• Annual Conference on Human and Language Technology
• /
• 2015.10a
• /
• pp.157-162
• /
• 2015

자동통역(Speech-to-speech translation)의 최우선 단계인 음성인식과정에서 발생한 오류문장은 대부분 비문법적 구조를 갖거나 의미를 이해할 수 없는 문장들이다. 이러한 문장으로 자동번역을 할 경우 심각한 통역오류가 발생하게 되어 이에 대한 개선이 반드시 필요한 상황이다. 이에 본 논문에서는 음성인식 오류문장이 정상적인 인식문장에 비해 비문법적이거나 무의미하다는 특징을 이용하여 DNN(Deep Neural Network) 기반 음성인식오류 판별기를 구현하였으며 84.20%의 오류문장 분류성능결과를 얻었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1309-1311
• /
• 2013

본 연구에서는 의료 진단키트의 자동판독 시스템에서, 통제되지 않은 조명 환경에서도 정확한 색상 판별을 위한 ROI 영역 추출 기법과 조명 보정 기법을 고찰한다. 3단계로 세분된 ROI 추출 과정은 조명변화에 적응적인 배경영상 정보를 유지하고, 노이즈 제거와 에지 추출 과정을 포함한다. 진단 결과의 정량적 판별에 중요 지표가 되는 색상정보가 조명의 영향의 의해 왜곡되는 것을 보완하기 위하여 표본 추출된 학습데이터로부터 조명 보정 곡선을 생성한다. 20종류의 색상패턴을 대상으로 적용한 실험 결과를 통하여 제안된 이론의 유용성을 고찰한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.97-100
• /
• 2002

뇌 MR 영상의 분석을 통해 질환을 자동적으로 진단하고 판별을 하기 위한 전처리 과정으로 정상인의 MR 영상 모델과 현재 고려되어지는 대상 영상과의 비교 작업이 요구된다. 이를 통해 보다 정확한 질병에 대한 근거를 제시함으로서 진단이 가능하게 된다. 이러한 비교 작업을 위해 우선적으로 해결해야 하는 것이 현재 대상 영상이 정상인의 MR 영상 시리즈 중 어느 위치의 영상과 일치하는 지를 판별해야 한다. 실질적으로 뇌 MR 시리즈는 영상의 특징에 따라 크게 몇 개의 그룹으로 분류된다. 그루핑 결과 뇌척수액이 존재하는 그룹은 또 다시 4 종류의 세부분류로 나누어지는데, 본 논문에서는 이 뇌 척수액의 모양에 따라 분류하는 알고리즘을 소개한다.

• Annual Conference on Human and Language Technology
• /
• 2010.10a
• /
• pp.194-196
• /
• 2010

휴대폰의 광범위한 보급으로 문자메시지의 사용이 급증하고 있다. 이와 동시에 사용자가 원하지 않는 광고성 스팸문자도 넘쳐나고 있다. 본 연구는 이러한 스팸문자메시지를 자동으로 판별하는 시스템을 개발하는 것이다. 우리는 기계학습방법인 지지벡터기계(Support Vector Machine)을 사용하여 시스템을 학습하였으며 자질의 선택은 카이제곱 통계량을 이용하였다. 실험결과 F1 척도로 약 95.5%의 정확률을 얻었다

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.175-178
• /
• 2004

선박의 수중방사소음은 다양한 기계류나 추진기 혹은 선체와 유체간의 상호 작용으로 인하여 여러 형태의 특성신호로 나타나게 된다. 이는 선박의 운용조건, 장비 회전특성 및 내부구조에 따라 스펙트럼상에 상이한 주파수로 확인됨은 물론, 신호의 출현 형태에도 다양성을 보이고 있다. 일반적으로 선박소음은 속력 종속적인 추진 계통 성분과 비종속적인 보기류 신호로 구분되나 다수의 신호성분이 혼재되어 발생기원을 분류하는 것은 복잡한 과정을 거쳐야 한다. 본 연구에서는 이러한 점을 해결하기 위해 선박의 Tonal성 신호를 자동으로 탐지하고 분류하기 위해 규준화된 스펙트로그램 상에서 연속되는 신호에 가중치를 주어 지속성 신호여부를 판별한 후에 정해진 임계치를 초과하는 성분을 Tonal로 선정하였다. 선정된 Tonal에 대해 주파수선의 대역특성 및 시간 변동성에 대한 패턴인식 방법을 적용하여 Tonal의 발생기원이 속력 종속/비종속적인지를 자동으로 판별하는 알고리즘의 유용성에 대한 결과를 기술하였다.

