• 전기전자학회논문지
• /
• 제24권3호
• /
• pp.883-889
• /
• 2020

본 논문에서는 CNN(Convolution Neural Network)을 이용한 유도전동기 고정자 고장진단에 PV(Park's Vector)패턴을 특징으로 활용하는 방법을 제안하였다. 기존의 CNN을 이용한 유도전동기 고장진단 방법은 3상 전류를 이미지화하여 진단을 수행하였으나, 이 방법은 인위적으로 전류의 시작점, 위상 등을 맞춰 정규화를 수행해야하는 번거러움이 존재하나, PV패턴을 이용할 경우 일정 원의 패턴을 나타내기 때문에 정규화의 문제를 해결 할 수 있었다. 또한 PV패턴을 이용할 경우, 특징벡터가 자동적으로 정규화됨에 따라 기존의 전류데이터를 이미지화한 결과보다 CNN의 정확도 측면에서 18.18[%] 우수함을 실험을 통해 확인할 수 있었다.

• 정보과학회 논문지
• /
• 제44권7호
• /
• pp.668-673
• /
• 2017

최근 몇 년간 딥러닝(deep learning)은 음성 인식, 영상 인식, 물체 검출을 비롯한 다양한 패턴인식 분야에서 혁신적인 성능 발전을 거듭해왔다. 그에 비해 네트워크가 어떻게 작동하는지에 대한 깊은 이해는 잘 이루어지지 않고 있다. 본 논문은 효과적인 신경망 네트워크를 구성하기 위해 네트워크 파라미터들이 신경망 내부에서 어떻게 작동하고, 어떤 역할을 하고 있는지 분석하였다. Faster R-CNN 네트워크를 기반으로 하여 신경망의 과적합(overfitting)을 막는 드랍아웃(dropout) 확률과 앵커 박스 크기, 그리고 활성 함수를 변화시켜 학습한 후 그 결과를 분석하였다. 또한 드랍아웃과 배치 정규화(batch normalization) 방식을 비교해보았다. 드랍아웃 확률은 0.3일 때 가장 좋은 성능을 보였으며 앵커 박스의 크기는 최종 물체 검출 성능과 큰 관련이 없다는 것을 알 수 있었다. 드랍아웃과 배치 정규화 방식은 서로를 완전히 대체할 수는 없는 것을 확인할 수 있었다. 활성화 함수는 음수 도메인의 기울기가 0.02인 leaky ReLU가 비교적 좋은 성능을 보였다.

• 대한전자공학회논문지SP
• /
• 제46권6호
• /
• pp.26-35
• /
• 2009

본 논문은 수리형태학적 분석을 통한 계단응답 추출 및 반복적 정칙화 방법을 이용한 점확산함수 추정 방법을 제안한다. 제안된 점확산함수 추정 기법은 입력 영상의 윤곽을 추출하기 위하여 캐니 에지 추출법을 사용하고, 윤곽에 대한 수리형태학적 분석을 위해서 Hit-or-Miss 변환을 통해 추정 조건을 만족하는 수평 및 수직 에지를 추출한다. 이렇게 추출된 에지들을 평탄화 및 정규화 시켜서 최적의 계단응답으로 만들고, 반복적 정칙화 방법을 통해 점확산함수를 추정하는 과정을 보인다. 또한 추정된 점확산함수를 사용하여 영상 복원한 결과를 보인다. 제안하는 점확산함수 추정 방법은 기계적 초점 렌즈를 사용하지 않는 디지털 자동초점 시스템에 적용하여 디지털 입력 장치의 부가가치를 높이는데 기여할 수 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 C
• /
• pp.1930-1932
• /
• 2004

SOM(Self Organizing Map) algorithm which has some advantages such as data accumulation ability and the degradation trend trace ability was compared with conventionally used BP(Back Propagation) algorithm. For the purpose, partial discharge data were acquired and analysed from the artificial defects in GIS. As a result, basically the pattern recognition rate of BP algorithm was found out to be better than that of SOM algorithm. However, SOM algorithm showed a great on-site-applicability such as ability of suggesting new-pattern-possibility. Therefore, through increasing pattern recognition rate it is possible to apply SOM algorithm to partial discharge analysis. Also, for the image processing method it is required the normalization of the PRPDA graph. However, due to the normalization both BP and SOM algorithm have shown worse results, so that it is required further study to solve the problem.

• 한국정보처리학회논문지
• /
• 제3권4호
• /
• pp.883-898
• /
• 1996

본 논문에서는 패턴인식 시스템의 성능 향상을 목적으로 원영상의 데이타량을 압 축하고 난 뒤 형상을 인식하는 개선된 방법을 제안한다. 제안한 방법에서는 수리형태 론적 연산을 사용하여 원영상을 미리 스켈리턴변환하여 데이터 량을 줄이고, 변환된 영상에서 이동 및 크기의 정규화와 회전불변의 과정을 수행하여 패턴을 정합하였다. 크기의 정규화는 형상인식에 필요한 픽셀의 수를 최소로 하여 정합을 하기 위하여 스켈리턴의 픽셀들에 가중치를 부여하고 이를 이용하여 크기를 조정하였다. 따라서 원영상에서 수행하는 이러한 과정들을 스켈리턴 영상에서 수행하게 함으로써 데이터 량이 크게 줄어들게 되어 기억장소의 용량이 최소화되고 연산의 량도 줄어들어 계산의 속도를 고속화 할 수 있게 하였다. 실험을 통하여 인식에 필요한 최적의 크기 인수를 조사하였고, 제안한 방법이 실제의 인식 시스템 구현시 유용하게 사용할 수 있음을 확인할 수 있었다.

