• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.826-828
• /
• 2004

홍채인식 시스템은 영상획득, 전처리, 특징 추출, 패턴 정합의 단계로 이루어져 있다. 이 중 특징 추출은 특징 차원의 감소뿐만 아니라 분류 정착도의 증가를 위한 필수적인 과정이다. 본 논문에서는 특징을 추출하는데 있어서, 홍채데이타에 웨이블렛 변환의 다해상도 분석 기법을 시도하여 일정 영역을 추출한 후, 그 영역에 유전자 알고리즘(Genetic Algorithm)을 적용하여 가장 분별력 있는 특징들만을 추출 및 사용하는 홍채인식 시스템을 제안한다. 유전자 알고리즘의 선택연산자로는 적응도 비례 방식과 전역 엘리트 방식을 사용하였으며, 적합도 함수로는 Gaussian Kernel을 사용하는 Support Vector Machine(SVM)을 사용하였다. 본 시스템을 통해 나온 최적의 특징집합을 이용한 SVM분류기로 인식률을 알아본 결과 웨이블렛만을 사용했을 때 보다 대략 1.5%정도 더 좋은 인식률을 얻을 수 있었다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.635-640
• /
• 2003

본 논문에서는 일본 차량 번호판 인식에 적응적 탬플릿 마스킹 방법을 이용하여 번호판 문자, 숫자를 분할하고 패턴벡터기법을 이용하여 인식하는 방법을 제안하였다 주, 야간과 거리에 따른 일본 차량 번호판 영상을 입력받아 전처리 과정을 수행한 후 에지 정보와 명도값 변화의 빈도수를 이용하여 번호판 영역을 검출하였다 검출된 번호판 영역에서 각 문자 및 숫자의 위치정보와 적응적 탬플릿을 이용하여 분할하고 번호판의 지역문자를 무게중심 패턴으로 분류 한 다음 크기와 이동에 무관한 특실을 가지는 패턴 벡터를 적용하여 문자를 인식하였으며, 숫자는 Four Segment Pattern을 이용하여 인식하도록 하였다 본 논문에서 제안한 방법을 실제 일관 차량 번호판 인식에 적용한 결과 98.8％ 추출율과 96.6％의 인식율을 나타내었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.329-331
• /
• 2018

지속적인 딥러닝 기반의 영상처리 기술의 발전으로 객체분류나 객체검출 문제에 대해서 뛰어난 성능 보이고 있다. 하지만 객체추적 문제에서는 성능이 좋은 추적기는 실시간 동작이 불가능하고 딥러닝 기반의 객체추적도 단일 객체에만 고려한 기법이 많기 때문에 개선할 필요가 있다. 전처리로 검출된 객체영역과 kalman filter를 통해 예측된 추적영역 간의 embedding feature 비교를 통해 동일인물인지 판단하여 고유 ID를 부여하고 추적한다. 객체끼리 교차하거나 가려지는 상황에서 추적을 실패하게 되는데 이 후에 지속적인 추적을 위해 IoU 비교를 통해 후보 추적기로 남겨두는 과정을 거친다. 실험 결과 실시간 동작여부와 객체끼리 교차하거나 프레임 밖으로 나갔다가 다시 나타나는 경우에도 추적이 가능함을 확인하였다.

• Annual Conference of KIPS
• /
• 2010.11a
• /
• pp.1471-1473
• /
• 2010

스마트 폰의 급속한 보급 확산에 따라 스마트 폰의 각종 센서를 이용한 응용 영역이 넓어지고 있다. 그 가운데 스마트 폰의 카메라를 이용한 인식 기술은 비전 기반 증강현실 시스템 구현의 핵심적인 부분으로 그 중요성이 부각되고 있다. 본 논문에서는 스마트 폰의 카메라를 사용하여 JNI 기술을 이용한 안드로이드 기반의 인쇄매체의 문자 검출 및 인식 시스템을 설계 구현하였다. 전체 시스템은 영상의 전처리 과정을 통한 문자 영역의 검출과 인식 알고리즘 연산 후 기본 데이터와의 비교를 통한 문자인식 과정으로 구성되어 있다. 본 구성은 PC기반의 일반적 문자 인식과 동일하다. 구현결과는 1GHz의 CPU를 가지는 스마트 폰의 제한된 하드웨어 자원에서도 플랫폼 최적화를 통한 실시간 인식의 가능성을 보여주었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.05a
• /
• pp.72-74
• /
• 2021

The deep learning process currently utilized in various fields consists of data preparation, data preprocessing, model generation, model learning, and model evaluation. In the process of model learning, the loss function compares the value of the model with the actual value and outputs the difference. In this paper, we analyze various loss functions used in the deep learning model for biomarker extraction, which measure the degree of loss of neural network output values, and try to find the best loss function through experiments.

