• Smart Structures and Systems
• /
• 제20권2호
• /
• pp.151-162
• /
• 2017

In practical engineering, the friction damper is a widely used energy dissipation device because of its large deformation capacity, stable energy dissipation capability, and cost effectiveness. While based on conventional friction dampers, the double-sliding friction damper (DSFD) being proposed is different in that it features two sliding friction forces, i.e., small and large sliding friction forces, rather than a single-sliding friction force of ordinary friction dampers. The DSFD starts to deform when the force sustained exceeds the small-sliding friction force, and stops deforming when the deformation reaches a certain value. If the force sustained exceeds the large sliding friction force, it continues to deform. Such a double-sliding behavior is expected to endow structures equipped with the DSFD better performance in both small and large earthquakes. The configuration and working mechanism of the DSFD is described and analyzed. Quasi-static loading tests and finite element analyses were conducted to investigate its hysteretic behavior. Finally, time history analysis of the single-degree-of-freedom (SDOF) and multi-degree-of-freedom (MDOF) systems were performed to investigate the seismic performance of DSFD-equipped structures. For the purpose of comparison, tests on systems equipped with conventional friction dampers were also performed. The proposed DSFD can be realized perfectly, and the DSFD-equipped structures provide better performances than those equipped with conventional friction dampers in terms of interstory drift and floor acceleration. In particular, for the MDOF system, the DSFD helps the structural system to have a uniform distributed interstory drift.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 하계학술대회
• /
• pp.76-79
• /
• 2019

본 논문에서는 얼굴 검출에서 좋은 성능을 보이는 Dual Shot Face Detector (DSFD)을 WIDER FACE 데이터 기반으로 네트워크의 성능 및 특성을 분석한다. 얼굴 검출 엔진의 동작 및 학습을 확인하기 위해 WIDER FACE 데이터를 기반으로 DSFD 를 학습한 후 기존 논문에서 발표되었던 성능을 보이는지 확인한다. 성능 확인된 얼굴 검출기 DSFD 를 세부적으로 분석하기 위하여 테스트 데이터를 10 개 그룹으로 분할하여 AP 측정 후 성능 열화가 높은 그룹의 이미지를 집중적으로 분석하였다. 분석 결과 얼굴 영역 주변에 모자 헬멧, 방패 등에 의해 가려진 경우 얼굴 검출에 많은 어려움이 발생했다. 또한 이미지에 있는 상황을 61 개로 구분하여 정량적 분석을 수행하며 분석 결과 Car Accident 와 People Marching 상황에서 성능이 열화되는 것을 확인하였다. 본 논문에서는 DSFD 네트워크의 성능 열화 부분 및 경향 등을 분석하였다. 이러한 내용은 DSFD 얼굴 검출기의 성능을 개선하거나 특정 도메인에 맞는 검출기를 개발하는데 매우 중요한 자료가 될 것으로 생각한다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2008년도 춘계학술대회 논문집
• /
• pp.445-446
• /
• 2008

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.40-42
• /
• 2020

본 논문에서는 합성곱 기반의 얼굴 검출기 Dual Shot Face Detector (DSFD)에 대하여, 특징점 맵의 희소화와 채널 프루닝 목적 함수를 사용하여 네트웍 경량화를 수행하였다. 특징점 맵을 희소화하기 위해 L1 목적 함수를 사용했고, 특징점 맵의 채널 프루닝을 하기 위해 채널 최대값이 가장 낮은 채널들의 합을 최소화 시키는 목적함수를 적용했다. 기존의 신경망은 특징점 맵 희소화 비율이 45%였고 두 목적 함수를 적용했을 때 69.67% 로 희소화 비율이 높아진 것을 확인했다. 얼굴 검출 성능을 다양한 조명, 크기, 환경, 각도, 표정의 얼굴들을 포함하는 영상들로 이뤄진 Wider Face 데이터 셋으로 실험한 결과, average precision은 하락 했고 easy validation set에서 0.9257, hard validation set에서 0.8363 였다.