• 제어로봇시스템학회논문지
• /
• 제19권12호
• /
• pp.1081-1088
• /
• 2013

Hyperspectral cameras acquire reflectance values at many different wavelength bands. Dimensions tend to increase because spectral information is stored in each pixel. Several attempts have been made to reduce dimensional problems such as the feature selection using Adaboost and dimension reduction using the Simulated Annealing technique. We propose a novel material detection method that consists of four steps: feature band selection, feature extraction, SVM (Support Vector Machine) learning, and target and specific region detection. It is a combination of the band ratio method and Simulated Annealing algorithm based on detection rate. The experimental results validate the effectiveness of the proposed feature selection and band ratio method.

• 한국정보통신학회논문지
• /
• 제16권9호
• /
• pp.1878-1883
• /
• 2012

일반적으로 수중표적 인식에서는 표적의 형상/재질에 따른 수신 표적신호의 공간적인 정보를 특징인자로 추출하여 식별하고자 하는 특징을 추출하였다. 또한, 표적신호의 수신 위치에 덜 민감한 특징파라미터 추출을 위해 다양한 신호처리 기법을 적용하는 연구가 수행되어 왔다. 본 논문에서는 표적신호의 수신위치에 상대적으로 민감하지 않은 정준상관분석(Canonical correlation Analysis; CCA)을 사용하여 합성된 수중물체의 특징을 분석하였다. 다중각도 환경에서 특징추출을 위해 정준산관분석기법이 적용되었으며, 각각 다른 각도에서 수중물체에 반사되어 되돌아오는 연속적인 두개의 소나신호를 대상으로 정준상관분석을 수행하여 두 신호의 상관성을 분석하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.358-361
• /
• 2021

In order to improve the accuracy of small target detection more effectively, this paper proposes an improved single shot detector (SSD) target detection and recognition method based on cspdarknet53, which introduces lightweight ECA attention mechanism and Feature Pyramid Network (FPN). First, the original SSD backbone network is replaced with cspdarknet53 to enhance the learning ability of the network. Then, a lightweight ECA attention mechanism is added to the basic convolution block to optimize the network. Finally, FPN is used to gradually fuse the multi-scale feature maps used for detection in the SSD from the deep to the shallow layers of the network to improve the positioning accuracy and classification accuracy of the network. Experiments show that the proposed target detection algorithm has better detection accuracy, and it improves the detection accuracy especially for small targets.

• 한국군사과학기술학회지
• /
• 제11권1호
• /
• pp.75-84
• /
• 2008

A new automatic small target detection and tracking algorithm for the real-time IR surveillance system is presented. The automatic target detection and tracking algorithm of the real-time systems, requires low complexity and robust tracking performance in the cluttered environment. Linear-array and parallel-scan IR systems usually suffer from severe scan noise caused by the detector non-uniformity. After the spatial filtering and thresholding, this scan noise still remains as high amplitude clutter which degrades the target detection rate and tracking performance. In this paper, we propose a new feature which consists of area and validity information of a measurement. By adopting this feature to the measurements selection and track confirmation, we can increase the target detection rate and reduce both the track loss rate and false track rate. From the experimental results, we can validate the feasibility of the proposed method in the noisy IR images.

• 한국컴퓨터정보학회논문지
• /
• 제17권9호
• /
• pp.39-47
• /
• 2012

일반적으로 사람들은 특정 상품에 관한 의견을 표현할 때 그 상품이 갖는 개별속성에 대해 긍부정 성향을 표시한다. 어떤 경우에는 상품이 갖는 동질의 개별 속성에 대해 포괄적으로 긍부정 성향을 표현하거나 상품 자체에 대해 표현하기도 한다. 따라서 의견검색 분야에서 추출 대상이 되는 의견 속성명에는 상품의 개별 속성명, 이 개별 속성들을 포함하는 전체어, 그리고 상품명이 존재한다. 그러나 의견 대상을 상품명이나 전체어로 표현할 때, 경우에 따라 의견문장 표면에 나타나는 속성명과 의견 작성자가 의도한 실제 대상이 일치하지 않을 수도 있다. 본 논문에서는 의견문장으로부터 의견 대상을 추출하는 방법을 제시한다. 무엇보다 우리는 의도한 대상과 일치하지 않는 속성명으로부터 의도한 대상을 추출하기 위한 새로운 방법을 제안한다. 제시하는 방법에서는 단어간 의존관계를 이용하여 의견속성 후보쌍을 추출하고, 추출된 후보쌍들 중 의견 대상과 일반적으로 빈번히 불일치하는 속성명을 선택한다. 선택된 속성명을 작성자가 의도한 개별속성으로 변경한 뒤, 이를 포함한 전체 의견속성 후보쌍들로부터 적합한 의견속성을 추출하기 위해 사람들이 관심 있어할만한 순으로 재배열하게 된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권10호
• /
• pp.5095-5111
• /
• 2016

