• 한국지능시스템학회논문지
• /
• 제19권6호
• /
• pp.760-765
• /
• 2009

객체 영상에서 색, 모양과 같은 특징은 객체의 특성을 명확하게 표현하지 못한다. 따라서 제한된 특징 정보는 객체 영상인식의 애매성을 야기한다. 최근에는 객체 인식에서의 애매성을 줄이기 위해 지식베이스에 기반한 영상의 인식에 관한 연구가 진행되고 있다. 그러나 영상은 수치적 정보로 표현되고 지식베이스는 개념적 정보로 표현되어 영상과 지식 베이스의 결합이 쉽지 않다. 본 논문에서는 영상과 지식베이스의 정보 표현의 차이를 줄이기 위해 온톨로지를 이용하여 지식베이스를 구성한다. 그리고 내부 객체 정보를 이용하여 객체 영상 인식 과정에서의 애매성을 줄이는 객체 영상 인식 방법을 제안한다. 또한, 과일 영역에서의 객체 영상 인식 실험을 통해 제안한 방법의 효용성을 확인한다.

• 전자공학회논문지
• /
• 제50권11호
• /
• pp.124-129
• /
• 2013

본 논문은 SVM 알고리즘 기반의 실시간 사물 인식을 위한 고성능 벡터 내적 연산 회로를 제안한다. SVM 알고리즘은 다른 사물 인식 알고리즘에 비해 인식률이 높지만 연산량이 많다. 벡터 내적 연산은 SVM 알고리즘 연산의 주요 연산으로 사용되므로 실시간 사물 인식을 위해서는 고성능 벡터 내적 연산 회로의 구현이 필수적이다. 제안하는 회로는 연산 속도를 높이기 위해 6단 파이프라인 구조를 적용하였으며 SVM 기반 실시간 사물 인식을 가능하게 한다. 제안하는 회로는 Verilog HDL을 사용하여 RTL로 구현하였으며 실리콘 검증을 위해 TSMC 180nm 표준 셀 라이브러리를 이용하여 MPW 칩으로 제작하였다. 테스트 보드와 검증 애플리케이션 소프트웨어를 개발하고 이를 사용하여 MPW 칩의 동작을 확인하였다.

• 대한전자공학회논문지SD
• /
• 제41권5호
• /
• pp.61-70
• /
• 2004

뉴럴 네트워크는 동작 모드를 학습과 인지 과정으로 구분할 수 있다. 학습은 다양한 입력 패턴에 대하여 학습자가 원하는 결과값을 얻을 때까지 결합계수를 업데이트하는 과정이고, 인지는 학습을 통해 결정된 결합계수와 입력 패턴과의 연산을 수행하는 과정이다. 기존의 내적연산 프로세서는 처리 속도를 개선하고 하드웨어 복잡도를 줄이는 다양한 구조가 연구되었지만 뉴럴 네트워크의 학습과 인지모드에 대한 차별화된 구조는 없었다. 이를 위해, 본 논문에서는 재구성 가능한 뉴럴 네트워크 구현을 위한 새로운 저전력 내적연산 프로세서 구조를 제안한다. 제안한 구조는 학습모드에서 기존의 비트-시리얼 내적연산 프로세서와 같이 동작을 하여, 비트-레벨의 타른 처리 및 하드웨어 구현에 적합하고 높은 수준의 파이프라인 적용이 가능하다는 장점을 가진다. 또한, 인지모드에서는 고정된 결합계수에 따라 연산을 수행할 활성화 유닛을 최소화시킴으로서 전력 소비를 줄일 수 있다. 시뮬레이션 결과 활성화 유닛은 결합계수에 의존적이기는 하지만 50% 내외까지 줄일 수 있음을 확인하였다.

• 한국공작기계학회논문집
• /
• 제12권2호
• /
• pp.65-70
• /
• 2003

In this study, researchers developed the estimative algorithm for artificial defect in semiconductor packages and performed it by pattern recognition technology. For this purpose, the estimative algorithm was included that researchers made software with MATLAB. The software consists of some procedures including ultrasonic image acquisition, equalization filtering, Self-Organizing Map and Backpropagation Neural Network. Self-organizing Map and Backpropagation Neural Network are belong to methods of Neural Networks. And the pattern recognition technology has applied to classify three kinds of detective patterns in semiconductor packages : Crack, Delamination and Normal. According to the results, we were confirmed that estimative algerian was provided the recognition rates of 75.7% (for Crack) and 83.4% (for Delamination) and 87.2 % (for Normal).

• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2000년도 춘계학술대회논문집A
• /
• pp.505-510
• /
• 2000

Vehicle performances such as fuel consumption and catalyst-out emissions are affected by a driving pattern, which is defined as a driving cycle with the grade in this study. We developed an algorithm to recognize a current driving pattern by using a neural network. And this algorithm can be used in adapting the driving control strategy to the recognized driving pattern. First, we classified the general driving patterns into 6 representative driving patterns, which are composed of 3 urban driving patterns, 2 suburban driving patterns and 1 expressway driving pattern. A total of 24 parameters such as average cycle velocity, positive acceleration kinetic energy, relative duration spent at stop, average acceleration and average grade are chosen to characterize the driving patterns. Second, we used a neural network (especially the Hamming network) to decide which representative driving pattern is closest to the current driving pattern by comparing the inner products between them. And before calculating inner product, each element of the current and representative driving patterns is transformed into 1 and -1 array as to 4 levels. In the end, we simulated the driving pattern recognition algorithm in a temporary pattern composed of 6 representative driving patterns and, verified the reliable recognition performance.

