• 산업경영시스템학회지
• /
• 제44권3호
• /
• pp.98-105
• /
• 2021

The sensory stimulation of a cosmetic product has been deemed to be an ancillary aspect until a decade ago. That point of view has drastically changed on different levels in just a decade. Nowadays cosmetic formulators should unavoidably meet the needs of consumers who want sensory satisfaction, although they do not have much time for new product development. The selection of new products from candidate products largely depend on the panel of human sensory experts. As new product development cycle time decreases, the formulators wanted to find systematic tools that are required to filter candidate products into a short list. Traditional statistical analysis on most physical property tests for the products including tribology tests and rheology tests, do not give any sound foundation for filtering candidate products. In this paper, we suggest a deep learning-based analysis method to identify hand cream products by raw electric signals from tribological sliding test. We compare the result of the deep learning-based method using raw data as input with the results of several machine learning-based analysis methods using manually extracted features as input. Among them, ResNet that is a deep learning model proved to be the best method to identify hand cream used in the test. According to our search in the scientific reported papers, this is the first attempt for predicting test cosmetic product with only raw time-series friction data without any manual feature extraction. Automatic product identification capability without manually extracted features can be used to narrow down the list of the newly developed candidate products.

• International Journal of Computer Science & Network Security
• /
• 제21권8호
• /
• pp.288-296
• /
• 2021

Automated face recognition in a runtime environment is gaining more and more important in the fields of surveillance and urban security. This is a difficult task keeping in mind the constantly volatile image landscape with varying features and attributes. For a system to be beneficial in industrial settings, it is pertinent that its efficiency isn't compromised when running on roads, intersections, and busy streets. However, recognition in such uncontrolled circumstances is a major problem in real-life applications. In this paper, the main problem of face recognition in which full face is not visible (Occlusion). This is a common occurrence as any person can change his features by wearing a scarf, sunglass or by merely growing a mustache or beard. Such types of discrepancies in facial appearance are frequently stumbled upon in an uncontrolled circumstance and possibly will be a reason to the security systems which are based upon face recognition. These types of variations are very common in a real-life environment. It has been analyzed that it has been studied less in literature but now researchers have a major focus on this type of variation. Existing state-of-the-art techniques suffer from several limitations. Most significant amongst them are low level of usability and poor response time in case of any calamity. In this paper, an improved face recognition system is developed to solve the problem of occlusion known as FRS-OCC. To build the FRS-OCC system, the color and texture features are used and then an incremental learning algorithm (Learn++) to select more informative features. Afterward, the trained stack-based autoencoder (SAE) deep learning algorithm is used to recognize a human face. Overall, the FRS-OCC system is used to introduce such algorithms which enhance the response time to guarantee a benchmark quality of service in any situation. To test and evaluate the performance of the proposed FRS-OCC system, the AR face dataset is utilized. On average, the FRS-OCC system is outperformed and achieved SE of 98.82%, SP of 98.49%, AC of 98.76% and AUC of 0.9995 compared to other state-of-the-art methods. The obtained results indicate that the FRS-OCC system can be used in any surveillance application.

• 한국산학기술학회논문지
• /
• 제20권4호
• /
• pp.43-49
• /
• 2019

초고속의 유무선 인터넷은 다양한 형태의 미디어 데이터를 손쉽게 획득할 수 있는 유용한 창구이다. 이에 반해, 일반인들이 개인 정보가 노출된 대상 객체를 포함하고 있는 미디어 데이터까지도 인터넷을 통해 용이하게 획득할 수 있으므로 사회적으로 문제가 되고 있다. 본 논문에서는 입력되는 여러 가지 종류의 영상으로부터 개인 정보가 노출된 대상 객체를 학습 알고리즘을 이용해 강인하게 검출하고, 검출된 대상 객체 영역을 효과적으로 블로킹하는 방법을 제안한다. 본 논문에서 제안된 방법에서는 먼저 뉴럴 네크워크 기반의 학습 알고리즘을 사용해 영상으로부터 개인 정보를 포함하고 있는 대상 객체만을 검출한다. 그런 다음, 격자형 모자이크를 생성해 이전 단계에서 검출된 대상 객체 영역 위에 오버랩함으로써 개인 정보를 포함하고 있는 객체 영역을 효과적으로 블로킹한다. 실험 결과에서는 제안된 알고리즘이 입력되는 다양한 영상으로부터 개인 정보가 노출된 대상 영역을 강인하게 검출하고, 검출된 영역을 모자이크 처리를 통해 효과적으로 블로킹한다는 것을 보여준다. 본 논문에서 제시된 객체 블로킹 방법은 객체 보안, 물체 추적, 영상 블로킹 등과 같은 컴퓨터 비전과 관련된 여러 응용 분야에서 유용하게 활용될 것으로 예상된다.

