• 한국멀티미디어학회논문지
• /
• 제24권8호
• /
• pp.1000-1011
• /
• 2021

In recent years, using Deep Learning methods to apply for medical and biomedical image analysis has seen many advancements. In clinical, using Deep Learning-based approaches for cancer image analysis is one of the key applications for cancer detection and treatment. However, the scarcity and shortage of labeling images make the task of cancer detection and analysis difficult to reach high accuracy. In 2015, the Unet model was introduced and gained much attention from researchers in the field. The success of Unet model is the ability to produce high accuracy with very few input images. Since the development of Unet, there are many variants and modifications of Unet related architecture. This paper proposes a new approach of using Unet++ with pretrained EfficientNet as backbone architecture for breast tumor cell nuclei segmentation and uses the multi-organ transfer learning approach to segment nuclei of breast tumor cells. We attempt to experiment and evaluate the performance of the network on the MonuSeg training dataset and Triple Negative Breast Cancer (TNBC) testing dataset, both are Hematoxylin and Eosin (H & E)-stained images. The results have shown that EfficientUnet++ architecture and the multi-organ transfer learning approach had outperformed other techniques and produced notable accuracy for breast tumor cell nuclei segmentation.

• 대한임베디드공학회논문지
• /
• 제17권4호
• /
• pp.217-228
• /
• 2022

Currently, there are increasing demands for applying deep neural networks (DNNs) in the embedded domain such as classification and object detection. The DNN processing in embedded domain often requires custom hardware such as NPU for acceleration due to the constraints in power, performance, and area. Processing DNN models requires a large amount of data, and its seamless transfer to NPU is crucial for performance. In this paper, we developed a cycle-accurate NPU simulator to evaluate diverse NPU microarchitectures. In addition, we propose a novel technique for reducing the number of memory accesses when processing convolutional layers in convolutional neural networks (CNNs) on the NPU. The main idea is to reuse data with memory interleaving, which recycles the overlapping data between previous and current input windows. Data memory interleaving makes it possible to quickly read consecutive data in unaligned locations. We implemented the proposed technique to the cycle-accurate NPU simulator and measured the performance with LeNet-5, VGGNet-16, and ResNet-50. The experiment shows up to 2.08x speedup in processing one convolutional layer, compared to the baseline.

• 한국조경학회지
• /
• 제52권2호
• /
• pp.96-109
• /
• 2024

본 연구는 딥러닝 모델 중 VGG-16 및 ResNet50 모델을 활용하여 전시 정원의 유사성 평가 방법을 제시하는 것에 목적이 있다. VGG-16과 ResNet50 모델을 기반으로 전시 정원 유사성 판단을 위한 모형을 개발하였고, 이를 DRG(deep recognition of similarity in show garden design)모형이라 한다. 평가를 위한 방법으로 GAP와 피어슨 상관계수를 활용한 알고리즘을 사용하여 모형을 구축하고 1순위(Top1), 3순위(Top3), 5순위(Top5)에서 원본 이미지와 유사한 이미지를 도출하는 총 개수 비교로 유사성의 정확도를 분석하였다. DRG 모형에 활용된 이미지 데이터는 국외 쇼몽가든페스티벌 전시 정원 총 278개 작품과 국내 정원박람회인 서울정원박람회 27개 작품 및 코리아가든쇼 전시정원 이미지 17개 작품이다. DRG모형을 활용하여 동일 집단과 타 집단간의 이미지 분석을 진행하였고, 이를 기반으로 전시 정원 유사성의 가이드라인을 제시하였다. 첫째, 전체 이미지 유사성 분석은 ResNet50 모델을 기반으로 하여 데이터 증강 기법을 적용하는 것이 유사성 도출에 적합하였다. 둘째, 내부 구조와 외곽형태에 중점을 둔 이미지 분석에서는 형태에 집중하기 위한 일정한 크기의 필터(16cm × 16cm)를 적용하여 이미지를 생성하고 VGG-16 모델을 적용하여 유사성을 비교하는 방법이 효과적임을 알 수 있었다. 이때, 이미지 크기는 448 × 448 픽셀이 효과적이며, 유채색의 원본 이미지를 기본으로 설정함을 제안하였다. 이러한 연구 결과를 토대로 전시 정원 유사성 판단에 대한 정량적 방법을 제안하고, 향후 다양한 분야와의 융합 연구를 통해 정원 문화의 지속적인 발전에 기여할 것으로 기대한다.

