• 대한원격탐사학회지
• /
• 제35권5_1호
• /
• pp.681-692
• /
• 2019

이 논문에서는 작물 분류를 목적으로 작물의 시공간 특징을 고려할 수 있는 딥러닝 모델 2D convolution with bidirectional long short-term memory(2DCBLSTM)을 제안하였다. 제안 모델은 우선 작물의 공간 특징을 추출하기 위해 2차원의 합성곱 연산자를 적용하고, 추출된 공간 특징을 시간 특징을 고려할 수 있는 양방향 LSTM 모델의 입력 자료로 이용한다. 제안 모델의 분류 성능을 평가하기 위해 안반덕에서 수집된 다중시기 무인기 영상을 이용한 밭작물 구분 사례 연구를 수행하였다. 비교를 목적으로 기존 딥러닝 모델인 2차원의 공간 특징을 이용하는 2D convolutional neural network(CNN), 시간 특징을 이용하는 LSTM과 3차원의 시공간 특징을 이용하는 3D CNN을 적용하였다. 하이퍼 파라미터의 영향 분석을 통해, 시공간 특징을 이용함으로써 작물의 오분류 양상을 현저히 줄일 수 있었으며, 제안 모델이 공간 특징이나 시간 특징만을 고려하는 기존 딥러닝 모델에 비해 가장 우수한 분류 정확도를 나타냈다. 따라서 이 연구에서 제안된 모델은 작물의 시공간 특징을 고려할 수 있기 때문에 작물 분류에 효과적으로 적용될 수 있을 것으로 기대된다.

• 전자통신동향분석
• /
• 제33권5호
• /
• pp.103-110
• /
• 2018

Studies on artificial intelligence have been developed for the past couple of decades. After a few periods of prosperity and recession, a new machine learning method, so-called Deep Learning, has been introduced. This is the result of high-quality big- data, an increase in computing power, and the development of new algorithms. The main targets for deep learning are 1D audio and 2D images. The application domain is being extended from a discriminative model, such as classification/segmentation, to a generative model. Currently, deep learning is used for processing 3D data. However, unlike 2D, it is not easy to acquire 3D learning data. Although low-cost 3D data acquisition sensors have become more popular owing to advances in 3D vision technology, the generation/acquisition of 3D data remains a very difficult problem. Moreover, it is not easy to directly apply an existing network model, such as a convolution network, owing to the variety of 3D data representations. In this paper, we summarize the 3D deep learning technology that have started to be developed within the last 2 years.

• Journal of Information Processing Systems
• /
• 제17권3호
• /
• pp.505-517
• /
• 2021

This research presented an implementation of autostereoscopic virtual three-dimensional (3D) button device as non-contact style. The proposed device has several characteristics about visible feature, non-contact use and artificial intelligence (AI) engine. The device was designed to be contactless to prevent virus contamination and consists of 3D buttons in a virtual stereoscopic view. To specify the button pressed virtually by fingertip pointing, a simple deep learning network having two stages without convolution filters was designed. As confirmed in the experiment, if the input data composition is clearly designed, the deep learning network does not need to be configured so complexly. As the results of testing and evaluation by the certification institute, the proposed button device shows high reliability and stability.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제14권2호
• /
• pp.84-90
• /
• 2014

This paper presents the results of three-dimensional face point cloud smoothing based on a modified anisotropic diffusion method. The focus of this research was to obtain a 3D face point cloud with a smooth texture and number of vertices equal to the number of vertices input during the smoothing process. Different from other methods, such as using a template D face model, modified anisotropic diffusion only uses basic concepts of convolution and filtering which do not require a complex process. In this research, we used 6D point cloud face data where the first 3D point cloud contained data pertaining to noisy x-, y-, and z-coordinate information, and the other 3D point cloud contained data regarding the red, green, and blue pixel layers as an input system. We used vertex selection to modify the original anisotropic diffusion. The results show that our method has improved performance relative to the original anisotropic diffusion method.

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.867-871
• /
• 2022

최근 빠른 유행의 변화 속에서 디자인의 변화는 패션기업의 매출에 큰 영향을 미치기 때문에 기업들은 신제품디자인 선택에 신중할 수밖에 없다. 최근 인공지능 분야의 발달에 따라 패션시장에서도 소비자들의 선호도를 높이기 위해 다양한 기계학습을 많이 활용하고 있다. 우리는 선호도와 같은 추상적인 개념을 수치화함으로써 신제품 개발에 신뢰성을 높이는 부분에 기여하고자 한다. 이를 위해 3가지 적대적 생성 신경망(Generative adversial netwrok, GAN)을 통하여 기존에 없는 새로운 이미지를 생성하고, 미리 훈련된 합성곱 신경망(Convolution neural networkm, CNN)을 이용하여 선호도라는 추상적인 개념을 수치화시켜 비교하였다. 심층 컨볼루션 적대적 생성 신경망(Deep convolutional generative adversial netwrok, DCGAN), 점진적 성장 적대적 생성 신경망(Progressive growing generative adversial netwrok, PGGAN), 이중 판별기 적대적 생성 신경망(Dual Discriminator generative adversial netwrok, D2GAN)의 3가지 방법을 통해 새로운 이미지를 생성하였고, 판매량이 높았던 제품으로 훈련된 합성곱 신경망으로 유사도를 비교, 측정하였다. 측정된 유사도의 정도를 선호도로 간주하였으며 실험 결과 D2GAN이 DCGAN, PGGAN에 비해 상대적으로 높은 유사도를 보여주었다.