• 대한유전성대사질환학회지
• /
• 제18권3호
• /
• pp.95-98
• /
• 2018

미토콘드리아 질환은 단일 장기에서부터 여러 장기에 걸쳐 침범할 수 있다는 임상 증상의 광범위한 이질성이 특징이다. 안검하수, 색소 망막 퇴화, 외안근 마미, 시신경 위축 등과 같은 다양한 안구 증상이 미토콘드리아 질환에서 함께 나타날 수 있지만, 진행성 양안 백내장은 미토콘드리아 질환의 안과적 증상에서 매우 드물다. 저자들은 미토콘드리아 호흡 연쇄 복합체 결핍 환자에서 흔치 않은 안구 발현 현상인 진행성 양안 백내장 침범 사례를 경험하였기에 보고하는 바이다.

• 한국정보통신학회논문지
• /
• 제23권6호
• /
• pp.659-665
• /
• 2019

컨테이너 표면에는 적재된 화물의 위험 여부에 따라 다양한 플래카드가 부착된다. 위험물이 적재된 컨테이너는 일반 컨테이너 별도로 관리되어야 하므로 항만 자동화 시스템의 일부로 플래카드 자동 인식에 대한 수요가 생겨나고 있다. 이 논문에서는 컨테이너의 후면을 촬영한 영상에서 플래카드의 형태적인 특징을 이용하여 자동으로 플래카드 영역을 추출하고 이를 인식하는 시스템을 제안한다. 플래카드 인식에서는 특히 컨테이너의 표면 굴곡에 의해 다양한 왜곡이 발생할 수 있으므로 영역 추출 및 인식 과정에서 주의가 필요하다. 제안하는 시스템은 플래카드가 다이아몬드 형태를 가지며, 클래스 번호가 아래 꼭지점 바로 위에 기입된다는 특징을 사용하여 관심 영역을 자동으로 추출하고, 플래카드를 자동으로 인식할 수 있다. 제안하는 시스템을 실제 이미지에 적용하였을 때 오류 없이 플래카드를 인식할 수 있었으며, 사용한 영상 분석 기법은 다양한 영상 분석 시스템에 적용될 수 있다.

• 한국산업정보학회논문지
• /
• 제23권6호
• /
• pp.21-27
• /
• 2018

본 논문에서는 수평 방향의 경계선 정보를 이용한 마모 정도 및 편마모 검출 알고리즘을 제안한다. 입력 이미지의 노이즈는 양방향 필터로 제거한 다음 제안된 마스크를 사용하여 필터링된 이미지에서 경계선이 추출된다. 타이어가 마모됨에 따라, 타이어 숄더 또는 타이어 바퀴의 바닥에 팬 홈이 수직 홈보다 더 많이 바뀐다. 그러므로 타이어 숄더 또는 타이어 홈의 모서리는 수직 홈의 모서리보다 타이어 장착에 대한 정보가 더 많다. 제안 된 마스크는 이 특징을 반영하여 수평 모서리 추출에 사용된다. 경계선 추출 후, 경계선 이미지는 두 가지 레벨 시스템으로 표현된다. 이진화 이미지의 경계선 화소는 착용도 및 불균일한 착용을 결정하는 데 사용된다. 이 제안 된 방법은 다른 장비 없이 쉽게 사용할 수 있다. 제안 된 방법은 실제 차량을 사용하여 수행되었으며, 실험 결과는 착용도 및 착용 불균일성을 검출하는데 있어 제안 된 방법의 우수한 성능을 보여준다.

