• International Journal of Computer Science & Network Security
• /
• 제21권8호
• /
• pp.127-136
• /
• 2021

Real-time human recognition is a challenging task, as the images are captured in an unconstrained environment with different poses, makeups, and styles. This limitation is addressed by generating several facial images with poses, makeup, and styles with a single reference image of a person using Generative Adversarial Networks (GAN). In this paper, we propose deep learning-based human recognition using integration of GAN and Spatial Domain Techniques. A novel concept of human recognition based on face depiction approach by generating several dissimilar face images from single reference face image using Domain Transfer Generative Adversarial Networks (DT-GAN) combined with feature extraction techniques such as Local Binary Pattern (LBP) and Histogram is deliberated. The Euclidean Distance (ED) is used in the matching section for comparison of features to test the performance of the method. A database of millions of people with a single reference face image per person, instead of multiple reference face images, is created and saved on the centralized server, which helps to reduce memory load on the centralized server. It is noticed that the recognition accuracy is 100% for smaller size datasets and a little less accuracy for larger size datasets and also, results are compared with present methods to show the superiority of proposed method.

• 한국통신학회논문지
• /
• 제15권8호
• /
• pp.667-677
• /
• 1990

본 논문에서는 2차원 Hopfield 신경회로망 모델에 근거한 새로운 광 연산 메모리 시스템을 구현하였다. 2차원 영상의 실시간 처리를 위하여 입력 공간광변조기와 메모리 마스크는 상용 LCTV를 사용하고 특히, 4차원 메모리 행렬은 2차원 부행렬 마스크의 2차원적 배열로 구성하였으며 임의의 이력 패턴과 메모리 행렬간의 내적 계산은 multifocus hololens를 사용하여 처리하였다. 출력 영상은 전자적으로 thresholding 된 후 2차원 CCD 카메라를 사용하여 다시 연상 메모리 시스템의 입력으로 궤환되도록 루프를 구성하였다. 본 시스템의 연상 기억 및 오류 정정 능력에 대한 실험결과를 통해 본 논문에서 제시된 새로운 2차원 신경회로망 모델의 광학적 구현 시스템은 앞으로 패턴 인식, machine vision 등과 같은 분야에 실질적 응용이 가능하다.

• 동의신경정신과학회지
• /
• 제25권3호
• /
• pp.243-252
• /
• 2014

Objectives: This study was designed to investigate the dose-dependent effects of Gastrodia elata Blume for memory improvement. Methods: This study was a 12-weeks, double blind, and comparative clinical study. Those who were eligible worked with a group of healthy seniors, all 60 years of age or older. 22 subjects were randomized either to Gastrodia elata Blume powder form that was steeped in hot water or placebo. We measured the faculty of memory by using MMSE-K, Digit Span, Letter Fluency Test, Word List Memory Test, and Trail Making Test, and again after 12 weeks. Results: 1) Neither Gastrodia elata Blume groups nor control have a difference in MMSE-K, Digit Span, Letter Fluency Test, and Trail Making Test. 2) Gastrodia elata Blume group showed significant advances in immediate recall 1 and 2 of Word List Memory Test, and 3 g group show better results than the 4 g group. 3) 4 g Gastrodia elata Blume group showed significant advances in the recognition of Word List Memory Test. Conclusions: The results suggest that positive effects on memory improvement due to Gastrodia elata Blume depend on the amount.

• 인지과학
• /
• 제9권1호
• /
• pp.47-60
• /
• 1998

이중언어자의 언어구조를 기억정보의 위계적 특성으로 설명하는 위계모형의 적합성을 외현기억검사와 암묵기억검사를 사용하여 살펴보았다. 위계모형에 따르면 단어의 기억표상은 모국어와 외국어의 심성어휘집 정보와 두 언어와 공유하는 개념표상 정보로 구성되어 있으며, 개념표상 정보의 활성화는 심성어휘집 활성화를 통해 이루어지고, 과제의 종류와 번역의 방향성에 따라 심성어휘집과 개념표상의 정보가 별개로 인출될 수 있다. 기억검사중에서 개념 정보의 활성화에 민감한 외현기억검사와 지각 정보의 활성화에 민감한 암묵기억검사는 심성어휘집 정보와 개념표상 정보의 활성화에 상이한 민감성을 보일 것이다. 실험 1에서는 명명과제의 단어들을 의미적으로 범주화하여 제시한 후에 암묵기억검사와 외현기억검사를 실시했고, 실험 2에서는 의미적으로 범주화된 단어목록을 순행 및 역행 번역을 하도록 한 후에 암묵기억검사와 외현기억검사를 했다. 명명과제와 역행번역 및 암묵기억검사에는 목록의 의미적 범주효과가 나타나지 않았고, 순행번역 및 외현기억검사에는 목록의 의미적 범주효과가 나타났다. 이런 결과를 이중언어자의 언어구조가 언어에 따르는 별개의 심성어휘집과 공통의 개념표상을 지니고 있다는 위계모형을 지지하는 것으로 해석하였다.