• 한국통신학회논문지
• /
• 제11권5호
• /
• pp.332-339
• /
• 1986

한글문자패튼의 인식율을 향상시키기 위해서 Gaussian 확율밀도 함수를 이용한 형태정규화의 한 방법을 제안한다. 제안된 방법은 입력패튼의 패튼 영역을 추출하여 2변수보간법으로 패튼의 크기를 정규화 한 후, 크기 정규화된 패튼의 상관계수를 0으로 하는 선형변환을 시켜 문자패튼의 기하학적 기울어짐 변형을 정규화시켰다. 입력패튼과 형태정규화된 패튼간의 관계를 이론적으로 해석하고 컴퓨터 시뮬레이션을 통해서 이론의 타당성을 확인하였다.

• 방송공학회논문지
• /
• 제25권6호
• /
• pp.980-993
• /
• 2020

딥-러닝 기반 스타일 전이 기법은 영상의 고차원적 구조적 특성을 적절하게 반영하여 높은 품질의 스타일 전이 결과를 제공함으로써 최근 크게 주목받고 있다. 본 논문은 이러한 딥-러닝 기반 스타일 전이 방식의 안정적이고 보다 다양한 스타일 전이 결과 제공에 대한 문제를 다룬다. 스타일 전이를 위한 광범위한 초-매개변수 설정에 따른 실험 결과에 대한 고찰을 바탕으로 스타일 전이 결과의 안정성 및 다양성에 대한 문제를 정의하고, 이러한 문제를 해결하기 위한 부분 손실 정규화 방법을 제안한다. 제안된 정규화 방식을 이용한 스타일 전이는 입력 영상의 특징에 상관없이 초-매개변수 설정을 통해 동일 수준의 스타일 전이 정도를 조절할 수 있을 뿐 아니라, 스타일 손실을 정의하는 계층 별 가중치 설정의 조절을 통해 기존 방식과 달리 보다 다양한 스타일 전이 결과를 제공하며, 입력 영상의 해상도 차이에 대해 보다 안정적인 스타일 전이 결과를 제공하는 특징을 가진다.

• 한국축산식품학회지
• /
• 제43권6호
• /
• pp.1150-1169
• /
• 2023

Edible insects are gaining popularity as a potential future food source because of their high protein content and efficient use of space. Black soldier fly larvae (BSFL) are noteworthy because they can be used as feed for various animals including reptiles, dogs, fish, chickens, and pigs. However, if the edible insect industry is to advance, we should use automation to reduce labor and increase production. Consequently, there is a growing demand for sensing technologies that can automate the evaluation of insect quality. This study used short-wave infrared (SWIR) hyperspectral imaging to predict the proximate composition of dried BSFL, including moisture, crude protein, crude fat, crude fiber, and crude ash content. The larvae were dried at various temperatures and times, and images were captured using an SWIR camera. A partial least-squares regression (PLSR) model was developed to predict the proximate content. The SWIR-based hyperspectral camera accurately predicted the proximate composition of BSFL from the best preprocessing model; moisture, crude protein, crude fat, crude fiber, and crude ash content were predicted with high accuracy, with R² values of 0.89 or more, and root mean square error of prediction values were within 2%. Among preprocessing methods, mean normalization and max normalization methods were effective in proximate prediction models. Therefore, SWIR-based hyperspectral cameras can be used to create automated quality management systems for BSFL.

• 한국콘텐츠학회논문지
• /
• 제6권12호
• /
• pp.21-28
• /
• 2006

형판 정합 기반의 얼굴 검출 시스템에서 획득된 이미지에 대한 명암 정규화 및 영상 보정을 위해 보통 히스토그램 평활화 등을 사용한다. 이 방법은 조명 변화에 의해 발생한 이미지의 부분 명암 왜곡에는 효과적이지 못하다는 것이 알려져 있다. 본 논문에서는 다양한 방향의 조명에 의한 명암 왜곡을 효과적으로 보정하는 전처리 기법을 제시한다. 이 기법은 얼굴의 좌우대칭성을 이용한 좌우대칭 평균화와 단순회귀분석을 이용한 세로 방향 명암 보정을 결합한 것이다. 실험 결과 이 기법은 기존의 방식보다 높은 검출성능을 보일 뿐만 아니라 얼굴의 후보 개수도 현저하게 감소하는 것으로 나타났다.

• 대한임베디드공학회논문지
• /
• 제14권1호
• /
• pp.1-9
• /
• 2019

In this paper, we propose a method of generating a 2D gray image from LiDAR 3D reflection intensity. The proposed method uses the Fully Convolutional Network (FCN) to generate the gray image from 2D reflection intensity which is projected from LiDAR 3D intensity. Both encoder and decoder of FCN are configured with several convolution blocks in the symmetric fashion. Each convolution block consists of a convolution layer with $3{\times}3$ filter, batch normalization layer and activation function. The performance of the proposed method architecture is empirically evaluated by varying depths of convolution blocks. The well-known KITTI data set for various scenarios is used for training and performance evaluation. The simulation results show that the proposed method produces the improvements of 8.56 dB in peak signal-to-noise ratio and 0.33 in structural similarity index measure compared with conventional interpolation methods such as inverse distance weighted and nearest neighbor. The proposed method can be possibly used as an assistance tool in the night-time driving system for autonomous vehicles.