• Annual Conference of KIPS
• /
• 2021.11a
• /
• pp.1085-1087
• /
• 2021

이 논문에서는 다매체를 사용하여 데이터를 수집한 후 기계학습을 통해 분석하고 주어진 상황에 대응하기 위한 시스템의 개발을 기술한다. 개발 시스템은 센서데이터 수집부, 상황인지 및 상황대응부로 이루어지며, 아두이노와 라즈베리파이를 사용하여 구성한다. 구성된 시스템은 영상 카메라 및 온습도을 포함한 다수의 센서를 사용하여 환경정보를 수집한 후 수집자료를 전처리하고 주어진 상황을 인지하여 상황에 가장 적절하다고 판단되는 대응을 안내하도록 기능을 구성하였다. 상황인지를 위해서는 기계학습 알고리즘으로 의사결정트리를 사용하였으며 100%의 상황인지 정확률을 갖는다.

• Annual Conference of KIPS
• /
• 2022.11a
• /
• pp.520-522
• /
• 2022

의료 인공지능은 특정 진단에서 높은 정확도를 보이지만 모델의 신뢰성 문제로 인해 활발하게 쓰이지 못하고 있다. 이에 따라 인공지능 모델의 진단에 대한 원인 설명의 필요성이 대두되었고 설명가능한 의료 인공지능에 관한 연구가 활발히 진행되고 있다. 하지만 MRI 등 의료 영상 인공지능 분야에서 주로 진행되고 있으며, 이미지 형태가 아닌 전자의무기록 데이터 (Electronic Health Record, EHR) 를 기반으로 한 모델의 설명가능성 연구는 EHR 데이터 자체의 복잡성 때문에 활발하게 진행 되지 않고 있다. 본 논문에서는 전자의무기록 데이터인 MIMIC-III (Medical Information Mart for Intensive Care) 를 전처리 및 그래프로 표현하고, GCT (Graph Convolutional Transformer) 모델을 학습시켰다. 학습 후, 어텐션 흐름 그래프를 시각화해서 모델의 예측에 대한 직관적인 설명을 제공한다.

• Annual Conference of KIPS
• /
• 2023.05a
• /
• pp.292-294
• /
• 2023

본 논문에서는 국내 사망 원인 1위 질환인 암 중 가장 큰 비중을 차지하는 폐암의 암 오진율 감소 및 정밀 진단을 위해 폐암세포를 검출 및 계수 할 수 있는 시스템을 구현하였다. 사용자가 관심 영역을 지정하면 H&E 염색 방식을 사용한 폐암세포 전처리 과정을 거쳐 검출 및 계수 할 수 있다. 본 시스템을 통해 병리학자가 단 시간에 폐암세포 검출 및 계수하여 객관적 진단 도구로 활용할 수 있으며, 디지털 기술과 융합하여 정밀 의료에 크게 기여할 수 있을 것으로 기대된다.

• Annual Conference of KIPS
• /
• 2007.11a
• /
• pp.690-692
• /
• 2007

기존의 2 차원 이미지를 통한 세포 분석은 단지 세포의 단면만을 볼 수 있기 때문에 정확한 구조를 파악하기 힘들다. 본 논문에서는 그리드 기술을 이용하여 2 차원 이미지들을 세포 구조에 대한 더욱 정확한 이해 및 연구 능률의 향상을 도모할 수 있는 3 차원 이미지로 재구성하는 시스템을 개발하였다. 이 시스템은 고성능 이미지 처리를 위해서 계산 그리드를 이용하며, 화질 개선을 위한 전처리 기술, 자동 영상 정렬 기술, 효과적인 삼차원 재구성 기술과 같은 다양한 이미지 처리 알고리즘 및 preStageIn, BgUpload, delegated preprocessing 등과 같은 데이터 전송 최적화 기술 등을 제공한다. 또한, 다양한 이미지 뷰어 기능 및 DirectX 를 이용한 3 차원 렌더링 기능을 제공한다.

• Annual Conference of KIPS
• /
• 2024.05a
• /
• pp.648-649
• /
• 2024

웨어러블 디바이스 착용자의 PPG 신호 데이터로 위협 상황을 감지하는 알고리즘을 개발한다. 본 논문에서는 외부 환경에 예민한 PPG 센서에 최적화된 전처리 알고리즘을 제안하고 긍정 및 부정 영상 시청 실험을 통해 얻은 PPG 신호 데이터를 이용하여 위험 상황과 안전한 상황을 구분하는 정확도 96.87%의 1D-CNN 모델을 개발한다.