• 한국농림기상학회지
• /
• 제17권3호
• /
• pp.227-235
• /
• 2015

에디 공분산 방법(eddy covariance method)을 이용한 이산화탄소($CO_2$), 수증기($H_2O$), 현열(sensible heat)의 순생태계과환량[net ecosystem exchange (NEE)]은 에디 플럭스(eddy flux, $F_c$)와 저장 플럭스(storage flux, $F_s$)의 합으로 어림한다. 스칼라의 흡원과 발원의 세기와 분포, 연직 난류 혼합의 정도에 따라 스칼라의 변화율은 높이에 따라 다르게 나타난다. 따라서 정확한 $F_s$를 얻기 위해서는 프로파일 시스템을 운용하여 높이에 따라 달라지는 스칼라의 변화율을 고려하여야 한다. 하지만 아시아의 대부분의 농경지 관측지에서는 프로파일 시스템을 운용하지 않고, $F_c$ 관측 지점과 지면 사이에서 높이와 관계없이 스칼라 변화율이 동일하다는 가정하에 에디 공분산 시스템에서 관측되는 스칼라 변화율 만으로 $F_s$를 산정한다. 본 연구에서는 논에서 에디 공분산 관측 높이에서 측정된 $F_s$(프로파일 시스템에서 관측된 단일 높이의 스칼라만을 이용한 $F_s$, $F_s_{-single}$)와 프로파일 관측(에디 공분산 관측지점과 지면 사이의 여러 높이에서 스칼라 관측)을 이용한 FS와의 차이를 정량화하고, $F_s_{-single}$로 NEE를 산정할 때 발생하는 오차를 확인하기 위해, 경기도 여주에 위치한 청미천 농경지 플럭스 관측지(Chengmicheon Farmland Korea, CFK)에서 에디공분산 방법과 프로파일 시스템을 이용해 $CO_2$, $H_2O$, 기온($T_a$)의 $F_c$와 $F_s$를 측정하였다. $CO_2$, $H_2O$, $T_a$는 흡원과 발원의 강도와 분포, 대기 경계층의 안정도에 따라 높이별로 변화율이 달랐고, 그 결과 $F_s_{-single}$은 $F_s$를 과소 또는 과대 평가하였다[특히, 해질 녘과 해 뜰 녘(0430-0800h와 1630-2000h)에 $CO_2$의 $F_s$를 평균 21% 과소평가]. $F_s_{-single}$로 인해 발생하는 NEE 계산의 오차는 $F_{CO_2}$의 경우, 하루 중 시간에 따라 밤(2030-0400h), 해 질 녘과 해 뜰 녘에 각각 평균적으로 3%, 2%씩 $F_{CO_2}$를 과소평가했다. 이러한 차이는 $F_{CO_2}$의 야간 자료 보정과 분배의 과정에서 논의 탄소수지를 과소평가하게 할 수 있다. 이와는 다르게 LE, H의 경우 시간에 관계없이 거의 차이를 보이지 않았다.

• 수산해양기술연구
• /
• 제33권4호
• /
• pp.275-284
• /
• 1997

우리 나라 남해안 연안에 부설된 소형정치망을 실험 수조의 크기 등을 고려하여 그 의 1/50의 크기로 Tauti의 어구 비교법칙에 따라 모형어구를 제작하여 유향 R(원통에서 헛통방향으로).L(헛통에서 원통방향으로)방향과 각각의 유속에 따라 그물 형상의 변화, 각 뜸의 침하량, 멍줄 장력의 변화 들을 측정, 관찰한 결과를 요약하면 다음과 같다. 1. 그물형상의 변화는 유향 R의 경우 유속 0.2m/sec에서 헛통 끝그물이 조하쪽으로 20mm, 상방으로 10mm 이동어구 전체가 바닥으로부터 부상하였고, 유속 0.6m/sec에서는 원통에서 헛통 까지 거의 일직선을 이루었다. 유향 L의 경우는, 상방으로 18mm 이동하여 어구 전체가 바닥으로부터 부상하였고, 유속 0.5m/sec이상에서는 헛통에서 원통까지 거의 일직선을 이루었다. 2. 긱 뜸의 침하량은 유향 R의 경우 머리뜸은 유속 0.2m/sec부터 서서히 침하하시 시작하여, 유속 0.3m/sec에서는 20mm 정도 침하하고, 유속 0.6m/sec에서는 99mm 정도 침하하였다. 그러나, 끝뜸은 유속 0m/sec부터 0.6m/sce까지 침하하지 않고 약간의 요동만 일으켰다. 유향 L의 경우 끝뜸은 유속 0.1m/sec에서부터 서서히 침하하기 시작하여, 0.2m/sec에서는 5mm정도 침하하였고, 0.6m/sec에서는 108mm 정도 침하하였으며, 0.5m/sec에서 머리뜸만 남기고 어구전체가 수몰되기 시작하였다. 3. 멍줄 장력의 변화는 유향 R의 경우 머리뜸 멍줄에 작용한 장력은 유속 0.1m/sec에서 273.51g이며, 0.6m/sec에서는 1298.40g 정도로 증가하였다. 유향 L의 경우 한쪽 끝뜸줄에 걸리는 장력은 유속 0.1m/sec에서 137.08g이며, 0.6m/sec에서 646.00g 정도로 증가하였다. 멍중 장력의 분포는 유속의 증대와 함게 유향 RL 향 모두 조상측 멍줄에 집중하여 나타났으며, 다른 멍줄에는 현저한 장력의 증가는 관측되지 않았다.되지 않았다.

