• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 추계학술대회
• /
• pp.211-213
• /
• 2022

Lip Reading(독순술(讀脣術)) 이란 입술의 움직임을 보고 상대방이 무슨 말을 하는지 알아내는 기술이다. 본 논문에서는 MBC, SBS 뉴스 클로징 영상에서 쓰이는 문장 10개를 데이터로 사용하고 CNN(Convolutional Neural Network) 아키텍처 중 모바일 기기에서 동작을 목표로 한 MobileNet을 모델로 이용하여 발화자의 입모양을 통해 문장 인식 연구를 진행한 결과를 제시한다. 본 연구는 MobileNet과 LSTM을 활용하여 한국어 입모양을 인식하는데 목적이 있다. 본 연구에서는 뉴스 클로징 영상을 프레임 단위로 잘라 실험 문장 10개를 수집하여 데이터셋(Dataset)을 만들고 발화한 입력 영상으로부터 입술 인식과 검출을 한 후, 전처리 과정을 수행한다. 이후 MobileNet과 LSTM을 이용하여 뉴스 클로징 문장을 발화하는 입모양을 학습 시킨 후 정확도를 알아보는 실험을 진행하였다.

• 한국정밀공학회지
• /
• 제14권1호
• /
• pp.168-173
• /
• 1997

A process planning system that generates alternative process plans offers multiple process plans for a part, thereby provides the flexibility to cope with the changes in shop floor status. In this paper, we intro- duce the concept of process net as a model for the generation of alternative process plans. We also show the usefulness of process net model in generating alternative process plans by implementing the developed sys- tem to construct process net, and devising an algorithm to generate alternative process plans for rotational parts.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.686-688
• /
• 2020

본 논문에서는 U-Net 모델을 이용하여 정교하고 반복되는 패턴을 가진 인쇄물에 대한 비지도 학습을 통한 딥러닝 기반 이상치탐지(Anomaly Detection) 방법을 제안하였다. 인쇄물(카드)의 비정상 패턴 검출을 위하여 촬영한 영상으로부터 카드 영역을 분리한 이미지로 구성된 Dataset을 구축하였고 정상 이미지와 동일한 이미지를 출력하기 위해, 정상 이미지와 마스크 이미지 쌍의 Training dataset을 U-Net으로 학습하였다. Test dataset의 이미지를 입력으로 넣어 생성된 마스크 결과를 원본 마스크 이미지와 비교하여 이상 여부를 판단하는 본 논문의 방법이 정상, 비정상 인쇄물을 잘 구분하는 것을 확인하였다. 또한 정상과 비정상 이미지 각각을 학습한 지도학습 기반 CNN 분류 방법을 입력 영상과 복원 영상 간의 복원 오차를 비교하여 객체의 이상 여부를 판별하는 본 논문의 방법과 비교 평가하였다. 본 논문을 통해 U-Net을 사용하여 별도로 데이터에 대한 label 취득 없이 이상치를 검출할 수 있음을 확인할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.551-552
• /
• 2021

본 논문에서는 변환 학습에 기반을 둔 다중 클래스 영상 장면 분류 방법을 제시한다. ImageNet 대형 이미지 데이터 세트에서 사전 훈련된 네트워크 모델에 의존하여 다중 클래스의 자연 장면 이미지를 분류한다. 실험에서는 최적화된 ResNet 모델을 Kaggle의 Intel Image Classification 데이터 셋에 분류하여 우수한 결과를 얻었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.216-217
• /
• 2022

Poisson-Boltzmann은 세포안의 전하의 영향을 기술하는 방정식이며, 생물 등의 분야에서 중요한 역할을 한다. 본 발표에서는 ResNet을 기반으로 한 PBE의 솔루션 예측 방법을 소개 한다. 먼저 FEM을 기반으로 한 방법으로 sample들을 생성한다. 그리고, 세포의 모양과 전하의 위치를 input으로 하고, 전위를 output으로 하는 network를 훈련시킨다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.89-91
• /
• 2022

