• 한국산업융합학회 논문집
• /
• 제24권5호
• /
• pp.547-553
• /
• 2021

Dynamic object recognition is an important task for autonomous vehicles. Since dynamic objects exhibit a higher collision risk than static objects, our own trajectories should be planned to match the future state of moving elements in the scene. Time information such as optical flow can be used to recognize movement. Existing optical flow calculations are based only on camera sensors and are prone to misunderstanding in low light conditions. In this regard, to improve recognition performance in low-light environments, we applied a normalization filter and a correction function for Gamma Value to the input images. The low light quality improvement algorithm can be applied to confirm the more accurate detection of Object's Bounding Box for the vehicle. It was confirmed that there is an important in object recognition through image prepocessing and deep learning using YOLO.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.594-596
• /
• 2022

본 논문은 무인비행장치에 탑재된 카메라를 통해 획득한 고화질의 이미지를 무인비행장치 상에서 전처리를 하여 이동통신망을 통해 서버로 전송하기 위한 시스템 및 기법에 관한 것이다. 기존의 이미지 획득 서비스용 무인비행장치의 경우, 무인비행장치에 탑재된 카메라의 외부저장장치에 획득한 이미지를 저장하고, 비행이 완료된 이후에 저장장치를 직접 옮기는 방식으로 이미지를 확인하였다. 이러한 방식의 경우, 외부저장장치를 통해 직접적으로 이미지 데이터를 확인하기 전에는 이미지 획득이나 전처리가 제대로 수행되었는지 확인할 수 없다는 한계점이 존재한다. 또한 해당 데이터는 외부저장장치에만 저장되기 때문에 데이터의 공유가 번거롭다는 단점이 존재한다. 본 논문에서는 위와 같은 문제점을 해결하기 위하여, 원격에서 이미지를 실시간으로 확인 가능한 시스템을 제안한다. 더 나아가, 무인비행장치에서의 촬영을 통한 이미지 획득 외에 지오태깅과 같은 전처리와 이동통신망을 통한 전송까지 수행이 가능한 시스템 및 방법을 제안한다.

• 한국지능시스템학회논문지
• /
• 제10권4호
• /
• pp.343-350
• /
• 2000

본 논문에서는, 최적 시스템을 위해서 FNN과 PNN에 기반을 둔 Multi-FPNN(다중 퍼지 다항식 뉴럴네트워크) 모델을 제안한다. 여기서 FNN 구조는 각각의 분리된 입력변수에 의해 분할된 퍼지 입력공간을 사용해서 설게되고, 간략 퍼지추론 방법과 오류 역전파 알고리즘을 이용한다. FNN은 더 좋은 출력성능을 얻기 위해 PNN과 결합한다. GMDH 방법에 기초한 PNN 구조의 각 노드는 1차 및 2차 고계 다항식의 두 형태를 사용하고, 그 노드의 입력의 입력은 2, 3, 4의 세 종류의 다변수 입력을 사용한다. 그리고 다중 FPNN 모델의 구조와 파라미터를 동정하기 위햐 HCM 크러스터링방법과 유전자 알고리즘을 사용한다. 여기서, 시스템을 위해 데이터 전처리 기능을 수행하는 HCM 클러스터링 방법은 입출력 공간분할에 의해 다중 FPNN 구조를 결정하기 위해 사용된다. 모델의 근사화와 일반화 능력 사이에 충분한 군형을 ？기 위해 하중계수를 가진 합성 성능지수(목적함수)를 사용한다. 데이터 개수, 비선형의 정도(입.출력 데이터 분포)에 위존하는 이 합성 목적함수의 하중계수의 선택 및 조절을 통하여 최적의 다중 FPNN모델을 설계하는 것이 유용하고 효과적임을 보인다. 본 연구는 두 개의 대표적 수치예의 도움으로 설명되고, 그 모델의 근사화 및 일만화 능력에 관련된 합성 성능 지수가 평가되고, 도한 토의된다.