• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.865-868
• /
• 2017

일반적으로 비디오로부터 캡션을 생성하는 작업은 입력 비디오로부터 특징을 추출해내는 과정과 추출한 특징을 이용하여 캡션을 생성해내는 과정을 포함한다. 본 논문에서는 효과적인 비디오 캡션 생성을 위한 심층 신경망 모델과 그 학습 방법을 소개한다. 본 논문에서는 입력 비디오를 표현하는 시각 특징 외에, 비디오를 효과적으로 표현하는 동적 의미 특징과 정적 의미 특징을 입력 특징으로 이용한다. 본 논문에서 입력 비디오의 시각 특징들은 C3D, ResNet과 같은 합성곱 신경망을 이용하여 추출하지만, 의미 특징은 본 논문에서 제안하는 의미 특징 추출 네트워크를 활용하여 추출한다. 그리고 이러한 특징들을 기반으로 비디오 캡션을 효과적으로 생성하기 위하여 선택적 주의집중 캡션 생성 네트워크를 제안한다. Youtube 동영상으로부터 수집된 MSVD 데이터 집합을 이용한 다양한 실험을 통해, 본 논문에서 제안한 모델의 성능과 효과를 확인할 수 있었다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.04a
• /
• pp.411-416
• /
• 1998

본 논문은 Wavelet 변환 영역에서 특징 벡터를 추출하여 ART2 신경회로망으로 실장 PCB 패턴을 인식하는 알고리즘을 제안한다. PCB 형태 정보는 Wavelet에 의해 주파수 영역으로 변환되고, 이들 계수 행렬로부터 특징 벡터로서 추출된다. ART2 신경회로망은 이러한 특징 벡터들을 입력벡터로 사용하여 인식한다. 실장 PCB 영상 55장을 사용하여 실험한 결고, 학습된 입력패턴은 물론 비학습 입력패턴에 대해서도 약 99%의 인식율을 얻었다. 또한 제안된 방법은 Wavelet 변환 영역사에서 수직, 수평, 대각선 정보만으로 특징 벡터를 구축함으로써 특징 추출 과정이 비교적 간단하고 특징 벡터의 수도 줄일 수 있어, 효과적인 특징벡터의 추출이 가능함을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.760-762
• /
• 2004

본 논문에서는 저해상도 및 저대비의 특성을 지니는 문자 영상으로부터 특징을 추출하고 연상메모리를 이용하여 대상 문자를 인식하는 방법을 소개한다. 저해상도 영상의 이진화 과정에서 발생할 수 있는 정보의 왜곡 현상을 피하기 위하여 입력 영상의 gradient 정보를 이용하여 특징을 추출한다 저해상도 일 저대비의 특성을 지니는 문자 영상의 경우 입력 영상에 noise가 존재하거나 충분한 정보가 포함되어 있지 않은 경우 특징벡터에 상당한 왜곡을 초래하게 된다. 손상된 특징을 복원하기 위하여 연상메모리를 이용한다. 인식하고자 하는 문자 영상들의 prototype 영상들을 이용하여 연상메모리의 weight matrix를 구성한다. weight matrix를 이용해서 입력 영상이 가지는 특징과 가장 비슷한 특징을 가지는 prototype 영상의 특징벡터를 생성함으로써 손상된 특징을 복원하게 된다. 제안된 시스템을 이용하여 실험한 결과 noise가 존재하거나 정보가 충분하지 않은 입력 영상에 대해서 비교적 놀은 인식률을 얻음을 볼 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11a
• /
• pp.523-526
• /
• 2003

