• 방송공학회논문지
• /
• 제23권5호
• /
• pp.614-621
• /
• 2018

본 논문에서는 generative adversarial network (GAN)을 이용한 비감독 학습을 통해 깊이 카메라로 깊이 영상을 취득할 때 발생한 손실된 부분을 복원하는 기법을 제안한다. 제안하는 기법은 3D morphable model convolutional neural network (3DMM CNN)와 large-scale CelebFaces Attribute (CelebA) 데이터 셋 그리고 FaceWarehouse 데이터 셋을 이용하여 학습용 얼굴 깊이 영상을 생성하고 deep convolutional GAN (DCGAN)의 생성자(generator)와 Wasserstein distance를 손실함수로 적용한 구별자(discriminator)를 미니맥스 게임기법을 통해 학습시킨다. 이후 학습된 생성자와 손실 부분을 복원해주기 위한 새로운 손실함수를 이용하여 또 다른 학습을 통해 최종적으로 깊이 카메라로 취득된 얼굴 깊이 영상의 손실 부분을 복원한다.

• 한국콘텐츠학회논문지
• /
• 제9권7호
• /
• pp.57-66
• /
• 2009

Zigbee는 USN에서 쓰고 있는 대표적인 통신 표준이며 다양한 어플리케이션에 쓰이고 있다. Zigbee 프로토콜은 하나의 PAN망 안에서 어드레스를 부여하는데 DAA라는 방법을 이용을 하는데 이는 16Bit어드레스 구역을 Depth에 따라 일정한 크기의 블록으로 나누어서 각각의 노드에게 할당을 하는 방식이다. 그러나 이 방식은 노드수가 Depth가 증가함에 따라서 하나의 Depth에 부여하는 최대 Router수의 지수승으로 증가를 하기 때문에 16Bit로 부여할 수 있는 어드레스에 제한이 생긴다. 따라서 넓은 지역이나 음영지역이 많은 곳처럼 많은Router수를 가지고 Depth가 큰 네트워크를 구성하기가 힘들다. 또한 하나의 PAN망 안에서 동작하기 때문에 여러 PAN을 하나의 네트워크로 구성하기가 힘들다. 본 논문에서는 Zigbee 기반의 네트워크를 확장하여 여러 PAN망을 하나의 네트워크로 구성할 수 있고 Router수와 Depth에 제한이 덜하여 넓은 지역을 묶을 수 있는 새로운 어드레스 방식과 라우팅 방법을 제안을 하였다. 그리고 이를 실험을 통하여 그 동작을 확인하고 실증 시험을 통하여 활용할 수 있음을 보였다.

• 대한기계학회논문집
• /
• 제19권8호
• /
• pp.1907-1914
• /
• 1995

An on-line measurement of the workpiece hardened depth in laser surface hardening processes is very much difficult to achieve, since the hardening process occurs in depth wise direction. In this paper, the hardened depth is estimated using a multilayered neural network. Input data of the neural network are the surface temperatures at arbitrary chosen five surface points, laser power and traveling speed of laser beam torch. To simulate the actual hardening process, a finite difference method(FDM) is used to model the process. Since this model yields the calculation results of the temperature distribution around the workpiece volume in the vicinity of the laser torch, this model is used to obtain the network's training data and laser to evaluate the performance of the neural network estimator. The simulation results show that the proposed scheme can be used to estimate the hardened depth with reasonable accuracy.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1993년도 한국자동제어학술회의논문집(국내학술편); Seoul National University, Seoul; 20-22 Oct. 1993
• /
• pp.212-217
• /
• 1993

In this paper, the hardening depth in Laser surface hardening process is estimated using a multilayered neural network. Input data of the neural network are surface temperature of five points, power and travelling speed of Laser beam. A FDM(finite difference method) is used for modeling the Laser surface hardening process. This model is used to obtain the network's training data sample and to evaluate the performance of the neural network estimator. The simulational results showed that the proposed scheme can be used to estimate the hardening depth on real time.

• 방송공학회논문지
• /
• 제23권1호
• /
• pp.3-10
• /
• 2018

깊이맵은 현재 다양한 분야에서 활용되고 있다. 이러한 깊이맵을 인공 신경망으로 생성하는 연구가 최근 관심을 받고 있다. 본 논문에서는 기존의 기 제작된 깊이맵 생성 알고리즘을 합성곱 신경망으로 구현할 수 있는지에 대한 타당성을 검증한다. 먼저 깊이맵은 관심맵과 운동 히스토리 영상의 가중치 합으로 얻는다. 실험영상과 깊이맵을 합성곱 신경망의 입력과 출력으로 하여, 신경망을 학습시킨다. 정성적, 정량적 실험 결과는 제안한 합성곱 신경망이 깊이맵 생성 방법을 대체할 수 있다는 것을 보여준다.

