• 방송공학회논문지
• /
• 제27권3호
• /
• pp.351-360
• /
• 2022

영상 흐려짐은 피사체의 움직임, 카메라의 흔들림 등의 요인으로 발생하는 현상이다. 최근 합성곱 심층신경망(Convolution Neural Network, CNN)을 활용하여 흐려짐 현상을 복원하는 연구가 활발하게 진행되었으며, 원본과 정답 영상의 차이를 이용하여 복원 과정을 가이드하는 방법이 뛰어난 성능을 보였다. 본 논문에서는 왜곡 정보를 기반으로 흐려진 영상 복원 성능을 개선하는 방법을 제안한다. 이를 위해 학습 시, 원본과 정답 영상 차이에 대한 이진화를 수행하여 복원 과정을 가이드 할 수 있도록 하는 트랜스포머(Transformer) 기반 신경망 모듈을 설계하였다. 제안하는 방법은 학습 과정에서 잠재 특징을 기반으로 전역적 추론을 통해 예측한 왜곡 위치 정보 분포를 흐려짐 복원 과정에 반영한다. 다양한 영상 흐려짐 복원 신경망에 제안하는 모듈을 적용하여 복원 성능을 효과적으로 향상시킬 수 있음을 확인하였다.

• Journal of Electrical Engineering and Technology
• /
• 제12권1호
• /
• pp.363-372
• /
• 2017

This paper presents a novel face recognition algorithm based on the deep convolution neural network and key point detection jointed local binary pattern methodology to enhance the accuracy of face recognition. We firstly propose the modified face key feature point location detection method to enhance the traditional localization algorithm to better pre-process the original face images. We put forward the grey information and the color information with combination of a composite model of local information. Then, we optimize the multi-layer network structure deep learning algorithm using the Fisher criterion as reference to adjust the network structure more accurately. Furthermore, we modify the local binary pattern texture description operator and combine it with the neural network to overcome drawbacks that deep neural network could not learn to face image and the local characteristics. Simulation results demonstrate that the proposed algorithm obtains stronger robustness and feasibility compared with the other state-of-the-art algorithms. The proposed algorithm also provides the novel paradigm for the application of deep learning in the field of face recognition which sets the milestone for further research.

• 한국인터넷방송통신학회논문지
• /
• 제20권4호
• /
• pp.201-205
• /
• 2020

구조적인 텍스처는 텍스처를 구성하는 기본요소인 텍셀 (texel)이 규칙적으로 반복되는 형태로 정의된다. 구조적 텍스처 분석/인식은 직물류의 자동검사, 금속표면 자동테스트 및 마이크로 이미지의 자동 분석 등, 산업적인 응용이 다양하다. 본 논문에서는 구조적 텍스처 분석을 위한 합성곱신경망 (Convolution Neural Network, CNN) 기반의 시스템을 제안한다. 제안한 방법은 합성곱신경망이 분류 대상 텍스처들의 구성 요소인 텍셀을 학습한다. 인식 단계에서는 입력되는 텍스처 영상에서 얻은 부분 영상을 이용하여 학습된 합성곱신경망이 텍스처를 인식하다. 실제 구현 및 실험을 통하여 제안된 방법의 우수성을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제27권2호
• /
• pp.33-42
• /
• 2022

본 논문에서는 운전자한테 실시간으로 블랙 아이스 경고를 보내기 위해서 도로 영상에서 블랙 아이스 영역 분할을 위한 다중 척도 팽창 컨볼루션 특징 융합에 기반한 딥러닝 모델을 제안한다. 제안한 다중척도 팽창 컨볼루션 특징 융합 네트워크는 인코더 블록에 서로 다른 팽창 비율 컨볼루션을 병렬로 추가하고, 서로 다른 해상도 특징 맵에서 서로 다른 팽창 비율을 설정하고, 다중 단계 특징 정보가 함께 융합된다. 다중 척도 팽창 컨볼루션 특징 융합은 수용 영역을 확장함과 동시에 공간의 세부 정보를 잘 보존하고 팽창 컨볼루션의 효과성을 높임으로써 기존 모델보다 성능을 향상시킨다. 실험 결과를 통해 본 논문 제안한 네트워크 모델은 병렬 평창 컨볼루션 수가 증가함에 따라 성능이 향상되는 것을 알 수 있었다. 제안한 방법의 mIoU 값은 96.46%로 U-Net, FCN, PSPNet, ENet, LinkNet 등 기존 네트워크보다 높았다. 그리고 파라미터는 1,858K개로, 기존 LinkNet모델보다 6배로 축소하였다. Jetson Nano에서 실험 결과 보면, 제안한 방법의 FPS는 3.63로 실시간으로 블랙 아이스 영역을 실시간으로 분할 할 수 있었다.

