• Proceedings of the Korea Contents Association Conference
• /
• 2015.05a
• /
• pp.427-428
• /
• 2015

정보통신 기술의 발전으로 교육 패러다임이 스마트 디바이스를 이용하는 스마트 러닝으로 변화하고 있다. 특히 에듀테인먼트 시스템들은 암묵적 지식습득률 향상을 위하여 증강현실 기술을 도입한 다양한 시스템들이 도입되고 있다. 그러나 이와 같이 증강현실을 이용한 시스템들은 실환경의 조명과 가상환경의 조명환경의 부조화로 인하여 영상 합성시 실감성이 낮은 문제점을 가지고 있다. 따라서 본 논문에서는 증강 객체, 웹캠을 통해 입력된 영상, 가상의 배경 영역으로 구성된 단일 레이어를 3차원 조명환경 정보를 포함한 블록 레이어로 변환하고 변환된 블록 레이어를 합성하는 에듀테인먼트를 위한 증강현실 시스템을 설계한다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.6 no.10
• /
• pp.415-420
• /
• 2017

Virtualization technique of OS-level is a new paradigm for deploying applications, and is attracting attention as a technology to replace traditional virtualization technique, VM (Virtual Machine). Especially, docker containers are capable of distributing application images faster and more efficient than before by applying layered image structures and union mount point to existing linux container. These characteristics of containers can only be used in layered file systems that support snapshot functionality, so it is required to select appropriate layered file systems according to the characteristics of the containerized application. We examine the characteristics of representative layered file systems and conduct write performance evaluations of each layered file systems according to the operating principles of the layered file system, Allocate-on-Demand and Copy-up. We also suggest the method of determining a appropriate layered file system principle for unknown containerized application by learning block I/O usage history of each layered file system principles in artificial neural network. Finally we validate effectiveness of artificial neural network created from block I/O history of each layered file system principles.

• 한국HCI학회:학술대회논문집
• /
• 2007.02b
• /
• pp.292-297
• /
• 2007

터치스크린을 통한 유저의 입력은 미디신호로 변환되며 생성된 블록은 하나의 음표 또는 다수의 음표로 남게 되며 유저가 설정한 타임라인의 빠르기에 따라 입력된 블록 위치의 음계 값을 토대로 소프트웨어 신디사이저의 오실 레이터에서 생성된 소리를 스피커로 출력해 낸다. 블록은 서로 다른 색깔의 8개의 미디채널로 존재하여 각 채널을 레이어 시켜 다른 블록을 생성하여 사인파, 톱니파, 삼각파, 사각파등을 엔벨로프 변형을 통해 만든 10가지 다른 소리로 지정하여 넣을 수 있다. 미디의 멀티채널방식을 이용해 다중 레이어의 입력방식을 취했으며, 관객은 작곡 모드에서는 일정한 패턴을 가진 단음이나 화성을, 게임모드에서는 생성된 공이 블록을 부딪치며 예측하기 어렵게 생성된 단음이나 화성음을 만들 수 있다. 생성한 음이 재생될 때에는 생성된 음정의 주파수 값과 음량에 따라서 RGB LED 조명이 반응을 하며 유저가 생성시킨 독특한 음악 진행에 따라 조명의 밝기와 색깔이 바뀌게 된다.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.14 no.5
• /
• pp.430-437
• /
• 2021

In this paper, we propose a robust face recognition method against soft errors with a deep convolutional generative adversarial network(DCGAN) based compensation method by a cross-layer approach. When soft-errors occur in block data of JPEG files, these blocks can be decoded inappropriately. In previous results, these blocks have been replaced using a mean face, thereby improving recognition ratio to a certain degree. This paper uses a DCGAN-based compensation approach to extend the previous results. When soft errors are detected in an embedded system layer using parity bit checkers, they are compensated in the application layer using compensated block data by a DCGAN-based compensation method. Regarding soft errors and block data loss in facial images, a DCGAN architecture is redesigned to compensate for the block data loss. Simulation results show that the proposed method effectively compensates for performance degradation due to soft errors.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.589-591
• /
• 2000

비디오 데이터가 포함하고 있는 카메라와 이동물체의 동작정보를 추출하기 위한 대표적인 방법으로 동작벡터 추출알고리즘이 있다. 본 논문에서는 영상 내에 밝기 값 분포가 균일한 영역이 존재할 때 부정확한 정합 결과를 보이는 것은 기존 알고리즘의 문제점과 이를 개선할 수 있는 계층적 블록정합 알고리즘의 정합오류 전파가능성, 높은 시간복잡도 문제를 동시에 해결할 수 있는 블록정합 알고리즘을 제안한다. 제안하는 알고리즘은 Coarse-to-Fine 방식의 탐색방법과 Dynamic Control Strategy를 결합한 것으로서 정합한 블록의 상황에 따라 탐색 레이어를 동적으로 변경시키는 방법을 사용한다. 본 알고리즘은 크게 두단계로 나뉘어 지는데 탐색 레이어를 결정하는 Control 변경 결정 단계와 정합도 측정함수를 통해 블록에 대한 정합 정확도를 측정하는 단계로 구성이 된다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.540-543
• /
• 2020