• 한국정보기술학회논문지
• /
• 제16권11호
• /
• pp.85-95
• /
• 2018

스마트폰의 보급이 확산되고 대중화됨에 따라 대부분의 사람들은 사진을 촬영하기 위해 모바일 카메라를 애용하고 있다. 하지만 저조도 환경에서 사진을 촬영할 때 광량이 부족한 이유로 원치 않는 잡음이 발생할 수 있다. 이런 잡음을 제거하기 위해, 최근 심층 합성곱 신경망에 기반한 잡음 제거 기법이 제안되었다. 이 기법은 성능 측면에서 큰 진전을 보였을지라도 여전히 텍스처 및 에지 표현 능력이 부족하다. 따라서 본 논문에서는 영상의 구조를 향상시키기 위해 에지의 방향 정보를 나타내는 호그 영상을 활용하고자 한다. 그리고 잡음 영상과 호그 영상을 스택으로 쌓은 후, 입력 텐서를 형성하여 심층 합성곱 신경망을 학습시키는 기법을 제안하고자 한다. 실험 결과를 통해, 제안한 기법은 기존의 기법보다 정량적인 화질 평가에서 더 우수한 결과를 얻을 수 있었으며 시각적인 측면에서도 텍스처 및 에지의 향상을 달성할 수 있었다.

• Healthcare Informatics Research
• /
• 제24권4호
• /
• pp.309-316
• /
• 2018

Objectives: Both the valence and arousal components of affect are important considerations when managing mental healthcare because they are associated with affective and physiological responses. Research on arousal and valence analysis, which uses images, texts, and physiological signals that employ deep learning, is actively underway; research investigating how to improve the recognition rate is needed. The goal of this research was to design a deep learning framework and model to classify arousal and valence, indicating positive and negative degrees of emotion as high or low. Methods: The proposed arousal and valence classification model to analyze the affective state was tested using data from 40 channels provided by a dataset for emotion analysis using electrocardiography (EEG), physiological, and video signals (the DEAP dataset). Experiments were based on 10 selected featured central and peripheral nervous system data points, using long short-term memory (LSTM) as a deep learning method. Results: The arousal and valence were classified and visualized on a two-dimensional coordinate plane. Profiles were designed depending on the number of hidden layers, nodes, and hyperparameters according to the error rate. The experimental results show an arousal and valence classification model accuracy of 74.65 and 78%, respectively. The proposed model performed better than previous other models. Conclusions: The proposed model appears to be effective in analyzing arousal and valence; specifically, it is expected that affective analysis using physiological signals based on LSTM will be possible without manual feature extraction. In a future study, the classification model will be adopted in mental healthcare management systems.

• Biomedical Engineering Letters
• /
• 제8권4호
• /
• pp.365-371
• /
• 2018

Uninterrupted monitoring of multiple subjects is required for mass causality events, in hospital environment or for sports by medical technicians or physicians. Movement of subjects under monitoring requires such system to be wireless, sometimes demands multiple transmitters and a receiver as a base station and monitored parameter must not be corrupted by any noise before further diagnosis. A Bluetooth Piconet network is visualized, where each subject carries a Bluetooth transmitter module that acquires vital sign continuously and relays to Bluetooth enabled device where, further signal processing is done. In this paper, a wireless network is realized to capture ECG of two subjects performing different activities like cycling, jogging, staircase climbing at 100 Hz frequency using prototyped Bluetooth module. The paper demonstrates removal of baseline drift using Fast Fourier Transform and Inverse Fast Fourier Transform and removal of high frequency noise using moving average and S-Golay algorithm. Experimental results highlight the efficacy of the proposed work to monitor any vital sign parameters of multiple subjects simultaneously. The importance of removing baseline drift before high frequency noise removal is shown using experimental results. It is possible to use Bluetooth Piconet frame work to capture ECG simultaneously for more than two subjects. For the applications where there will be larger body movement, baseline drift removal is a major concern and hence along with wireless transmission issues, baseline drift removal before high frequency noise removal is necessary for further feature extraction.

• 문화기술의 융합
• /
• 제4권4호
• /
• pp.361-366
• /
• 2018

학습 데이터를 구성하는 각각의 문자들에 대해 서로 다른 글자체들을 픽셀 단위로 더해서 MASK를 만들고, 해당 MASK에 속하는 픽셀값들을 세 영역으로 나눈다. 실험 데이터를 골격 형태로 수정하고, 지역 경계 연산을 사용하여 수정된 실험 데이터의 배경 중에서 문자의 골격에 인접한 배경 영역을 구분하는 경계를 만든다. 수정된 실험 데이터와 MASK들 간의 불일치 정도를 계산해서 최소값을 가지는 MASK를 찾는다. 이 MASK가 해당 실험 데이터에 대해 최종적으로 인식된 학습 데이터 문자로 선택된다. 문자의 골격과 지역 경계 연산을 사용하는 인식법은 주어진 학습 데이터에 새로운 글자체를 추가해서 학습 데이터를 쉽게 확장할 수 있으며, 구현하기가 간단하면서도 높은 문자 인식률을 얻을 수 있다.