• 한국음향학회지
• /
• 제33권4호
• /
• pp.262-267
• /
• 2014

최근 능동소나에서 표적의 탐지성능을 향상하기 위해 상당히 긴 펄스가 사용되고 있다. 이렇게 송신 파형의 길이가 길어지면 콘볼루션(convolution)을 이용하여 구현한 정합필터는 과도한 연산량이 요구되어 구현측면에서 불리하다. 주파수 영역에서 중첩-합(overlap-add) 또는 중첩-저장(overlap-save) 방법을 이용한 정합필터를 수행하면 이러한 문제를 해결할 수 있으나, 실시간 처리를 위해 시스템의 입출력 연동주기가 고정된 경우 FFT 길이가 제한되어 성능저하가 발생한다. 이 경우 연산효율을 높이기 위한 방법으로 필터를 균등 분할하되 IFFT 연산의 재사용을 통해 연산 효율을 높이는 FDL(Frequency Delay Line, 주파수 영역 지연-합) 방법과 필터를 가변적으로 최적 분할하는 MC(Minimum Cost, 최소 비용) 방법이 알려져 있다. 본 논문은 위 두 가지 방법을 결합하여, 정합필터를 효율적으로 분할하여 수행할 수 있는 새로운 방법을 제안하였다.

• 전기전자학회논문지
• /
• 제23권4호
• /
• pp.1250-1256
• /
• 2019

3차원 프린터나 깊이 카메라 등을 이용하면 실세계의 3차원 메쉬 데이터를 손쉽게 생성할 수 있지만, 이렇게 생성된 데이터에는 필연적으로 불필요한 노이즈가 포함되어 있다. 따라서, 온전한 3차원 메쉬 데이터를 얻기 위해서는 메쉬 디노이징 작업이 필수적이다. 하지만 기존의 수학적인 디노이징 방법들은 전처리 작업이 필요하며 3차원 메쉬의 일부 중요한 특징들이 사라지는 문제점이 있다. 본 논문에서는 이러한 문제를 해결하기 위해 딥 러닝 기반의 3차원 메쉬 디노이징 기법을 소개한다. 구체적으로 본 논문에서는 인코더와 디코더로 구성된 컨볼루션 기반 오토인코더 모델을 제안한다. 메쉬 데이터에 적용하는 컨볼루션 연산은 메쉬 데이터를 구성하고 있는 각각의 정점과 그 주변의 정점들 간의 관계를 고려하여 디노이징을 수행하며, 컨볼루션이 완료되면 학습 속도 향상을 위해 샘플링 연산을 수행한다. 실험 결과, 본 논문에서 제안한 오토인코더 모델이 기존 방식보다 더 빠르고 더 높은 품질의 디노이징된 데이터를 생성함을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권3호
• /
• pp.1086-1103
• /
• 2020

The automatic identification and classification of image-based weld defects is a difficult task due to the complex texture of the X-ray images of the weld defect. Several depth learning methods for automatically identifying welds were proposed and tested. In this work, four different depth convolutional neural networks were evaluated and compared on the 1631 image set. The concavity, undercut, bar defects, circular defects, unfused defects and incomplete penetration in the weld image 6 different types of defects are classified. Another contribution of this paper is to train a CNN model "RayNet" for the dataset from scratch. In the experiment part, the parameters of convolution operation are compared and analyzed, in which the experimental part performs a comparative analysis of various parameters in the convolution operation, compares the size of the input image, gives the classification results for each defect, and finally shows the partial feature map during feature extraction with the classification accuracy reaching 96.5%, which is 6.6% higher than the classification accuracy of other existing fine-tuned models, and even improves the classification accuracy compared with the traditional image processing methods, and also proves that the model trained from scratch also has a good performance on small-scale data sets. Our proposed method can assist the evaluators in classifying pipeline welding defects.

