• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권9호
• /
• pp.349-358
• /
• 2021

최근 CAM[1]을 이용해서 이미지의 객체에 대한 주의 영역 또는 지역화(Localization) 영역을 찾는 방법이 WSOL의 연구로서 다양하게 수행되고 있다. CAM을 이용한 객체의 히트(Heat) 맵에서 주의 영역 추출은 객체의 특징이 가장 많이 모여 있는 영역만을 주로 집중해서 객체의 전체적인 영역을 찾지 못하는 단점이 있다. 여기서는 이를 개선하기 위해서 먼저 CAM과 Selective Search[6]를 함께 이용하여 CAM 히트맵의 주의 영역을 확장하고, 확장된 영역에 가우시안 스무딩을 적용하여 재학습 데이터를 만든 후, 이를 학습하여 객체의 주의 영역이 확장되는 방법을 제안한다. 제안 방법은 단 한 번의 재학습만이 필요하며, 학습 후 지역화를 수행할 때는 Selective Search를 실행하지 않기 때문에 처리 시간이 대폭 줄어든다. 실험에서 기존 CAM의 히트맵들과 비교했을 때 핵심 특징 영역으로부터 주의 영역이 확장되고, 확장된 주의 영역 바운딩 박스에 대한 Ground Truth와의 IOU 계산에서 기존 CAM보다 약 58%가 개선되었다.

• Bulletin of the Korean Chemical Society
• /
• 제22권5호
• /
• pp.488-492
• /
• 2001

As gas chromatography/infrared spectrometry (GC/IR) becomes routinely avaliable, methods must be developed to deal with the large amount of data produced. We demonstrate computer methods that quickly search through a large data file, locating thos e spectra that display a spectral feature of interest. Based on a modified library search routine, these selective data reduction methods retrieve all or nearly all of the compounds of interest, while rejecting the vast majority of unrelated compounds. To overcome the shifting problem of IR spectra, a search method of moving the average pattern was designed. In this moving pattern search, the average pattern of a particular functional group was not held stationary, but was allowed to be moved a little bit right and left.

• Journal of Electrical Engineering and Technology
• /
• 제10권3호
• /
• pp.1227-1232
• /
• 2015

Several works help make sliding window object detection fast, nevertheless, computational demands remain prohibitive for numerous applications. This paper proposes a fast object detection method based on three strategies: cascade classifier, selective window search and fast feature extraction. Experimental results show that the proposed method outperforms the compared methods and achieves both high detection precision and low computation cost. Our approach runs at 17ms per frame on 640×480 images while attaining state-of-the-art accuracy.

• 방송공학회논문지
• /
• 제7권4호
• /
• pp.317-326
• /
• 2002

기존 비디오 압축 기술에 비해 높은 부호화 효율 덴 추가적으로 오류내성, 네트워크 친화성 등의 특성을 지닌 H.264 표준안 부호화 기술 가운데, 복수개 참조 영상을 이용하여 다양한 블록 크기로 움직임 보상하는 기법은 높은 부호화 효율을 갖게 하는 주 요인임과 동시에 높은 복잡도를 갖게 하는 원인으로 작용한다. 이러한 움직임 보상의 복잡도를 줄이기 위해 본 논문에서는 다양한 블록 크기에 대한 선택적 움직임 추정 알고리즘을 제안하고자 한다. 제안된 기법에서는 먼저 다이아몬드 탐색 기법을 이용해 초기 위치 지점에 대해 SAD(Sum of Absolute Difference)를 구하고 이를 기반으로 움직임 추정을 추가적으로 수행할 것인가를 각 블록 크기 단위로 결정하게 된다. 실험 결과, 움직임 탐색 영역을 $\pm$32로 하였을 경우 제안 기법은 기존의 전역 탐색(Full Search)에 비해 약 5배 정도 속도 향상을 보였다.

• 인지과학
• /
• 제16권1호
• /
• pp.1-15
• /
• 2005

인간의 시각 체계는 제한된 용량으로 인해 매 순간 입력되는 정보들 중에 필요한 일부 정보만을 선택하는 주의 기제를 사용한다. 최근의 여러 연구들은 주의가 요구되는 시각 탐색 과제에서 탐색 자극에 대한 기억이 주의의 이동 과정에 사용될 수 있음을 보고해 왔다(Chun & Jiang, 1998, 1999; Klein, 1988; Klein 1998; Maclnnes, 1999). 하지만 다른 일련의 연구들은, 인간의 시각 정보 유지능력이 순간적으로 일어나는 시각적 변화를 잘 탐지하지 못할 뿐 아니라(Rensink, O'Regan, & Clark, 1997; Simons & Levin, 1997), 시각 탐색에서도 기억이 형성되지 못해, 이미 탐색한 대상에 대한 재탐색이 계속적으로 이루어짐을 주장하였다(Horowitz & Wolfe, 1998). 본 연구에서는 시각 탐색 과정에서 이미 탐색한 자극이나 그 위치에 대한 기억이 사용되어 탐색 효율성에 영향을 주는지 알아보기 위해, 재탐색을 할 수 없도록 제한한 탐색조건(부분 노출 조건, 확장 노출 조건)을 새로 고안하여 이들 조건에서의 탐색 효율성이 기존의 탐색 방식을 제한하지 않는 탐색 조건(전체 노출 조건)에서의 탐색 효율성과 어떤 차이를 보이는지를 비교하였다. 만일 일반적인 탐색 환경인 전체 노출 조건에서 재탐색이 일어난다면, 재탐색이 일어나지 않도록 조작한 다른 조건에 비해 탐색 효율성이 떨어질 것으로 예상하였다. 실험 결과, 탐색 효율성은 탐색 조건에 상관없이 비슷하게 나타났다. 이러한 결과는 실험 참가자들 이 전체 노출 조건에서도 탐색했던 대상에 대해서 재탐색을 거의 하지 않았음을 의미하는 것이며, 따라서 탐색 과정에서 기억이 사용되고 있는 것으로 해석할 수 있다. 본 연구 결과는 시각 탐색에 기억이 사용되지 않는다는 최근의 일부 연구 결과와 상반된 것으로서, 기존 연구 패러다임의 문제점과 가능한 해석들을 논의하였다.