• Journal of KIISE
• /
• v.42 no.11
• /
• pp.1372-1379
• /
• 2015

This paper presents an analysis of feature extraction methods used for distinguishing the speech of patients with cleft palates and people with normal palates. This research is a basic study on the development of a software system for automatic recognition and restoration of speech disorders, in pursuit of improving the welfare of speech disabled persons. Monosyllable voice data for experiments were collected for three groups: normal speech, cleft palate speech, and simulated clef palate speech. The data consists of 14 basic Korean consonants, 5 complex consonants, and 7 vowels. Feature extractions are performed using three well-known methods: LPC, MFCC, and PLP. The pattern recognition process is executed using the acoustic model GMM. From our experiments, we concluded that the MFCC method is generally the most effective way to identify speech distortions. These results may contribute to the automatic detection and correction of the distorted speech of cleft palate patients, along with the development of an identification tool for levels of speech distortion.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.46 no.2
• /
• pp.92-99
• /
• 2009

This paper established the range of the wavelength of traffic lights to detection the color of traffic lights and the color component segmentation with the range of the wavelength. Development of traffic light automatic discrimination system is consists of the color detection and the traffic lights recognition. In this thesis, it established the range of the wavelength of traffic lights to detection the color of traffic lights and the color segmentation with the range of the wavelength. By the segmentation, the traffic light colors(red, orange and green) can be detected and the background is changed into gray image. Next, we proposed the algorithm which can detect the area of traffic lights in the various surroundings with the wavelet transformation algorithm. Also, we proposed traffic lights recognition algorithm using between the edge operator and the Hausdorff distance algorithm based on CBIR(Content-based Image retrieval). Therefore, the proposed algorithm is more superior to the conventional algorithm by experimenting with the illumination including the traffic lights and the backgrounds with various images.

• Annual Conference on Human and Language Technology
• /
• 2012.10a
• /
• pp.121-122
• /
• 2012

컴퓨터를 사용한 서술형 답안의 자동채점은 채점의 편의성과 객관성을 제고하기 위하여 많은 연구자들이 연구해 왔으며 자동채점의 성능을 향상시키기 위해 여러 가지 방법들이 제안되었다. 본 논문은 서술어 정규화를 통하여 서술형 답안의 자동채점 정확도를 높이고자 하였다. 기존의 다른 채점 방법들과 비교했을때 서술어 정규화 기법을 적용한 채점 방식은 기존의 방법들보다 유사도 계산 정확도가 향상되어 정답 판별 정확도가 향상되는 것을 확인할 수 있었다. 서술어 정규화는 기존의 모든 서술형 답안 채점 방법에 추가적으로 적용할 수 있는 범용성을 가지고 있다. 따라서 서술어 정규화는 기존 방법들의 자동채점 정확도를 향상시켜 보다 정확하게 서술형 답안을 채점할 수 있다.

• Journal of the Korean Society for information Management
• /
• v.32 no.3
• /
• pp.377-396
• /
• 2015

This study proposed a key-frame automatic extraction method for video storyboard surrogates based on users' cognitive responses, EEG signals and discriminant analysis. Using twenty participants, we examined which ERP pattern is suitable for each step, assuming that there are five image recognition and process steps (stimuli attention, stimuli perception, memory retrieval, stimuli/memory comparison, relevance judgement). As a result, we found that each step has a suitable ERP pattern, such as N100, P200, N400, P3b, and P600. Moreover, we also found that the peak amplitude of left parietal lobe (P7) and the latency of FP2 are important variables in distinguishing among relevant, partial, and non-relevant frames. Using these variables, we conducted a discriminant analysis to classify between relevant and non-relevant frames.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.20 no.3
• /
• pp.621-629
• /
• 2016

This paper presents a decision method of middle ear disease which is developed in children and adults. In the proposed method, features are extracted from the middle ear disease images and normal images using HoG (histogram of oriented gradient) descriptor and the extracted features are learned by SVM (support vector machine) classifier. To obtain an input vector into SVM, an input image is resized to a predefined size and then the resized image is partitioned into 16 blocks each of which is partitioned into 4 sub-blocks (namely cell). Finally, the feature vector with 576 components is given by using HoG with 9 bins and it is used as SVM learning and classification. Input images are classified by SVM classifier based on the model of learning features. Experimental results show that the proposed method yields the precision of over 90% in decision.