• 융합신호처리학회논문지
• /
• 제7권1호
• /
• pp.17-23
• /
• 2006

RFID는 각종 서비스 산업은 물론 물류, 산업 현장, 제조 공장과 국방 분야까지 물품의 흐름이 있는 곳이면 어디에서나 적용이 가능하여 사회 여러 분야로부터 큰 관심을 받고 있다. 그러나, 현재 900MHz 대역의 RFID에서 사용하는 ISO/IEC 18000-6의 프로토콜에서는 에러검출을 위한 CRC16만을 사용함으로써 낮은 수준의 보안과 양호한 채널 환경에서 대량의 물품을 빠른 시간 내에 인식하는 상황에서는 적합하나 데이터 양이 적고 놀은 수준의 보안이 요구되는 곳이나 채널 환경이 열악한 곳에서는 에러정정능력을 갖추지 못해 데이터의 신뢰성이 떨어질 것으로 예상된다. 돈 논문에서는 이와 같은 높은 수준의 보안이 요구되는 곳이나 잡음이 많은 채널 환경에서의 RFID 사용을 가정하여 ISO/IEC 18000-6 규격을 응용하여 적용하는 한 가지 방법으로서 콘벌루션 부호의 적용을 시도하였으며, 이를 구현하고 성능을 측정하였다. 신호의 제어와 전송을 위하여 마이크로프로세서와 RF부를 구현하였고, RFID 시스템의 신뢰성 향상을 위해 리더기에서 태그로의 명령어 및 데이터 전송 시에 FPGA를 이용하여 콘벌루션 부호를 구현하였다. 이러한 채널 부호를 적용했을 때와 적용하지 않았을 때의 프레임 오류율과 채널의 가시 성분이 있을 경우와 없을 경우를 나누어 프레임 오류율을 측정 비교하였다.

• 한국전자파학회논문지
• /
• 제15권10호
• /
• pp.977-982
• /
• 2004

본 논문에서는 유한 시간 차분법(FDTD) 내에서 PLRC(Piecewise Linear Recursive Convolution)법을 이용한 분산성 물질에 대한 비등방성 흡수체(APML)를 제안한다. 제안된 흡수체는 비선형, 분산성 매질 해석시 무한 경계조건을 표현하기 위해 사용될 수 있다. 제안된 흡수체는 기존의 APML 정식화 과정에서 분산 특성을 고려한 것이며 PLRC법의 장점인 빠른 계산시간, 저 메모리 사용, 다극 감수율의 간편한 정식화 등의 장점을 가지고 있다. 개발된 분산성 APML은 드바이(Debye)매질과 로렌츠(Lorentz) 매질 등의 분산성 물질의 해석에 적용하였으며 수치실험을 통해 흡수경계에서 뛰어난 흡수율을 가짐을 보였다.

• 한국정보통신학회논문지
• /
• 제25권10호
• /
• pp.1416-1426
• /
• 2021

Scanning 타입 다채널 LiDAR 센서의 경우 수신되는 신호의 세기의 차이에 의한 walk error라는 거리 오차가 발생할 수 있다. 이러한 오차는 다수의 LiDAR 센서를 기반으로 주변 환경을 스캐닝할 경우 같은 물체에 대해 서로 다른 거리 값을 출력하게 한다. 다수의 LiDAR 센서를 이용하여 전방향 스캐닝할 경우, 센서의 시야각이 겹치는 구간에서 발생하는 walk error를 최소화하기 위해 외부 시스템 상에서 센서의 각 채널에 대한 convolution을 수행하고 오차를 최소화하고자 한다. 약 6×6 m 환경의 중앙에 4개의 LiDAR 센서들을 배치하고 주변 환경을 스캐닝 하였으며, 필터링을 적용한 결과, 거리 오차를 평균 0.5125m에서 0.16m까지 약 68% 개선할 수 있었으며, 표준 편차는 평균 0.0591에서 0.030675까지 약 48% 개선할 수 있었다.