• 한국통신학회논문지
• /
• 제18권7호
• /
• pp.935-943
• /
• 1993

본 논문은 얼굴화상에서 국부적일 특징점을 추출하여 기울기에 robust하게 얼굴을 인식하는 새로운 알고리즘을 제안하였다. 바른 자세의 영상과 기운 자세의 영상을 받아 2치화를 한 후 라플라시안 윤곽선 검출기를 이용하여 윤곽선 영상을 얻는다. 윤곽선 영상에서 최외각 윤곽선을 제거하고 내부 윤곽선은 위에서 아래방향으로 주사하면서 나타나는 순서에 따라 네 영역을 각각 A, B, C, D영역으로 레이블링하고 기준선을 중심으로 좌우로 영역을 분할하고 좌우 영역을 상하로 분할하여 모두 네 영역으로 나눈다. 좌우 눈간 거리, 눈과 눈썹사이의 거리, 눈과 코와의 거리 등을 이용하여 최종적으로 두 눈을 찾고 두 눈의 중심좌표값을 이용하여 기울기를 구한다. 기울기 정보를 이용하여 기운 영상을 바로세우고 난 후 눈 아래 영역에서부터 탐색하여 코와 입을 찾는다. 각 특징점간 거리를 계산하고 이를 두 눈사이의 거리를 기준으로 정규화하여 영상의 크기에 무관하게 한다. 인식 실험 결과 25명에 대하여 기울기를 고려한 경우 88%의 인식율을 보였고 기울기를 고려하지 않은 경우 60%의 인 식 율을 보였다.

• 대한의용생체공학회:의공학회지
• /
• 제9권1호
• /
• pp.1-10
• /
• 1988

In this study, the recognition experiments for Korean vowel are performed using peripheral auditory model. In addition, for the purpose of objective comparison, the recognition experiments are performed by extracting LPC cepstrum coefficients for the same speech data. The results are as follows. 1) The time and the frequency responses of the auditory model show that important features of input signal are involved in the responses of inner ear and auditory nerve. 2) The recognition results for Korean vowel show that the recognition rate by auditory model output is higher than the recognition rate by LPC cepstrum coefficients. 3) The adaptation phenomenon of auditory nerve provides useful characteristics for the discrimination of vowel signal.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2002년도 추계학술대회 논문집
• /
• pp.345-350
• /
• 2002

In this study, researchers classifying the artificial flaws in semiconductor packages are performed by pattern recognition technology. For this purposes, image pattern recognition package including the user made software was developed and total procedure including ultrasonic image acquisition, equalization filtration, binary process, edge detection and classifier design is treated by Backpropagation Neural Network. Specially, it is compared with various weights of Backpropagation Neural Network and it is compared with threshold level of edge detection in preprocessing method fur entrance into Multi-Layer Perceptron(Backpropagation Neural network). Also, the pattern recognition techniques is applied to the classification problem of defects in semiconductor packages as normal, crack, delamination. According to this results, it is possible to acquire the recognition rate of 100% for Backpropagation Neural Network.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2005년도 추계학술대회 논문집
• /
• pp.721-726
• /
• 2005

In this study, researchers classifying the artificial flaws in semiconductor. packages are performed by pattern recognition technology. For this purposes, image pattern recognition package including the user made software was developed and total procedure including ultrasonic image acquisition, equalization filtration, binary process, edge detection and classifier design is treated by Backpropagation Neural Network. Specially, it is compared with various weights of Backpropagation Neural Network and it is compared with threshold level of edge detection in preprocessing method for entrance into Multi-Layer Perceptron(Backpropagation Neural network). Also, the pattern recognition techniques is applied to the classification problem of defects in semiconductor packages as normal, crack, delamination. According to this results, it is possible to acquire the recognition rate of 100% for Backpropagation Neural Network.

• Journal of Animal Science and Technology
• /
• 제65권3호
• /
• pp.519-534
• /
• 2023

Rumination in cattle is closely related to their health, which makes the automatic monitoring of rumination an important part of smart pasture operations. However, manual monitoring of cattle rumination is laborious and wearable sensors are often harmful to animals. Thus, we propose a computer vision-based method to automatically identify multi-object cattle rumination, and to calculate the rumination time and number of chews for each cow. The heads of the cattle in the video were initially tracked with a multi-object tracking algorithm, which combined the You Only Look Once (YOLO) algorithm with the kernelized correlation filter (KCF). Images of the head of each cow were saved at a fixed size, and numbered. Then, a rumination recognition algorithm was constructed with parameters obtained using the frame difference method, and rumination time and number of chews were calculated. The rumination recognition algorithm was used to analyze the head image of each cow to automatically detect multi-object cattle rumination. To verify the feasibility of this method, the algorithm was tested on multi-object cattle rumination videos, and the results were compared with the results produced by human observation. The experimental results showed that the average error in rumination time was 5.902% and the average error in the number of chews was 8.126%. The rumination identification and calculation of rumination information only need to be performed by computers automatically with no manual intervention. It could provide a new contactless rumination identification method for multi-cattle, which provided technical support for smart pasture.