생체정보를 이용한 보안 솔루션이 활발하게 연구되고 있는 가운데, 지문은 가장 널리 사용되고 또한 중점적으로 연구되고 있는 생체특징의 하나로 자리잡았다. 지문인식 시스템에 사용되는 지문 입력기는 광학식, 반도체식 등 다양하나 입력방식은 주로 압착날인식으로 회전식과 달리 손가락 끝을 입력창에 대어 그 순간 접촉된 면의 지문만을 입력받게 된다. 그러므로 입력된 지문영상은 전체지문과 비교했을 때 극히 일부분에 불과하여, 이러한 제한된 영역으로부터 획득된 지문영상들을 비교한다면 비록 동일 지문이라 할지라도 획득 위치의 상이함으로 인해 타인 지문으로 오인식할 소지가 있다. 또한 특징점에 기반한 지문인증 알고리즘의 경우에는 두 지문으로부터 추출된 특징점의 위치 및 상태 정보의 신뢰성에 전적으로 의존하게되므로 특징점의 오추출 및 누락이 전체 시스템 성능을 좌우하게된다. 그러므로 가능한한 넓은 영역의 지문을 사용하고 신뢰할 만한 특징 추출 결과를 얻는 것이 에러율을 개선하는데 필수적이라 하겠다. 이에, 본 논문에서는 사용자 등록시 한 지문에서 획득한 복수의 지문영상을 이용하여 정렬 및 정합 과정을 거친 후 지문영상의 영역을 확장하고 해당 지문영상에서 추출된 특징점을 비교하여 유효하지 않은 특징점을 제거하는 과정을 통하여 등록시 저장되는 특징점 템플릿의 신뢰도를 높여주는 방법을 제안하였다. 제안된 알고리즘은 결과의 객관성을 확보하기 위하여 FVC 2002에서 제공하는 데이터베이스로 테스트한 결과 2.12%의 EER(Equal Error Rate)을 얻을 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.06a
• /
• pp.32-34
• /
• 2019

최근 딥러닝 기반의 다양한 물체 검출 알고리즘이 제안되어 높은 성능을 보이고 있다. 본 논문은 이러한 딥러닝 기반 물체 검출의 성능을 향상시키기 위해 입력영상에서 추출된 특징 지도를 강화하는 비지역적 특징 융합과, 이를 이용한 물체 검출 기법을 제안한다. 제안 기법은 입력영상에서 CNN 을 통해 추출한 특징 지도를 비지역적 특징 강화 블록을 통해 강화한다. 해당 블록 내에서 입력된 특징 지도는 먼저 여러 리셉티브 필드를 갖는 특징 지도로 분기된다. 그리고 분기된 특징 지도들은 비지역적 특징 융합 모듈에 의해 융합되어 강화된다. 이러한 과정을 통해 강화된 특징 지도는 비지역적 문맥 정보가 강화된 특성을 가지며, 해당 특징 지도를 이용하여 최종적으로 물체 검출을 수행한다. Pascal VOC 공인 데이터세트를 통한 실험 결과, 제안 기법은 기존 비교 기법 대비 향상된 검출 성능을 보인다.

• Review of KIISC
• /
• v.12 no.2
• /
• pp.25-33
• /
• 2002

지문인식 센서는 광학방식, 열방식, 반도체방식 등 다양한 입력 방식이 존재하며, 입력 방식에 따라 이미지의 특성이 다르게 나타난다. 특히 입력 방식의 차이는 알고리즘으로부터 정확한 결과를 도출하는데 중요한 역할을 한다. 따라서 다양한 입력 방식에 따른 센서들의 특징과 여러 조건하에서의 센서들의 이미지 품질을 비교해 보고 지문이미지로부터 특징점을 추출하고 매칭하는 과정에 대한 이해와 다양한 알고리즘의 특징등을 비교, 분석하여 발전방향에 대한 동향을 살펴본다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.106-109
• /
• 2019

최근 Convolutional Neural Network (CNN)에 영상이 아닌 비학습적 알고리즘으로부터 도출된 특징맵을 입력함으로써 영상처리 성능 및 계산자원 효율성 향상을 이룬 보고가 늘어나고 있다. 본 논문에서는 이러한 점을 바탕으로 가보웨이블릿 특징맵을 입력으로 하는 CNN 기반 영상잡음제거기를 제안하고 그 성능 및 특징을 고찰하였다. 즉 기존의 CNN 에서는 일반적인 영상을 입력하는 반면에 본 논문에서는 영상으로부터 추출한 웨이블릿 계수들을 입력하였고, 이를 통하여 기존의 방법에 비하여 성능을 유지하면서 계산량을 줄일 수 있는 가능성을 확인하였다.

