• 한국광학회지
• /
• 제18권1호
• /
• pp.74-78
• /
• 2007

본 논문에서는 포토마스크 후면에 위상 패턴을 형성하여 웨이퍼 상 CD(critical dimension) 균일도를 개선할 수 있는 투과율 조절 포토마스크 기술을 ArF 리소그래피에 적용한 결과에 대하여 보고한다. 위상 패턴 조밀도에 따른 노광 광세기 변화 계산에 포토마스크 후면으로부터 포토마스크 전면까지의 광의 전파를 고려하여 ArF 파장에서의 위상 패턴 조밀도에 따른 노광 광세기 저하에 관한 실험결과를 이론적으로 재현할 수 있었다. 본 기술을 ArF 리소그래피에 적용하여 DRAM(Dynamic Random Access Memory)의 한 주요 레이어에 대해 필드 내 CD 균일도를 $3{\sigma}$ 값으로 13.8 nm에서 9.7 nm로 개선하였다.

• International journal of advanced smart convergence
• /
• 제4권2호
• /
• pp.94-102
• /
• 2015

Optical camera communication (OCC) is an extension of Visible Light Communication. Different from traditional visible light communication, optical camera communications is an almost no additional cost technology by taking the advantage of build-in camera in devices. It was became a candidate for communication protocol for IoT. Camera module can be easy attached to IoT device, because it is small and flexible. Furthermore almost smartphone equip one or two camera for both back and font side with high quality and resolution. It can be utilized for receiving the data from LED or positioning. Actually, OCC combines illumination and communication. It can supply communication for special areas or environment where do not allow Radio frequency such as hospital, airplane etc. There are many concept and experiment be proposed. In this paper we proposed utilizing Android smart-phone camera for receiver and introduce new approach in modulation scheme for LED at transmitter. It also show how Manchester coding can be used encode bits while at the same time being successfully decoded by Android smart-phone camera. We introduce new data frame format for easy decoded and can be achieve high bit rate. This format can be easy to adapt to performance limit of Android operator or embedded system.

• 대한전자공학회논문지SP
• /
• 제45권2호
• /
• pp.65-73
• /
• 2008

모바일 폰에서 사용되고 있는 카메라와 LCD 디스플레이의 정확한 색 재현을 위한 특성화 과정은 많이 알려져 있다. 카메라의 입력 신호인 CIEXYZ 색 자극 값을 LCD의 출력 신호인 CIEXYZ 값으로 정확하게 사상하기 위해서는 카메라와 LCD 특성화, 그리고 색역 사상 과정이 필요하다. 각 장치의 특성화는 입력 신호와 출력 신호 사이의 관계를 추정하는 과정이다. LCD의 경우 출력장치이기 때문에 임의의 입력에 대해 출력 색 자극 값을 측색기를 통해 측정이 가능하나 카메라와 같은 입력 장치인 경우 입력 신호를 생성할 수 없기 때문에 특성화 과정이 부정확하고 출력 신호의 획득과정에서 많은 수작업이 필요로 한다. 더욱이 노이즈에 민감한 카메라의 특성 때문에 색역 사상 후 카메라 모듈 생산 초기에 노이즈에 최적화된 감마 톤 커브가 왜곡이 되어 결과적으로 노이즈가 증가하게 된다. 이러한 문제들을 해결하고자 본 논문에서는 카메라의 출력 신호 획득 시스템과 노이즈 제거를 위한 부분적인 감마 보정 방법을 제안한다. 카메라의 출력 신호는 입력신호 사용되는 칼라 차트를 촬영하여 이미지에서의 패치 값을 읽어 획득한다. 그러나 촬영과정에서의 조명의 영향뿐만 아니라 다수의 카메라모듈에 대해 촬영 시 뷰파인더에서의 차트의 위치에 대한 오차가 발생하게 된다. 이러한 수작업에서 발생하는 오차를 보정하기 위해 카메라의 위치를 조성하는 시스템을 제안한다. 카메라의 위치는 촬영된 이미지로부터 추정 할 수 있으며 카메라의 이동과 위치 추정을 반복적으로 적용하면서 최적의 위치를 찾게 되고, 각 패치의 위치를 추정하여 출력 값을 획득한다. 또한 특성화로 인해 발생하는 노이즈를 줄이기 위하여 카메라의 출력 신호의 밝기 커브를 부분적으로 감마 커브를 조정한다.