• Korean Journal of Radiology
• /
• 제1권1호
• /
• pp.19-24
• /
• 2000

Objective: In order to investigate the functional brain anatomy associated with verbal and visual working memory, functional magnetic resonance imaging was performed. Materials and Methods: In ten normal right handed subjects, functional MR images were obtained using a 1.5-T MR scanner and the EPI BOLD technique. An item recognition task was used for stimulation, and during the activation period of the verbal working memory task, consonant letters were used. During the activation period of the visual working memory task, symbols or diagrams were employed instead of letters. For the post-processing of images, the SPM program was used, with the threshold of significance set at p < .001. We assessed activated brain areas during the two stimulation tasks and compared the activated regions between the two tasks. Results: The prefrontal cortex and secondary visual cortex were activated bilaterally by both verbal and visual working memory tasks, and the patterns of activated signals were similar in both tasks. The superior parietal cortex was also activated by both tasks, with lateralization to the left in the verbal task, and bilaterally without lateralization in the visual task. The inferior frontal cortex, inferior parietal cortex and temporal gyrus were activated exclusively by the verbal working memory task, predominantly in the left hemisphere. Conclusion: The prefrontal cortex is activated by two stimulation tasks, and this is related to the function of the central executive. The language areas activated by the verbal working memory task may be a function of the phonological loop. Bilateral prefrontal and superior parietal cortices activated by the visual working memory task may be related to the visual maintenance of objects, representing visual working memory.

• 한국음향학회지
• /
• 제10권4호
• /
• pp.38-47
• /
• 1991

음성인식에 있어서 문제점의 하나는 발성자에 따른 주파수 변동문제이다. 본 논문에서는 이러한 음성 신호의 주파수 특성의 변동에 따른 영향을 해결하기 위하여 fuzzy 이론을 도입하였다. 여기서 표준패턴은 음성신호의 대표적인 특징들을 포함하고 있어야 하므로, 먼저 여러 화자가 발성한 단어들을 벡터 양자화한 코드북을 생성하였으며, 이코드북으로 부터 추출한 피크 주파수와 피크 에너지를 fuzzy화 패턴으로 작성하였다. 입력 음성신호로 부터 추출한 특징량인 스펙트럼의 피크 주파수와 피크에너지를 각각 멤버쉽 함수로 표현하여 fuzzy 추론에 의한 단어인식을 하였다. 실제 확신도 계산에 있어서는 계산량을 줄이기 위하여 fuzzy 값의 차만으로 확신도를 구하는 개선 확신도를 제안하여 사용하였다. 한국어 숫자음을 인식 실험한 결과 주파수 특성의 변동에 따른 영향을 해결할 수 있음을 확인하였으며, 제안된 개선 확신도 계산방법에 의해서 기억용량과 계산량을 감소 시킬 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제17권10호
• /
• pp.25-33
• /
• 2012

본 논문에서는 모바일 환경에서 음성인식한 결과에 포함된 오류를 교정하는 규칙기반 접근방법을 제안한다. 제안하는 방법은 처리시간이나 메모리에 제약을 받는 모바일 환경을 고려하여 다음과 같이 구성된다. 오류 교정 속도를 최소화하기 위해서, 음절 해체 및 조합 과정이나 형태소 분석 등의 처리를 줄이고, 최장일치 규칙 선택기준을 바탕으로 오류 발생 추정 지점에서 교정 후보도 하나만 생성한다. 제안하는 방법은 메모리를 효율적으로 사용하기 위해서, 어절사전이나 형태소분석기를 사용하지 않고, 규칙도 유형별로 따로 구분하지 않고 통합하여 저장한다. 제안하는 방법은 모델의 수정 및 유지보수가 용이하도록, 오류교정규칙을 학습말뭉치에서 자동으로 추출하여 구축한다. 실험결과 제안하는 방법은 음성인식 결과에 대하여 정확률을 5.27% 정도 재현율을 5.60% 정도 개선하였다.

