• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권8호
• /
• pp.2691-2707
• /
• 2014

Medium access control is critical in wireless networks for efficient spectrum utilization. In this paper, we introduce a novel collision resolution method based on the technique of known interference cancellation, and propose a new MAC protocol named as CR-MAC, in which AP tries to decode all the collided data packets by combining partial retransmissions and known interference cancellation. As the collided transmissions are fully utilized, less retransmission is required, especially in a crowded network. The NS-2simulation and MATLAB numerical results show that, under various network settings, CR-MAC performs much better than the IEEE 802.11 DCF in terms of the aggregation throughput and the expected packet delay.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권3호
• /
• pp.701-720
• /
• 2023

Aerial objects are more challenging to segment than normal objects, which are usually smaller and have less textural detail. In the process of segmentation, target objects are easily omitted and misdetected, which is problematic. To alleviate these issues, we propose local aggregation feature pyramid networks (LAFPNs) and pyramid integrated context modules (PICMs) for aerial object segmentation. First, using an LAFPN, while strengthening the deep features, the extent to which low-level features interfere with high-level features is reduced, and numerous dense and small aerial targets are prevented from being mistakenly detected as a whole. Second, the PICM uses global information to guide local features, which enhances the network's comprehensive understanding of an entire image and reduces the missed detection of small aerial objects due to insufficient texture information. We evaluate our network with the MS COCO dataset using three categories: airplanes, birds, and kites. Compared with Mask R-CNN, our network achieves performance improvements of 1.7%, 4.9%, and 7.7% in terms of the AP metrics for the three categories. Without pretraining or any postprocessing, the segmentation performance of our network for aerial objects is superior to that of several recent methods based on classic algorithms.

• 융합보안논문지
• /
• 제13권1호
• /
• pp.59-70
• /
• 2013

무선 네트워크(Wireless Network) 기술의 급속한 발전과 함께, 안전한 무선 통신을 위한 보안문제가 중요한 이슈로 대두되고 있다. 무선 네트워크에서 침입탐지 시스템을 운영하기 위해서는 탐지 에이전트가 각 무선 노드에 설치되어야 한다. Ad-hoc 네트워크 구조는 무선 네트워크상에서 AP가 없이 흩어져 있는 노드들에게 통신이 가능하도록 연결시키는 구조이다. 침입탐지 에이전트를 노드에 설치 할 경우 이에 해당하는 에너지 소모가 발생하여 생존기간이 줄어들게 된다. 또한 침입탐지 효과의 증대를 위해서는 많은 트래픽을 감시할 수 있는 노드에 침입탐지 에이전트가 배치되어야 한다. 따라서 본 논문에서는 Ad-hoc구조를 활용하여 무선 네트워크에서 네트워크의 생존기간을 최대로 하면서 침입탐지의 효과성을 동시에 고려한 침입탐지 에이전트 설치를 위한 방안을 제안하고자 한다. 또한 각 네트워크상에서 데이터 집계 시스템을 설계하여 데이터 중복을 줄이고 네트워크 에너지 소모량을 줄여 네트워크의 부하를 줄여 시스템 성능을 향상 시키고자한다.

• 한국응용과학기술학회지
• /
• 제33권2호
• /
• pp.247-254
• /
• 2016

마이크로지르코니아는 높은 내약품성, 높은 전기저항성 등의 우수한 열적 기계적 성질을 가지므로 다양한 분야에 사용되어 진다. 또한 지르코니아 표면을 친수화시키면, 물에 대한 분산성이 우수하여 분산이 용이할 뿐만 아니라 대부분의 오염물질은 소수성을 띄기 때문에 오염물질에 대한 저항성을 높일 수도 있다. 본 연구에서는 지르코니아 표면에 ${\gamma}$-aminopropyltrimethoxysilane (APS)을 사용하여 서로 다른 pH 조건에서의 가수분해와 축합반응을 통한 친수성기의 도입과 물에 대한 분산성을 조사하고 ${\gamma}$-ureidopropyltrimethoxysilane (UPS)을 사용한 결과와도 비교하였다. 친수화로 개질된 마이크로지르코니아에의 지르코니아 표면의 수산기와 가수분해된 실란의 수산기와의 공유결합의 존재는 FT-IR ATR spectroscopy 및 ninhydrin 반응을 통해 확인하였다. 그러나, SEM/EDS의 결과로는 지르코니아 표면에 도입된 Si의 존재는 확인할 수 없었다. 또한, 입도 분석 결과 마이크로지르코니아는 개질 반응 중 일부 입자의 파쇄 및 aggregation이 일어남을 알 수 있었다. APS로 개질한 경우 pH가 중성일 때 수분산성이 향상되었으나, 0.5~2% 농도의 UPS로 개질된 경우는 모든 경우 수분산성이 향상되며 분산안정성도 우수하였다.

• International Journal of Computer Science & Network Security
• /
• 제24권8호
• /
• pp.14-20
• /
• 2024

Traffic sign recognition is an essential feature of intelligent transportation systems and Advanced Driver Assistance Systems (ADAS), which are necessary for improving road safety and advancing the development of autonomous cars. This research investigates the incorporation of the YOLOv9 model into traffic sign recognition systems, utilizing its sophisticated functionalities such as Programmable Gradient Information (PGI) and Generalized Efficient Layer Aggregation Network (GELAN) to tackle enduring difficulties in object detection. We employed a publically accessible dataset obtained from Roboflow, which consisted of 3130 images classified into five distinct categories: speed_40, speed_60, stop, green, and red. The dataset was separated into training (68%), validation (21%), and testing (12%) subsets in a methodical manner to ensure a thorough examination. Our comprehensive trials have shown that YOLOv9 obtains a mean Average Precision (mAP@0.5) of 0.959, suggesting exceptional precision and recall for the majority of traffic sign classes. However, there is still potential for improvement specifically in the red traffic sign class. An analysis was conducted on the distribution of instances among different traffic sign categories and the differences in size within the dataset. This analysis aimed to guarantee that the model would perform well in real-world circumstances. The findings validate that YOLOv9 substantially improves the precision and dependability of traffic sign identification, establishing it as a dependable option for implementation in intelligent transportation systems and ADAS. The incorporation of YOLOv9 in real-world traffic sign recognition and classification tasks demonstrates its promise in making roadways safer and more efficient.