본 논문에서는 생체인식 수단 중 하나인 손금을 이용한 생체인식에서 Attention U-Net을 기반으로 손금을 추출하는 방법을 제안한다. 손바닥의 손금 중 주요선이라 불리는 생명선, 지능선, 감정선은 거의 변하지 않는 특징을 가지고 있다. 기존의 손금 추출 방법인 비슷한 색상에서 손금 추출, 제한된 Background에서 손금을 추출하는 것이 아닌 피부색과 비슷하거나, 다양한 Background에서 적용될 수 있다. 이를 통해 사용자를 인식하는 생체인식 방법에서 사용할 수 있다. 본 논문에서 사용된 Attention U-Net의 특징을 통해 손금의 Segmentation 영역을 Attention Coefficient를 업데이트하며 효율적으로 학습할 수 있음을 확인하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.19-20
• /
• 2023

본 논문은 손글씨 인식 분야에서 가장 기본적이고 중요한 주제인 손글씨 데이터 세트에 대한 분류 성능을 분석하고 비교하는 것을 목표로 한다. 이를 위해 ResNet-50 모델을 사용하여 MNIST, EMNIST, KMNIST라는 세 가지 대표적인 손글씨 데이터 세트에 대한 분류 작업을 수행한다. 각 데이터 세트의 특징과 도메인, 그리고 데이터 세트 간의 차이와 특징에 대해 다루며, ResNet-50 모델을 학습하고 평가한 분류 성능을 비교하고 결과에 대해 분석한 결과를 제시한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1213-1214
• /
• 2023

현재 국내외 CCTV 구축량 증가로 사생활 침해와 높은 설치 비용등이 문제점으로 제기되고 있다. 따라서 본 연구는 Early Fusion을 적용한 위급상황 음향 분류 모델을 제안한다. 음향 데이터에 STFT(Short Time Fourier Transform), Spectrogram, Mel-Spectrogram을 적용해 특징 벡터를 추출하고 3차원으로 Early Fusion하여 ResNet, DenseNet, EfficientNetV2으로 학습한다. 실험 결과 Early Fusion 방법이 가장 좋은 결과를 보였고 DenseNet, EfficientNetV2가 Accuracy, F1-Score 모두 0.972의 성능을 보였다.

• 인터넷정보학회논문지
• /
• 제6권6호
• /
• pp.57-69
• /
• 2005

본 논문에서는 워크플로우 프로세스 재발견 문제를 해결하기 위한 적절한 해결책으로 워크플로우 최적 축소 모델을 제안한다. 워크플로우 최적 축소 모델은 워크플로우 최적 축소 넷으로 표현할 수 있다. ICN(Information Control Net) 모델링 기법으로 표현되는 프로세스 모델은 ICN을 구성하고 있는 액티비티 사이의 액티비티 의존성에 따라 적절한 알고리즘의 적용으로 액티비티 의존 넷을 구성할 수 있다. 워크플로우 최적 넷 또한 액티비티 의존 넷의 몇 가지 속성에 대한 알고리즘 적용으로 찾아낼 수 있으며, 찾아낸 워크플로우 최적 넷을 프로세스 재발견 문제를 해결하기 위한 방안으로 제안하며, 프로세스 개선에도 의미를 둘 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제25권3호
• /
• pp.19-26
• /
• 2020

일반적으로 품질 관리는 많은 제조 공정, 특히 주조 또는 용접과 관련된 공정의 기본 구성 요소가 된다. 그러나 사람이 일일이 수동으로 품질 관리 절차를 하는 것은 종종 시간이 걸리고 오류가 발생하기 쉽다. 최근 고품질 제품에 대한 요구를 만족시키기 위해 지능형 육안 검사 시스템의 사용이 생산 라인에서 필수적이 되고 있다. 본 논문에서는 이를 위해 딥 러닝 기반의 ShuffleDefectNet 결함 감지 시스템을 제안하고자 한다. 제안된 결함 검출 시스템은 NEU 데이터 세트의 결함 검출에 대한 여러 최신 성능들보다 높은 평균 정확도 99.75% 정도를 얻는다. 이 논문에서 여러 다른 트레이닝 데이터로부터 최상의 성능을 탐지하고 탐지 성능을 관찰하였다. 그 결과 ShuffleDefectNet의 전체 아키텍처를 사용할 때 정확성과 속도가 크게 향상됨을 알 수 있었다.