• 한국산학기술학회논문지
• /
• 제13권8호
• /
• pp.3666-3671
• /
• 2012

적외선 거리 센서를 사용하여 취득한 깊이이미지(depth image)에 대하여 잘 알려진 얼굴인식 알고리즘을 수행하여 깊이이미지 응용에 적용가능성을 평가한다. 아울러, 기존의 얼굴인식이 정확도 측면에서만 강조를 해온 측면이 있는데 이렇게 하면 실제 환경에서 적용할 때 문제점을 제대로 평가하기 어렵다. 본 연구에서는 RGB 이미지와 깊이 이미지들에 대해 잘 알려진 얼굴 인식 알고리즘 (PCA, LDA, ICA, SVM)을 적용하여 얼굴인식 정확도뿐만 아니라 처리 속도, 사용 메모리 그리고 저장 공간에 대한 정보를 구해 이미지 유형과 각 알고리즘에 따른 전반적인 성능을 구하였다. 처리 결과 깊이이미지와 컬러 색인된 깊이이미지는 컬러이미지에 비해 각각 30% ~ 40% 정도 파일 크기가 작음에도 전반적인 성능에서 컬러이미지와 마찬가지로 우수한 결과를 보였으며, LDA는 SVM 다음으로 정확도도 우수하고 훈련시간과 훈련 소요메모리도 양호하고 테스트시간과 테스트 소요 메모리도 낮아 우수한 성능을 보였다.

• 한국음향학회지
• /
• 제40권5호
• /
• pp.488-495
• /
• 2021

본 논문에서는 콘포머 기반 한국어 음성인식 시스템을 제안한다. 콘포머는 트랜스포머 모델에 콘볼루션신경망(Convolution Neural Network, CNN) 기능을 보강한 구조이며 광역 정보를 잘 표현할 수 있는 트랜스포머와 지역 정보를 잘 표현할 수 있는 CNN을 결합한 신경망이다. 음성인식 기본 시스템으로 트랜스포모에 기반한 음성인식시스템을 개발하였으며 언어모델로는 Long Short-Term Memory(LSTM)을 사용하였다. 콘포머 기반 음성인식시스템은 트랜스포머 대신에 콘포머를 사용하였고 언어모델로는 트랜스포머를 이용하였다. 성능 평가를 위해 AI-hub에 있는 Electronics and Telecommunications Research Institute(ETRI) 음성코퍼스를 활용하였으며 트랜스포머 기반 음성인식 시스템은 오인식률이 11.8 %이 되었으며 콘포머 기반 음성인식시스템은 오인식률이 5.7 %가 되었다. AI-hub에 있는 다른 영역의 NHN다이퀘스트 음성 코퍼스를 추가해도 유사한 성능이 유지가 되어 제안된 콘포머 음성인식시스템의 유효성을 입증하였다.

• 한국인터넷방송통신학회논문지
• /
• 제22권5호
• /
• pp.177-183
• /
• 2022

최근 COVID-19로 인해 홈 트레이닝의 관심도가 증가하고 있다. 이에 따라 HAR(human activity recognition) 기술을 홈 트레이닝에 적용한 연구가 진행되고 있다. 기존 HAR 분야의 논문에서는 동적인 자세보다는 앉기, 일어서기와 같은 정적인 자세들을 분석한다. 본 논문은 동적인 운동 자세를 분석하여 사용자의 운동 자세 정확도를 보여주는 딥러닝 모델을 제안한다. AI hub의 피트니스 이미지를 blaze pose를 사용하여 사람의 자세 데이터를 분석한다. 3개의 딥러닝 모델: RNN(recurrnet neural networks), LSTM(long short-term memory networks), CNN(convolution neural networks)에 대하여 실험을 진행한다. RNN, LSTM, CNN 모델의 f1-score는 각각 0.49, 0.87, 0.98로 CNN 모델이 가장 적합하다는 것을 확인하였다. 이후 연구로는, 다양한 학습 데이터를 사용하여 더 많은 운동 자세를 분석할 예정이다.