한 결과. 음소인식의 경우 상태수 2000개에서 2상태 구조의 모델에 비해 4상태 구조가 약 11.4% 향상된 인식성능과 39.2초의 인식시간을 단축할 수 있었다. 또한 단어인식의 경우 상태수 2000개에서 1상태 구조의 모델에 비해 4상태 구조가 약 5% 향상된 인식성능과 4상태 구조에서 한 단어를 인식하는데 평균 0.8초가 소요되었다. 따라서 강건한 문맥의존 음향모델을 작성하기 위해 수행한 초기모델의 구조에 관한 연구가 향후 음성인식 시스템을 구축하는데 유효함을 확인할 수 있었다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.9 no.8
• /
• pp.1625-1631
• /
• 2005

This paper describes an optimization of a language model and an acoustic model that improve the ability of speech recognition with Korean nit digit. Recognition errors of the language model are decreasing by analysis of the grammatical feature of korean unit digits, and then is made up of fsn-node with a disyllable. Acoustic model make use of demi-syllable pair to decrease recognition errors by inaccuracy division of a phone, a syllable because of a monosyllable, a short pronunciation and an articulation. we have used the k-means clustering algorithm with the transformed successive state splining in feature level for the efficient modelling of the feature of recognition unit . As a result of experimentations, $10.5\%$ recognition rate is raised in the case of the proposed language model. The demi-syllable pair with an acoustic model increased $12.5\%$ recognition rate and $1.5\%$ recognition rate is improved in transformed successive state splitting.

• Annual Conference on Human and Language Technology
• /
• 2017.10a
• /
• pp.3-7
• /
• 2017

지식베이스의 목표는 세상의 모든 지식을 데이터베이스화 하는 것이지만 지식 획득 능력의 부족으로 항상 지식 부족 문제에 시달린다. 지식 획득은 주로 웹 상에 있는 자연언어문장을 지식화 하는 외부적인 지식 획득을 통해 이루어지지만, 지식베이스 내부에서 지식을 확장해 나가는 방법에 대해서는 연구가 소홀히 이루어지고 있다. 따라서 본 논문에서는 내부적인 지식 획득을 위한 지식베이스 행렬 분해 모델을 소개한다. 본 논문에서 소개하는 방법은 지식베이스를 행렬로 변환한 뒤 행렬 분해 모델을 통해 새로운 지식에 대한 신뢰도를 점수화하는 방법이다. 본 논문에서 소개한 방법의 우수성과 실효성을 입증하기 위해 한국어 지식베이스인 한국어 디비피디아(2016-10)를 대상으로 본 모델의 정확도 측정 실험 결과를 소개한다.

• 한국어정보학회:학술대회논문집
• /
• 2017.10a
• /
• pp.3-7
• /
• 2017

지식베이스의 목표는 세상의 모든 지식을 데이터베이스화 하는 것이지만 지식 획득 능력의 부족으로 항상 지식 부족 문제에 시달린다. 지식 획득은 주로 웹 상에 있는 자연언어문장을 지식화 하는 외부적인 지식 획득을 통해 이루어지지만, 지식베이스 내부에서 지식을 확장해 나가는 방법에 대해서는 연구가 소홀히 이루어지고 있다. 따라서 본 논문에서는 내부적인 지식 획득을 위한 지식베이스 행렬 분해 모델을 소개한다. 본 논문에서 소개하는 방법은 지식베이스를 행렬로 변환한 뒤 행렬 분해 모델을 통해 새로운 지식에 대한 신뢰도를 점수화하는 방법이다. 본 논문에서 소개한 방법의 우수성과 실효성을 입증하기 위해 한국어 지식베이스인 한국어 디비피디아(2016-10)를 대상으로 본 모델의 정확도 측정 실험 결과를 소개한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.215-218
• /
• 2002

영상 내에 존재하는 객체를 배경에서 분리해내는 영상분할에 대한 연구는 일반적으로 픽셀중심, 에지기반, 영역기반 그리고 모델기반의 영역에서 이루어져왔다. Active Contour 모델은 객체를 영상에서 분리하는 에지기반의 영상분할 방식이다. 전통적인 의미의 Active Contour 모델에서 사용한 그라디언트 함수 기반의 영상추출은 잡영이 많고 객체와 배경간 뚜렷한 경계가 없는 객체를 검출하는데는 그 한계를 보이고 있다. 이런 한계를 극복하고자 제안된 방법이 Mumford-Shah equation과 Lipshitz 함수를 이용한 Chan과 Vese의 Active Contour Model이다. 그런데 이 모델은 잡영이 많고 경계선이 뚜렷하지 않은 영상을 분할하는데는 효과적이나, 불균형적 조명이 있는 영상에서 객체를 분리해 내는데는 한계를 보이고 있다. 본 논문은 이러한 단점을 극복하기 위해 불균형적인 영상을 균일화하는 방법을 Chan과 Vese의 Active Contour 방식을 적용하기 전에 적용 시켜 영상 내 객체를 보다 효과적으로 추출하는 방법을 제안한다.