• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.405-406
• /
• 2018

본 논문은 소표본 의료용 영상 분석의 정확도 향상을 위해 전이학습 모델을 feature extractor로 구축하여 학습시키는 방법을 연구하였으며 성능 평가를 위해 선학습모델로 AlexNet, ResNet, DenseNet을 사용하여 fine tuning 기법을 적용하였을 때와의 성능을 비교 분석하였다. 그 결과 실험에 사용된 3개의 모델에서 fine tuning 기법보다 향상된 정확도를 보임을 확인하였고, 또한 ImageNet으로 학습된 AlexNet, ResNet, DenseNet이 소표본 의료용 X-Ray 영상에 적용될 수 있음을 보였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2000.11b
• /
• pp.63-67
• /
• 2000

디지털 영상 저장 과정에서 일어나는 문제점은 영상 저장부 센서계의 한계로 나타낼 수 있다. 센서계의 충분하지 못한 집적도는 물리적으로 피할 수 없는 현상이다. 이러한 현상을 디지털 신호처리 기술을 적용하여 극복할 수 있다. 센서계의 한계로 인한 문제는 디지털 영상의 가장 큰 문제중의 하나이며, 이러한 한계를 극복하는 고해상도 영상 복원 방법들은 많은 학자들에 의해 제안되어 왔다. 본 논문에서는, 기존의 고해상도 영상 복원 방법들과는 달리 원영상의 공간적 고주파 성분의 특성을 분석과, 주어진 저해상도 영상들의 부화소 단위 움직임 추정 오류에 대한 분석을 통해 영상 복원과정에 이러한 분석들의 결과를 반영한다. 위에서 언급한 추정 오류는 우리에게 하나의 잡음 형태로 나타날 수 있다. 이 잡음은 추정이 이루어지는 축에 따라 그 양이 다르게 나타나게 되고, 이러한 현상은 목적이 되는 영상의 공간적 고주파 성분의 분포와 밀접한 관련이 있다. 우리는 복원 과정에 기존의 영상복원 방법중의 하나인 정규화 방법을 도입한다. 위에서 분석된 현상을 이 복원 과정에 반영하여 기존의 고해상도 영상 복원 방법보다 향상된 결과를 얻을 수 있었다. 결론적으로, 제안하는 알고리즘은 부화소 단위 움직임 추정 오류의 분석 결과를 반영하므로 이러한 추정 오류에 강한 알고리즘이다.

• Proceedings of the Korean Society of Medical Physics Conference
• /
• 2005.04a
• /
• pp.25-27
• /
• 2005

체적소 인형 모의피폭체는 방사선 관련 분야에서 다양하게 사용되고 있으며 최근 의료영상기술과 컴퓨터의 급속한 발전으로 더 많은 각광을 받고 있다. 하지만 현재까지 개발된 체적소 인형 모의피폭체는 환자 등 실제 인체의 영상을 이용하여 제작되었기 때문에 ICRP Reference Man (2002) 등의 표준 자료에 크게 벗어난다. 본 연구에서는 표준 성인 남성의 체형과 골격을 가진 물리적 인형 모의피폭체(ATOM Adult Male Phantom, CIRS, Virginia, USA)에 MIRD형 수학적 인형 모델의 장기들을 정의하여 표준의 체형과 장기를 가진 하이브리드 체적소 인형 모의피폭체를 개발한 후 몬테칼로 전산모사에 사용하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.390-393
• /
• 2012

H.264/AVC에서 움직임 추정에 소요되는 시간을 줄이면서 보다 나은 화질을 유지하기 위하여 본 논문에서는 정화소 움직임 추정 기법을 제안하였다. 본 논문에서는 정화소 움직임 추정을 위하여 대칭적인 탐색패턴을 이용한 계층적인 탐색 기법을 사용하였다. 제안한 정화소 움직임 추정 탐색 기법은 십자가 탐색 패턴, 다중 사각형 탐색 패턴, 작은 사각형 탐색 패턴, 다이아몬드 탐색 패턴들로 이루어져 있다. 제안한 움직임 추정 탐색 기법에서 사용한 탐색 패턴들은 블록 움직임이 수직으로 크거나 블록 움직임이 크면서 규칙적인 영상에서 국부적 최소화 문제를 해결하고 움직임 추정에 소요되는 시간을 줄이기 위하여 탐색 영역 내에 탐색 점들을 규칙적, 대칭적으로 배치하였다. 제안한 기법의 성능을 전역 탐색 기법의 성능과 비교하였을 때 움직임 추정에 소요되는 시간에 있어서 약 4~5.5 배의 속도 향상을 가져왔으며, 영상 화질에 있어서 전역 탐색 기법의 화질과 같거나 약간의 화질 저화를 보였다. 반면에, 비대칭 다중 육각형 탐색 기법의 성능과 비교하였을 때 움직임 추정 속도면에 있어서 약간의 성능 향상과 화질에 있어서 비슷하거나 최대 0.05 (dB)정도 향상을 보였다.

• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• pp.117-118
• /
• 2008

제철소에서 생산된 Slab에는 서로를 구분하기 위해 관리번호가 기재되어 있다. 호스트 컴퓨터에서 보내 온 Slab 관기번호와 제품에 마킹되어 있는 Slab 관리번호의 일치 여부를 확인하기 위하여 자동 인식 시스템이 설치되어 있다. 자동 인식 시스템은 실시간으로 Slab가 없을 때의 영상과 Slab가 있을 때의 영상을 촬영하고 이를 이용하여 Slab 관리 번호를 인식하는 방법으로 구성되어 있다. 제철소 배경 영상이 복잡하고 조명이 계속 바뀌기 때문에 Text Region을 찾는 방법은 Slab 관리 번호를 인식하는데 가장 큰 문제점이다. 본 논문에서는 복잡한 배경을 실시간으로 Training하여 Text Region을 찾기 위한 전처리 과정을 나타내었다. 복잡한 배경 영상을 이용하여 Slab가 위치한 Region을 찾을 수 있고 실시간으로 Training하기 때문에 조명의 영향을 줄일 수 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.315-316
• /
• 2022

최근 전 세계적인 탄소 중립 정책으로 인해 전기차 보급 속도는 예상보다 훨씬 빠르게 증가하고 있다. 하지만 늘어나는 수요에 비해 전기차 충전기 수는 턱없이 부족하다. 그뿐만 아니라 일반 차들의 전기차 충전소 불법주차로 인해 전기차가 충전하지 못하는 불편함이 발생하고 있다. 본 논문에서는 에지 컴퓨터(edge computer)와 딥러닝 기반 객체 감지 시스템 YOLO(You only look once)를 이용한 전기차 충전소 불법주차 방지 시스템을 개발한다. 먼저, 이 시스템은 카메라를 통해 실시간으로 영상을 받아 YOLO를 이용하여 차량 번호판 인식이 되면 전기차 번호판의 특정 마크를 인식하여 전기차인지 일반 차인지를 판별하여 판별된 값에 따라 주차 차단기가 작동되는 시스템이다. 전기차이면 차단기가 내려가서 충전소를 이용할 수 있게 하고 일반차일 경우 주차 차단기가 내려가지 않고 막아 불법주차를 차단한다. 이와 같은 기술을 활용하여 전기차 충전소 불법주차 방지에 기여하고자 한다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.51 no.3
• /
• pp.164-173
• /
• 2014

In underwater robotics, vision would be a key element for recognition in underwater environments. However, due to turbidity an underwater optical camera is rarely available. An underwater imaging sonar, as an alternative, delivers low quality sonar images which are not stable and accurate enough to find out natural objects by image processing. For this, artificial landmarks based on the characteristics of ultrasonic waves and their recognition method by a shape matrix transformation were proposed and were proven in Part 1. But, this is not working properly in undulating and dynamically noisy sea-bottom. To solve this, we propose a framework providing a selection phase of likelihood candidates, a selection phase for final candidates, recognition phase and tracking phase in sequence images, where a particle filter based selection mechanism to eliminate fake candidates and a mean shift based tracking algorithm are also proposed. All 4 steps are running in parallel and real-time processing. The proposed framework is flexible to add and to modify internal algorithms. A pool test and sea trial are carried out to prove the performance, and detail analysis of experimental results are done. Information is obtained from tracking phase such as relative distance, bearing will be expected to be used for control and navigation of underwater robots.

• The Optical Journal
• /
• s.169
• /
• pp.22-23
• /
• 2017

캐논과 소니 등 글로벌 카메라 업체들의 최신 기기와 촬영기술 등을 한자리에서 볼 수 있는 아시아 최대 국제사진영상전시회 '2017 서울국제사진영상기자재전'(P&I 2017)이 지난 4월 20일 서울 삼성동 코엑스(COEX)에서 개최됐다. 올해 26회째를 맞이한 서울국제사진영상전은 코엑스, 한국광학기기산업협회, 한국사진 영상산업협회가 공동 주최하는 사진, 영상분야 국내 최대 전시회다.

• Journal of Broadcast Engineering
• /
• v.17 no.6
• /
• pp.1110-1113
• /
• 2012

Various image interpolation methods have been proposed to increase the resolution of images and accuracy of motion estimation of video, and the interpolation filters are used in H.264/AVC and HEVC standards. In this paper, we propose an efficient image interpolation method using lapped transforms. The relation between the resizing and interpolation of images is used in the proposed method, and the complexity is significantly reduced, while the performance of the proposed method is almost the same as conventional methods.

• The Journal of the Acoustical Society of Korea
• /
• v.43 no.2
• /
• pp.234-242
• /
• 2024

We propose a passive sonar signal classification algorithm using Graph Neural Network (GNN). The proposed algorithm segments spectrograms into image patches and represents graphs through connections between adjacent image patches. Subsequently, Graph Convolutional Network (GCN) is trained using the represented graphs to classify signals. In experiments with publicly available underwater acoustic data, the proposed algorithm represents the line frequency features of spectrograms in graph form, achieving an impressive classification accuracy of 92.50 %. This result demonstrates a 8.15 % higher classification accuracy compared to conventional Convolutional Neural Network (CNN).