• Journal of Internet Computing and Services
• /
• v.10 no.3
• /
• pp.17-25
• /
• 2009

This paper presents a methodology for a fall detection using the feature extraction method based on the neural network with weighted fuzzy membership functions (NEWFM). The distributed non-overlap area measurement method selects the minimized number of input features by removing the worst input features one by one. Nineteen number of wavelet transformed coefficients captured by a triaxial accelerometer are selected as minimized features using the non-overlap area distribution measurement method. The proposed methodology shows that sensitivity, specificity, and accuracy are 95%, 97.25%, and 96.125%, respectively.

• 한국HCI학회:학술대회논문집
• /
• 2008.02a
• /
• pp.795-800
• /
• 2008

카메라로 입력되는 영상에서 객체를 인식하기 위한 노력은, 기존의 컴퓨터 비전분야에서 좋은 이슈로 연구되고 있다. 영상 내부에 등장하는 객체를 인식하고 해당 객체를 포함하고 있는 전체 이미지에서 현재 영상의 위치를 인식하기 위해서는, 영상 내에 등장할 객체에 대한 트레이닝이 필요하다. 본 논문에서는 영상에 등장할 객체에 대해서, 특징 점을 검출(feature detection)하고 각 점들이 가지는 픽셀 그라디언트 방향의 벡터 값들을 그 이웃하는 벡터 값들과 함께 DoG(difference-of-Gaussian)함수를 이용하여 정형화 한다. 이는 추후에 입력되는 영상에서 검출되는 특징 점들과 그 이웃들 간의 거리나 스케일의 비율 등의 파리미터를 이용하여 비교함으로써, 현재 특징 점들의 위치를 추정하는 정보로 사용된다. 본 논문에서는 광역의 시설 단지를 촬영한 인공위성 영상을 활용하여 시설물 내부에 존재는 건물들에 대한 초기 특징 점들을 검출하고 데이터베이스로 저장한다. 트레이닝이 마친 후에는, 프린트된 인공위성 영상내부의 특정 건물을 카메라를 이용하여 촬영하고, 이 때 입력된 영상의 특징 점을 해석하여 기존에 구축된 데이터베이스 내의 특징 점과 비교하는 과정을 거친다. 매칭되는 특징 점들은 DoG로 정형화된 벡터 값들을 이용하여 해당 건물에 대한 위치를 추정하고, 3차원으로 기 모델링 된 건물을 증강현실 기법을 이용하여 영상에 정합한 후 가시화 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.428-432
• /
• 2005

영상 데이터와 같은 대용량의 데이터를 분류하고자 할 경우, 입력 데이터의 차원을 줄여서 특징 벡터를 뽑아내는 전처리 과정은 필수적이다. 이 경우 특징 벡터가 입력 데이터의 정보를 최대한 포함하도록 하는 것이 중요하다. 특징 벡터를 뽑는 대표적인 방법으로는 PCA, ICA, LDA, MLP와 같은 특징 추출(feature extraction) 방법을 들 수 있다. PCA와 LDA는 무감독 학습 방식이고, LDA, MLP는 감독 학습 방식에 해당한다. 감독학습 방식의 경우 입력 정보와 함께 클래스 정보를 사용하기 때문에 데이터를 분류하기에 더 좋은 특징들을 뽑아낼 수 있는 장점이 있다. 본 논문에서는 무감독 학습 방식인 PCA에 클래스에 대한 정보를 함께 사용하여 특징을 추출함으로써 데이터 분류에 더욱 적합한 특징들을 뽑는 방법을 제안하였다. 그리고, Yale face database를 사용하여 제안한 알고리즘의 성능을 기존의 알고리즘과 비교, 테스트하였다.