• 한국멀티미디어학회논문지
• /
• 제23권8호
• /
• pp.977-985
• /
• 2020

Aiming at the problem of complex feature extraction and low accuracy in human action recognition, this paper proposed a network structure combining batch normalization algorithm with GoogLeNet network model. Applying Batch Normalization idea in the field of image classification to action recognition field, it improved the algorithm by normalizing the network input training sample by mini-batch. For convolutional network, RGB image was the spatial input, and stacked optical flows was the temporal input. Then, it fused the spatio-temporal networks to get the final action recognition result. It trained and evaluated the architecture on the standard video actions benchmarks of UCF101 and HMDB51, which achieved the accuracy of 93.42% and 67.82%. The results show that the improved convolutional neural network has a significant improvement in improving the recognition rate and has obvious advantages in action recognition.

• International journal of advanced smart convergence
• /
• 제9권2호
• /
• pp.203-211
• /
• 2020

This study proposes a method for estimating gender and age that is robust to various external environment changes by applying deep learning-based learning. To improve the accuracy of the proposed algorithm, an improved CNN network structure and learning method are described, and the performance of the algorithm is also evaluated. In this study, in order to improve the learning method based on CNN composed of 6 layers of hidden layers, a network using GoogLeNet's inception module was constructed. As a result of the experiment, the age estimation accuracy of 5,328 images for the performance test of the age estimation method is about 85%, and the gender estimation accuracy is about 98%. It is expected that real-time age recognition will be possible beyond feature extraction of face images if studies on the construction of a larger data set, pre-processing methods, and various network structures and activation functions have been made to classify the age classes that are further subdivided according to age.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 추계학술발표대회
• /
• pp.62-63
• /
• 2016

딥러닝의 대표적 개발 환경 중 하나인 Caffe를 임베디드 시스템의 메모리 구조를 고려하여 최적화하고 실제 측정 실험으로 기존의 방식보다 처리시간과 소비 전력량의 이득이 있다는 것을 확인하였다. 구체적으로 통합 메모리를 사용하는 임베디드 시스템 환경의 특성에 적합한 zero-copy기법을 적용하여 CPU와 GPU 모두 접근이 가능하도록 메모리 영역을 맵핑하는 방식으로 메모리 복제에 따른 오버헤드를 줄였으며, GoogLeNet 네트워크 모델에 대하여 10%의 처리 속도 향상과, 36% 소비 전력 감소를 확인하였다.

• 로봇학회논문지
• /
• 제12권4호
• /
• pp.432-440
• /
• 2017

In this paper, we propose a jellyfish distribution recognition and monitoring system using a UAV (unmanned aerial vehicle). The UAV was designed to satisfy the requirements for flight in ocean environment. The target jellyfish, Aurelia aurita, is recognized through convolutional neural network and its distribution is calculated. The modified deep neural network architecture has been developed to have reliable recognition accuracy and fast operation speed. Recognition speed is about 400 times faster than GoogLeNet by using a lightweight network architecture. We also introduce the method for selecting candidates to be used as inputs to the proposed network. The recognition accuracy of the jellyfish is improved by removing the probability value of the meaningless class among the probability vectors of the evaluated input image and re-evaluating it by normalization. The jellyfish distribution is calculated based on the unit jellyfish image recognized. The distribution level is defined by using the novelty concept of the distribution map buffer.

• Journal of the Optical Society of Korea
• /
• 제18권5호
• /
• pp.429-435
• /
• 2014

We examined the effective utilization of Particle Swarm Optimization (PSO) to enhance the light absorption performance in thin CuIn1-xGaxSe2 (CIGS) solar cells with dual (top and bottom) gratings. The PSO tuned structure was demonstrated to be capable of achieving high and ultra broadband absorption spectra due to well-spaced and well-defined absorption peaks, which were SPPs and photonic modes induced by the metal and dielectric gratings. For only TM polarization and both polarizations, the fully optimized net absorptions exhibit 85.6% and 78.1%, which correspond to ~35.4% and ~23.5% improvement compared to optimized flat structures, respectively.