The Probability Hypothesis Density (PHD) filter is a suboptimal approximation and tractable alternative to the multi-target Bayesian filter based on random finite sets. However, the PHD filter fails to track newborn targets when the target birth intensity is unknown prior to tracking. In this paper, a dual detection-guided newborn target intensity PHD algorithm is developed to solve the problem, where two schemes, namely, a newborn target intensity estimation scheme and improved measurement-driven scheme, are proposed. First, the newborn target intensity estimation scheme, consisting of the Dirichlet distribution with the negative exponent parameter and target velocity feature, is used to recursively estimate the target birth intensity. Then, an improved measurement-driven scheme is introduced to reduce the errors of the estimated number of targets and computational load. Simulation results demonstrate that the proposed algorithm can achieve good performance in terms of target states, target number and computational load when the newborn target intensity is not predefined in multi-target tracking systems.

• 한국통신학회논문지
• /
• 제36권9C호
• /
• pp.546-554
• /
• 2011

적외선 영상의 근거리 표적 (near targets)은 표적의 내부영역은 화소 값이 균일하고, 경계 영역은 배경과 인접해 있기 때문에 화소 값 변화가 불균일하다. 이러한 특성에 기초하여 본 논문은 적응적 구조요소 (adaptive structure element)를 이용한 열림 연산자에 의한 적외선 영상 표적 검출 기법을 제안한다 먼저, 국부 분산 가중치 정보 엔트로피 (weighted information entropy, WIE)를 이용하여 후보 표적군의 위치와 경계영역을 추출한 후, 이 경계 영역에 대하여 라벨링 연산을 수행하여 대략의 표적 영역을 검출한다. 이 대략의 표적 영역에 대하여 제한한 적응적 구조 요소를 이용한 열림 연산자를 수행함으로써 정확한 표적 모양을 검출한다. 이 구조 요소는 표적 경계 영역에서 필터창의 가중치 정보 엔트로피의 평균값을 계산함으로써 얻어진 표적 경계 폭에 의한 결정된다. 실험 결과로부터 제안한 방법이 기존의 방법에 비해 추출 성능이 뛰어남을 확인할 수 있었다.

• 대한전자공학회논문지SP
• /
• 제39권4호
• /
• pp.370-380
• /
• 2002

전방 관측 적외선 영상에서 가려짐이 없거나 가려짐이 있는 군용차량을 인식할 수 있는 자동 표적인식 알고리즘을 제안한다. 표적을 배경으로부터 분리한 후에 광역적인 형상 특징을 찾기 위해 표적의 경계선에 대해 물체의 중심을 기준으로 방사함수 (radial function)를 정의한다. 또한, 형상 정보가 집중되어 있는 표적의 윗 부분으로부터 국부적인 형상 특징을 찾기 위해 두 개의 특징점과 경계선으로부터 거리함수를 정의한다. 두 개의 함수와 경계선으로부터 4개의 광역적 형상 특징과 4개의 국부적 형상 특징을 제안한다. 이 특징들은 병진, 회전 그리고 크기변화에 대해 기존의 특징 벡터들 보다 좋은 불변성을 가진다. 이 특징들을 이용하여 가려짐이 있는 표적과 가려짐이 없는 표적을 구분하여 인식하기 위한 새로운 분류 방식을 제안한다. 실험을 통해 제안한 특징들의 불변성과 인식 성능을 기존의 특징벡터들과 비교하여 제안한 표적 인식 알고리즘의 우수성을 입증한다.

• 한국멀티미디어학회논문지
• /
• 제25권1호
• /
• pp.72-81
• /
• 2022

Visual Object Tracking is known as the most fundamental problem in the field of computer vision. Object tracking localize the region of target object with bounding box in the video. In this paper, a custom CNN is created to extract object feature that has strong and various information. This network was constructed as a Siamese network for use as a feature extractor. The input images are passed convolution block composed of a bottleneck layers, and features are emphasized. The feature map of the target object and the search area, extracted from the Siamese network, was input as a local proposal network. Estimate the object area using the feature map. The performance of the tracking algorithm was evaluated using the OTB2013 dataset. Success Plot and Precision Plot were used as evaluation matrix. As a result of the experiment, 0.611 in Success Plot and 0.831 in Precision Plot were achieved.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.633-635
• /
• 2016

Convolutional Networks (ConvNets) are powerful models that learn hierarchies of visual features, which could also be used to obtain image representations for transfer learning. The basic pipeline for transfer learning is to first train a ConvNet on a large dataset (source task) and then use feed-forward units activation of the trained ConvNet as image representation for smaller datasets (target task). Our key contribution is to demonstrate superior performance of multiple ConvNet layer features over single ConvNet layer features. Combining multiple ConvNet layer features will result in more complex feature space with some features being repetitive. This requires some form of feature selection. We use AdaBoost with single stumps to implicitly select only distinct features that are useful towards classification from concatenated ConvNet features. Experimental results show that using multiple ConvNet layer activation features instead of single ConvNet layer features consistently will produce superior performance. Improvements becomes significant as we increase the distance between source task and the target task.