• 정보처리학회논문지B
• /
• 제17B권2호
• /
• pp.149-156
• /
• 2010

유전자알고리즘의 조숙수렴현상(premature convergence phenomenon)은 유전자알고리즘의 성능을 크게 저하시키기 때문에 이 문제를 해결하는 것이 성능향상에 크게 영향을 준다. 본 논문에서는 유전자알고리즘의 조숙수렴현상을 완화하여 성능을 향상시키기 위한 선택적 돌연변이 방법을 제안한다. 선택적 돌연변이에서는 유전자알고리즘 개체의 등급에 따라서 염색체의 특정영역에 비트를 추가적으로 돌연변이 시킨다. 이렇게 함으로서 등급이 낮은 개체는 표현형 상에서 많은 변화가 일어나고 등급이 높은 개체는 작은 변화가 일어나게 된다. 결국 좋은 개체는 그 주변을 세부적으로 탐색하며 좋지 못한 개체는 새로운 영역을 탐색할 기회가 높아지게 되어 조숙수렴현상을 완화하면서 성능향상을 꾀할 수 있게 된다. 성능향상을 측정하기 위하여 4개의 대표적 함수 최적화 문제에 적용해서 제안한 방법의 성능을 측정하였다. 실험결과 기존의 유전자알고리즘보다 성능이 크게 향상됨을 확인하였다.

• 한국정보통신학회논문지
• /
• 제19권4호
• /
• pp.848-854
• /
• 2015

최근 데이터베이스 보안을 위한 다양한 암호화 방법이 제안되고 있다. 이러한 암호화 방법들은 사용자의 민감한 데이터를 효과적으로 보호할 수 있지만 데이터베이스 질의어에 대한 검색 성능이 저하된다. 본 논문에서는 이러한 단점을 보완하기 위하여 블룸필터에서의 선택적 요소 단위의 암호화 방식을 제안하였다. 그리고 다수의 질의어를 통하여 기존에 제안된 튜플 암호화 방식과 성능을 비교하였다. 결과적으로 민감한 정보에 대하여 요소 암호화 방법을 적용하고, 이에 대한 인덱스로서 블룸필터를 사용한 제안 방식이 기존에 제안된 방식보다 검색 시간이 매우 빠르게 나타남을 알 수 있다.

• 융합신호처리학회논문지
• /
• 제16권3호
• /
• pp.83-89
• /
• 2015

Connected component labeling (CCL) is a mandatory step in image segmentation where objects are extracted and uniquely labeled. CCL is a computationally expensive operation and thus is often done in parallel processing framework to reduce execution time. Various parallel CCL methods have been proposed in the literature. Among them are NSZ label equivalence (NSZ-LE) method, modified 8 directional label selection (M8DLS) method, HYBRID1 method, and HYBRID2 method. Soh et al. showed that HYBRID2 outperforms the others and is the best so far. In this paper we propose a new hybrid parallel CCL algorithm termed as HYBRID3 that combines selective four directional label search (S4DLS) with label backtracking (LB). We show that the average percentage speedup of the proposed over M8DLS is around 60% more than that of HYBRID2 over M8DLS for various kinds of images.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 추계학술발표논문집 (상)
• /
• pp.363-366
• /
• 2001

It is very difficult to maintain the performance of estimation models for the new breed of projects since the computing environment changes so rapidly in terms of programming languages, development tools, and methodologies. So, we propose to use the relevant cases for a neural network model, whose cost is the decreased number of cases. To balance the relevance and data availability, the qualitative input factors are used as criteria of data classification. With the data sets that have the same value for certain qualitative input factors, we can eliminate the factors from the model making reduced neural network models. So we need to seek the optimally reduced neural network model among them. To find the optimally case-selective neural network, we propose the search techniques and sensitivity analysis between data points and search space.

• 한국멀티미디어학회논문지
• /
• 제18권11호
• /
• pp.1289-1301
• /
• 2015

Pedestrian detection (PD) is an essential task in various applications and sliding window-based methods utilizing HOG (Histogram of Oriented Gradients) or HOG-like descriptors have been shown to be very effective for accurate PD. However, due to exhaustive search across images, PD methods based on sliding window usually require heavy computational time. In this paper, we propose a real-time PD method for embedded visual surveillance with fixed backgrounds. The proposed PD method employs HOG descriptors as many PD methods does, but utilizes selective search so that it can save processing time significantly. The proposed selective search is guided by restricting searching to candidate regions extracted from Adaptive Gaussian Mixture Model (AGMM)-based background subtraction technique. Moreover, approximate computation of HOG descriptor and implementation in fixed-point arithmetic mode contributes to reduction of processing time further. Possible accuracy degradation due to approximate computation is compensated by applying an appropriate one among three offline trained SVM classifiers according to sizes of candidate regions. The experimental results show that the proposed PD method significantly improves processing speed without noticeable accuracy degradation compared to the original HOG-based PD and HOG with cascade SVM so that it is a suitable real-time PD implementation for embedded surveillance systems.