• 문화기술의 융합
• /
• 제9권1호
• /
• pp.649-654
• /
• 2023

본 논문은 그래프 합성곱 신경망을 이용한 신경망 구조 탐색 모델 설계를 제안한다. 딥 러닝은 블랙박스로 학습이 진행되는 특성으로 인해 설계한 모델이 최적화된 성능을 가지는 구조인지 검증하지 못하는 문제점이 존재한다. 신경망 구조 탐색 모델은 모델을 생성하는 순환 신경망과 생성된 네트워크인 합성곱 신경망으로 구성되어있다. 통상의 신경망 구조 탐색 모델은 순환신경망 계열을 사용하지만 우리는 본 논문에서 순환신경망 대신 그래프 합성곱 신경망을 사용하여 합성곱 신경망 모델을 생성하는 GC-NAS를 제안한다. 제안하는 GC-NAS는 Layer Extraction Block을 이용하여 Depth를 탐색하며 Hyper Parameter Prediction Block을 이용하여 Depth 정보를 기반으로 한 spatial, temporal 정보(hyper parameter)를 병렬적으로 탐색합니다. 따라서 Depth 정보를 반영하기 때문에 탐색 영역이 더 넓으며 Depth 정보와 병렬적 탐색을 진행함으로 모델의 탐색 영역의 목적성이 분명하기 때문에 GC-NAS대비 이론적 구조에 있어서 우위에 있다고 판단된다. GC-NAS는 그래프 합성곱 신경망 블록 및 그래프 생성 알고리즘을 통하여 기존 신경망 구조 탐색 모델에서 순환 신경망이 가지는 고차원 시간 축의 문제와 공간적 탐색의 범위 문제를 해결할 것으로 기대한다. 또한 우리는 본 논문이 제안하는 GC-NAS를 통하여 신경망 구조 탐색에 그래프 합성곱 신경망을 적용하는 연구가 활발히 이루어질 수 있는 계기가 될 수 있기를 기대한다.

• Journal of Information Processing Systems
• /
• 제19권4호
• /
• pp.483-497
• /
• 2023

Depth estimation is one of the most complicated and difficult problems to deal with in the light field. In this paper, a compound attention convolutional neural network (CAttNet) is proposed to extract depth maps from light field images. To make more effective use of the sub-aperture images (SAIs) of light field and reduce the redundancy in SAIs, we use a compound attention mechanism to weigh the channel and space of the feature map after extracting the primary features, so it can more efficiently select the required view and the important area within the view. We modified various layers of feature extraction to make it more efficient and useful to extract features without adding parameters. By exploring the characteristics of light field, we increased the network depth and optimized the network structure to reduce the adverse impact of this change. CAttNet can efficiently utilize different SAIs correlations and features to generate a high-quality light field depth map. The experimental results show that CAttNet has advantages in both accuracy and time.

• 한국항해항만학회지
• /
• 제28권7호
• /
• pp.629-634
• /
• 2004

Continuous depth data are often required in applications of both onboard systems and maritime simulation. But data available are usually discrete and irregularly distributed. Based on the neuron network technique, methods of interpolation to the charted depth are suggested in this paper. Two algorithms based on Levenberg-Marquardt back-propaganda and radial-basis function networks are investigated respectively. A dynamic neuron network system is developed which satisfies both real time and mass processing applications. Using hyperbolic paraboloid and typical chart area, effectiveness of the algorithms is tested and error analysis presented. Special process in practical applications such as partition of lager areas, normalization and selection of depth contour data are also illustrated.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2004년도 Asia Navigation Conference
• /
• pp.37-44
• /
• 2004

Continuous depth data are often required in applications of both onboard systems and maritime simulation. But data available are usually discrete and irregularly distributed. Based on the neuron network technique, methods of interpolation to the charted depth are suggested in this paper. Two algorithms based on Levenberg-Marquardt back-propaganda and radial-basis function networks are investigated respectively. A dynamic neuron network system is developed which satisfies both real time and mass processing applications. Using hyperbolic paraboloid and typical chart area, effectiveness of the algorithms is tested and error analysis presented. Special process in practical applications such as partition of lager areas, normalization and selection of depth contour data are also illustrated.

• 한국통신학회논문지
• /
• 제34권12B호
• /
• pp.1475-1482
• /
• 2009

ZigBee 네트워크에서 ZigBee 노드는 배터리로 동작하기 때문에 에너지의 효율적인 사용은 필수적이다. 에너지를 효율적으로 사용하기 위해서는 불필요한 네트워크 트래픽을 줄이는 것은 하나의 방법이다. 본 논문에서는 ZigBee 네트워크에서 목적지 노드의 depth를 이용한 효율적인 중간 경유지 감소 알고리즘을 제시한다. 기존 tree 라우팅에서는 각 노드가 오직 자신의 부모 노드 또는 자식 노드에게만 데이터를 전송하는 비효율적인 방식을 채택하고 있다. 마찬가지로 본 논문에서 제안하는 효율적인 중간 경로 감소 알고리즘도 tree 라우팅을 기반으로 하고 있다. 하지만 네이버 테이블과 목적지의 depth를 이용하여 부모나 자식노드만이 아닌 다른 이웃노드에게 전송 가능케 함으로서 그 동안 Tree 라우팅에서 발생했던 coordinator 데이터 병목 현상과 불필요 중간 경로를 최소화시킬 수 있는 알고리즘을 제안한다.