• 한국지능시스템학회논문지
• /
• 제26권5호
• /
• pp.423-431
• /
• 2016

일반적으로 옥외영상에서의 자동차 번호판 인식은 인위적인 환경에서와는 다르게 기하학적으로 왜곡되어 있을 뿐만 아니라 조명 변화도 크기 때문에 단순환 문제가 아니다. 본 논문에서는 일반 CCTV 카메라로 옥외에서 촬영된 영상에서 자동차 번호판 인식을 위한 개선된 기술들을 제안한다. 먼저 다양한 특징을 상보적으로 사용하는 직렬구조의 다단계 Adaboost 검출기를 제안한다. 제안하는 검출기는 MB-LBP 및 Haar-like 특징을 사용하는 Adaboost 구조를 직렬로 연결하여 번호판 검출의 검출성능을 향상시켰다. 또한 검출된 번호판의 기하학적 왜곡을 보정하고 번호판의 타입을 먼저 결정하여 영상처리를 용이하게 하는 방법을 제안한다. 이런 방법은 그래이 변환, 문자/숫자 분리, 분리된 영상의 영상처리 등에서 사전지식 없이 전체 번호판 영상을 이용하는 경우보다 효율적이다. 본 논문에서 DBN(Deep Belief Network)를 문자/숫자 인식기로 사용하여 영상처리과정에서 기인한 획 손실이나 기울어짐 같은 기하학적인 왜곡에서도 강건한 인식률을 달성하였다.

• 한국터널지하공간학회 논문집
• /
• 제26권2호
• /
• pp.129-152
• /
• 2024

터널 내 CCTV를 통한 딥러닝 객체인식 적용에 있어서 터널의 열악한 환경조건, 즉 낮은 조도 및 심한 원근현상으로 인해 오탐지가 대량 발생한다. 이 문제는 객체인식 성능에 기반한 영상유고시스템의 신뢰성 문제로 직결되므로 정탐지 향상과 더불어 오탐지의 저감 방안이 더욱 필요한 상황이다. 이에 본 논문은 딥러닝 객체인식 모델을 기반으로, 오탐지 데이터의 재학습을 통해 오탐지의 저감뿐만 아니라 정탐지 성능 향상도 함께 추구하는 오탐지 학습법을 제안한다. 본 논문의 오탐지 학습법은 객체인식 단계를 기반으로 진행되며, 학습용 데이터셋 초기학습 - 검증용 데이터셋 추론 - 오탐지 데이터 정정 및 데이터셋 구성 - 학습용 데이터셋에 추가 후 재학습으로 이어진다. 본 논문은 이에 대한 성능을 검증하기 위해 실험을 진행하였으며, 우선 선행 실험을 통해 본 실험에 적용할 딥러닝 객체인식 모델의 최적 하이퍼파라미터를 결정하였다. 그리고 본 실험에서는 학습영상 포맷을 결정하기 위한 실험, 반복적인 오탐지 데이터셋의 재학습을 통해 장기적인 성능향상을 확인하기 위한 실험을 순차적으로 진행하였다. 그 결과, 첫 번째 본 실험에서는 추론된 영상 내에서 객체를 제외한 배경을 제거시키는 경우보다 배경을 포함시키는 경우가 객체인식 성능에 유리한 것으로 나타났으며, 두 번째 본 실험에서는 재학습 차수별 독립적으로 오탐지 데이터를 재학습시키는 경우보다 차수마다 발생하는 오탐지 데이터를 누적시켜 재학습 시키는 경우가 지속적인 객체인식 성능 향상 측면에서 유리한 것으로 나타났다. 두 실험을 통해 결정된 방법으로 오탐지 데이터 재학습을 진행한 결과, 차량 객체 클래스는 1차 재학습 이후부터 AP값이 0.95 이상 우수한 추론 성능이 발현되었으며, 5차 재학습까지 초기 추론 대비 약 1.06배 추론성능이 향상되었다. 보행자 객체 클래스는 재학습이 진행됨에 따라 지속적으로 추론 성능이 향상되었으며, 18차 재학습까지 초기 추론대비 2.3배 이상 추론성능이 자가 향상될 수 있음을 보였다.