• 한국항행학회논문지
• /
• 제26권2호
• /
• pp.113-118
• /
• 2022

사람은 독서나 필기 중 중요 문구를 형광펜으로 칠하는 것에서 착안하여, 본 논문에서는 복잡한 배경 질감을 가진 영상에서의 불량유형을 효과적으로 분류하기 위해 불량 픽셀 영역을 하이라이팅 하여 신경망을 훈련하는 방법을 제안한다. 제안 방법의 가능성을 검증하기 위하여 불량유형 구분이 매우 어려운 타이어 밴드 직물의 불량유형 분류에 제안 방법을 적용한다. 또한, 타이어 밴드 직물 영상에 특화된 백라이트 하이라이팅 방법을 제안한다. 백라이트 하이라이트 영상은 GradCAM 기법과 간단한 영상처리를 이용하여 획득할 수 있다. 실험에서 우리는 제안하는 하이라이팅 기법이 분류 정확도뿐만 아니라 훈련속도 면에서 기존 방법보다 우수함을 보였다. 인식률 면에서는 제안 방법이 기존 방법 대비 최대 13.4%의 향상을 달성하였다. 타이어 밴드 직물 영상에 특화된 백라이트 하이라이팅 기법이 윤곽 하이라이팅 기법보다 정확도 측면에서 우수함을 보였다.

• 조명전기설비학회논문지
• /
• 제20권7호
• /
• pp.53-57
• /
• 2006

PID 제어기는 산업자동화 설비에 널리 쓰이고 있다. 하지만 시스템 특성이 간헐 또는 연속적으로 변화할 때에 정밀제어를 위한 새로운 매개변수 결정이 쉽지 않다. 이를 해결하기 위한 방법으로 본 논문에서는 PID 제어기와 같은 기능을 갖는 신경망이득 자동조절기를 제안 하였다. 시스템의 적절한 궤환제어 이득은 델타 학습규칙에 의해서 결정된다. 제안된 신경망이득 자동조절기의 기능은 유도 전동기의 속도제어 실험에 의해 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권7호
• /
• pp.3286-3300
• /
• 2016

High Efficiency Video Coding (HEVC) Standard, as the latest coding standard, introduces satisfying compression structures with respect to its predecessor Advanced Video Coding (H.264/AVC). The new coding standard can offer improved encoding performance compared with H.264/AVC. However, it also leads to enormous computational complexity that makes it considerably difficult to be implemented in real time application. In this paper, based on machine learning, a fast partitioning method is proposed, which can search for the best splitting structures for Intra-Prediction. In view of the video texture characteristics, we choose the entropy of Gray-Scale Difference Statistics (GDS) and the minimum of Sum of Absolute Transformed Difference (SATD) as two important features, which can make a balance between the computation complexity and classification performance. According to the selected features, adaptive decision trees can be built for the Coding Units (CU) with different size by offline training. Furthermore, by this way, the partition of CUs can be resolved as a binary classification problem. Experimental results have shown that the proposed algorithm can save over 34% encoding time on average, with a negligible Bjontegaard Delta (BD)-rate increase.

• Journal of Multimedia Information System
• /
• 제8권3호
• /
• pp.147-158
• /
• 2021

Versatile Video Coding (VVC) is the latest video coding standard developed by Joint Video Exploration Team (JVET). In VVC, the quadtree plus multi-type tree (QT+MTT) structure of coding unit (CU) partition is adopted, and its computational complexity is considerably high due to the brute-force search for recursive rate-distortion (RD) optimization. In this paper, we aim to reduce the time complexity of inter-picture prediction mode since the inter prediction accounts for a large portion of the total encoding time. The problem can be defined as classifying the split mode of each CU. To classify the split mode effectively, a novel convolutional neural network (CNN) called multi-level tree (MLT-CNN) architecture is introduced. For boosting classification performance, we utilize additional information including inter-picture information while training the CNN. The overall algorithm including the MLT-CNN inference process is implemented on VVC Test Model (VTM) 11.0. The CUs of size 128×128 can be the inputs of the CNN. The sequences are encoded at the random access (RA) configuration with five QP values {22, 27, 32, 37, 42}. The experimental results show that the proposed algorithm can reduce the computational complexity by 11.53% on average, and 26.14% for the maximum with an average 1.01% of the increase in Bjøntegaard delta bit rate (BDBR). Especially, the proposed method shows higher performance on the sequences of the A and B classes, reducing 9.81%~26.14% of encoding time with 0.95%~3.28% of the BDBR increase.

• 대한의용생체공학회:의공학회지
• /
• 제24권2호
• /
• pp.99-106
• /
• 2003

본 논문에서는 정신질환 진단을 위하여 뇌파신호를 판별하는 방법을 제안하였다. 정신질환의 한 종류인 정신분열증 환자의 뇌파와 정상인의 뇌파를 분류하기 위하여 제안한 방법에서는 기본적으로 웨이블릿 변환과 인공 신경망을 이용하였다. 뇌파 신호에 웨이블릿 변환을 적용하여 각각 알파. 베타. 세타 그리고 델타파에 해당하는 주파수 대역의 웨이블릿 계수를 구한 다음. 각각의 주파수 대역에 대한 웨이블릿 계수들의 크기 평균 및 분산들을 인공 신경망의 입력 데이터로 이용하였다. 인공 신경망은 2개의 은닉층을 갖는 4층의 피드포워드 회로망 구조를 가지며 학습에는 역전파 학습 알고리듬을 이용하였다. 정신분열증의 판별시스템은 19 채널의 뇌파신호에 대응하는 19개의 인공신경망으로 구성되었고 정상인과 정신분열증 환자에 대하여 각각 100%와 86.67%의 정확도를 보여주었다.

• 한국전자통신학회논문지
• /
• 제11권8호
• /
• pp.759-766
• /
• 2016

본 논문은 비정상 상황 시 발생하는 음원에 대해 주변 환경 음에 강인한 음원 구간을 검출하여, 구간내의 신호를 이용한 음원 인식 과 위치 추적 시스템 설계에 관한 연구이다. 강인한 음원 구간 검출은 수신되는 오디오 신호로부터 단 구간 가중 평균 델타 에너지를 계산하여, 저역 통과 필터에 입력 후, 출력되는 결과 값들의 비교를 통해 배경음에 강인한 구간을 정의 하며, 음원 인식은 검출된 구간 내 데이터로부터 종래의 인식 방법인 HMM(: Hidden Markov Model)을 이용해, 음원 인식 정보를 생성하여 학습 및 인식을 한다. 이는 주변 배경음이 포함된 음원 신호에 대해 기존 신호의 에너지를 이용해 구간을 검출 후, HMM을 통한 인식에 비해 3.94% 상향된 인식률을 보인다. 또한 인식 결과를 바탕으로 구간내의 신호간의 TDOA(: Time Delay of Arrival)를 이용한 위치 파악은 실제 발생 위치와의 각도와 97.44%일치함을 보인다.