• 대한임베디드공학회논문지
• /
• 제16권5호
• /
• pp.179-186
• /
• 2021

For stereo matching based on deep learning, the design of network structure is crucial to the calculation of matching cost, and the time-consuming problem of convolutional neural network in image processing also needs to be solved urgently. In this paper, a method of stereo matching using sparse loss volume in parallax dimension is proposed. A sparse 3D loss volume is constructed by using a wide step length translation of the right view feature map, which reduces the video memory and computing resources required by the 3D convolution module by several times. In order to improve the accuracy of the algorithm, the nonlinear up-sampling of the matching loss in the parallax dimension is carried out by using the method of multi-category output, and the training model is combined with two kinds of loss functions. Compared with the benchmark algorithm, the proposed algorithm not only improves the accuracy but also shortens the running time by about 30%.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2007년도 추계 종합학술대회 논문집
• /
• pp.708-712
• /
• 2007

CG에서 물을 애니메이션하거나 다양한 특수효과를 표현하기위해 유체역학의 기술들이 사용되고 있다. H/W 성능이 높아지면서 이전에 불가능했던 알고리즘들이 실시간으로 가능해지고 있기는 하지만, 정밀한 표현에는 여전히 많은 시간이 소요되며, 성능과 사실성 사이의 균형을 위한 다양한 기술들이 연구되고 있다. 특히 게임과 같은 문맥을 가지는 곳에서 사용자의 요구에 의해 바다나 호수같은 넓은 지역의 물표면과 객체의 상호작용을 표현하기위해서는, 물리적 사실성을 어느 정도 희생하더라도 시각적인 사실성을 유지하는 범위에서 실행성능을 높이는 것이 우선시 된다. 본 논문에서는 물표면과 객체의 상호작용에 의한 다양한 물표면의 형태변화를 선형 컨벌루션 기법과 경계구를 이용하여 실시간으로 자연스럽게 애니메이션하는 방법을 제안한다.

• 한국방사선학회논문지
• /
• 제13권7호
• /
• pp.933-939
• /
• 2019

MDCT에서 인체등가형 흉부팬텀과 유리선량계를 이용하여 고해상력 및 저선량 CT로 검사하여 영상의 평가 및 흡수선량 및 유효선량을 측정하여 임상 기초자료를 제공하는데 목표를 두고자한다. 인체등가형 흉부팬텀내부에 유리선량계를 삽입하여 조직선량을 측정하였다. 64-slice CT system (SOMATOM Sensation 64, Siemens AG, Forchheim, Germany)과 CARE Dose 4D를 이용하였고, 고해상력 CT에서의 파라메터는 관전압 120 kVp, Eff. mAs 104, scan time 7.93 sec, slice 1.0 mm (Acq. 64×0.6 mm), convolution kernel (B60f sharp)의 스캔 파라메터가 사용되었고, 저선량 CT는 120 kVp, Eff. mAs 15, scan time 7.41 sec, slice 3.0 mm (Acq. 64×0.6 mm), convolution kernel B50f medium sharp의 스캔하였다. 인체등가형 흉부팬텀을 이용하여 스캔에 따른 CTDIvol은 고해상력 CT에서 8.01 mGy, 저선량 CT는 1.18 mGy로 측정되었다. 저선량 CT 검사는 고해상력 CT 검사에 비해 흡수선량이 85.49%가 감소하였고 영상의 차이는 없어 임상에서 유용하게 적용할 수 있다.

• 한국전자파학회논문지
• /
• 제12권2호
• /
• pp.268-277
• /
• 2001

본 논문에서는 IEEE 802.11a 무선 LAN에 적합한 OFDM 시스템에 비터비 복호를 사용하는 길쌈 부호와 단일 탭의 LMS 등화기를 적용하여 실내 무선 채널 환경에서 시스템 성능을 시뮬레이션을 통해 분석한다. 실내 무선 채널은 라이시안 페이딩 모델링하고, 부채널변조 방식으로는 QPSK와 16QAM을 사용한다. 직접 파 대 간섭파 전력비 K=5 dB 인 라이시안 페이딩 채널에서 길쌈 부호 및 비터비 복호를 사용하는 경우, 경판정에서 QPSK는 8.6 dB, 16QAM 은 19.2dB, 연판정에서 QPSK는 5.3dB, 16QPSK는 5.3dB, 16QAM은 9.8dB에서 $10^{-4}$의 BER을 만족하였다. 또한 16QAM/OEFM 방식에 단일 탭의 LMS 등화기를 사용하면 길쌈 부호만을 사용한 경우보다 경판정 비터비 복호의 경우 8.6dB,연판정의 경우에는 2dB의 성능이 향상됨을 알 수 있었다.

• 한국수산과학회지
• /
• 제14권4호
• /
• pp.265-268
• /
• 1981

길이 250cm, 간격 10cm의 25개의 수동계 직선배열 hydrophone을 0, $\pm1$의 거형파 weighting을 부가하여 신호와 weighting과의 convolution을 구하고 이것을 동기가산하는 방법으로 얻는 방향검출과 spectrum분석은 그 실현방법을 증대시키고 정현파 weighting을 부가하는 것보다 3dB정 도 낮으나 지향성을 준 방향보다 타방향의 spectrum성분의 Power level을 적어도 16dB 정도 이상 억제할 수가 있었다. 또 신호까지 0, $\pm1$의 거형파로 바꾸는 경우는 전술한 성분을 적어도 8 dB 이상 억제할 수 있었다.