기존의 초해상도 딥러닝 기법은 모델의 깊이가 깊어지면서, 좋은 성능을 내지만 점점 더 복잡해지고 있고, 실제로 사용하는데 있어 많은 시간을 요구한다. 이를 해결하기 위해, 우리는 딥러닝 모델의 가중치를 양자화 하여 추론시간을 줄이고자 한다. 초해상도 모델은 feature extraction, non-linear mapping, reconstruction 세 부분으로 나누어져 있으며, 레이어 사이에 많은 skip-connection 이 존재하는 특징이 있다. 따라서 양자화 시 최종 성능 하락에 미치는 영향력이 레이어 별로 다르며, 이를 감안하여 강화학습으로 레이어 별 최적 bit 를 찾아 성능 하락을 최소화한다. 본 논문에서는 Skip-connection 이 많이 존재하는 MSRN 을 사용하였으며, 결과에서 feature extraction, reconstruction 부분과 블록 내 특정 위치의 레이어가 항상 높은 bit 를 가짐을 알 수 있다. 기존에 영상 분류에 한정되어 사용되었던 혼합 bit 양자화를 사용하여 초해상도 딥러닝 기법의 모델 사이즈를 줄인 최초의 논문이며, 제안 방법은 모바일 등 제한된 환경에 적용 가능할 것으로 생각된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.590-591
• /
• 2024

최근에 개인 데이터의 프라이버시가 중요해 지면서, 딥러닝 분야에서 개인 데이터 프라이버시 보호할 수 있는 연합학습 기술이 주목받고 있다. 특히 5G MEC나 블록체인 환경과 같이 통신 부하 및 지연 시간이 중요한 영역에서 연합학습 모델의 전송 비용 감소에 관한 연구가 활발히 진행 중이다. 본 논문에서는 연합학습 과정에서 효율적인 모델 전송을 위해 레이어 단위로 모델을 전송하는 기법을 제안한다. 실험 결과를 통해, 레이어 단위로 전송함으로써, 전송 데이터는 66% 줄어들 수 있지만, 정확도 변화는 1% 이내임을 확인하였다.

• Journal of Broadcast Engineering
• /
• v.18 no.5
• /
• pp.722-729
• /
• 2013

For low contrast images, a histogram equalization is possible to easily identify information when the intensity is concentrated in an image. Over contrast enhancement is the problem of generating an unnatural image cognitively because the focus of existing techniques was the contrast enhancement. In order to solve this problem, CLAHE method solves unnatural problems by limiting contrast using a maximum threshold. However, this method has an extra problem that concealed detail information in an image. This paper proposes a detail-map based on the multiple layers block overlapped histogram equalization in order to avoid loss of detail information. Loss of detail information has been made to minimize as combining images with limited contrast enhancement using a detail-map in each layers.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.14 no.5
• /
• pp.1193-1200
• /
• 2010

This paper presents a new adaptive macroblock quantization algorithm which generates the output bits corresponding to the target bit budget. The H.264 standard uses various coding modes and optimization methods to improve the compression performance, which makes it difficult to control the amount of the generated traffic accurately. In the proposed scheme, linear regression analysis is used to analyze the relationship between the bit rate of each macroblock and the quantization parameter and to predict the MAD values. Using the predicted values, the quantization parameter of each macroblock is determined by the Lagrange multiplier method and then modified according to the difference between the bit budget and the generated bits. It is shown by experimental results that the new algorithm can generate output bits accurately corresponding to the target bit rates.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2012.07a
• /
• pp.279-282
• /
• 2012

로컬 히스토그램 평활화(LHE)는 영상에서 로컬 정보를 강조하기 위한 효율적인 알고리즘 중 하나이다. 그러나 이 알고리즘은 스펙클 노이즈를 증폭시키는 단점을 가진다. 따라서, 기존의 로컬 히스토그램 평활화 기법을 확장한 다중 레이어 블록 오버랩 히스토그램 평활화 기법을 이용하여 기존 로컬 히스토그램 평활화 기법들의 문제점을 해결하고자 하였다. 이 방법은 3단계-컨트라스트 향상 단계, 노이즈 제거 단계, 통합 단계로 이루어진다. 제안된 방법에서는 기존 방법의 컨트라스트 향상 단계에서 일반적인 로컬 히스토그램 평활화 방법이 아닌 컨트라스트를 제한하는 적응적인 히스토그램 평활화 기법을 적용하고, 노이즈 제거 단계에서 새로운 바이레터럴 필터를 적용하였다. 즉, 기존 방법의 문제점들을 해결하도록 알고리즘을 변형하여 기존 알고리즘의 성능을 개선하였다. 실험 결과는 제안된 방법이 기존의 방법 및 잘 알려진 로컬 히스토그램 평활화 기법들과 비교하여 좋은 성능을 내는 것을 확인하였다.