• 천문학회보
• /
• 제44권1호
• /
• pp.81.2-81.2
• /
• 2019

We develop an image-to-image translation model, which is a popular deep learning method based on conditional Generative Adversarial Networks (cGANs), to generate solar magnetograms and EUV images from sunspot drawings. For this, we train the model using pairs of sunspot drawings from Mount Wilson Observatory (MWO) and their corresponding SDO/HMI magnetograms and SDO/AIA EUV images (512 by 512) from January 2012 to September 2014. We test the model by comparing pairs of actual SDO images (magnetogram and EUV images) and the corresponding AI-generated ones from October to December in 2014. Our results show that bipolar structures and coronal loop structures of AI-generated images are consistent with those of the original ones. We find that their unsigned magnetic fluxes well correlate with those of the original ones with a good correlation coefficient of 0.86. We also obtain pixel-to-pixel correlations EUV images and AI-generated ones. The average correlations of 92 test samples for several SDO lines are very good: 0.88 for AIA 211, 0.87 for AIA 1600 and 0.93 for AIA 1700. These facts imply that AI-generated EUV images quite similar to AIA ones. Applying this model to the Galileo sunspot drawings in 1612, we generate HMI-like magnetograms and AIA-like EUV images of the sunspots. This application will be used to generate solar images using historical sunspot drawings.

• 천문학회보
• /
• 제44권1호
• /
• pp.81.3-81.3
• /
• 2019

In this study, we apply conditional Generative Adversarial Network, which is one of the deep learning method, to the image-to-image translation from solar magentograms to solar UV and EUV images. For this, we train a model using pairs of SDO/AIA 9 wavelength UV and EUV images and their corresponding SDO/HMI line-of-sight magnetograms from 2011 to 2017 except August and September each year. We evaluate the model by comparing pairs of SDO/AIA images and corresponding generated ones in August and September. Our results from this study are as follows. First, we successfully generate SDO/AIA like solar UV and EUV images from SDO/HMI magnetograms. Second, our model has pixel-to-pixel correlation coefficients (CC) higher than 0.8 except 171. Third, our model slightly underestimates the pixel values in the view of Relative Error (RE), but the values are quite small. Fourth, considering CC and RE together, 1600 and 1700 photospheric UV line images, which have quite similar structures to the corresponding magnetogram, have the best results compared to other lines. This methodology can be applicable to many scientific fields that use several different filter images.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권5호
• /
• pp.73-79
• /
• 2021

최근 컴퓨터 애니메이션 분야에서는 기존의 유한상태기계나 그래프 기반의 방식들에서 벗어나 딥러닝을 이용한 동작 생성 방식이 많이 연구되고있다. 동작 학습에 요구되는 네트워크의 표현력은 학습해야하는 동작의 단순한 길이보다는 그 안에 포함된 동작의 다양성에 더 큰 영향을 받는다. 본 연구는 이처럼 학습해야하는 동작의 종류가 다양한 경우에 효율적인 네트워크 구조를 찾는것을 목표로 한다. 기본적인 fully-connected 구조, 여러개의 fully-connected 레이어를 병렬적으로 사용하는 mixture of experts구조, seq2seq처리에 널리 사용되는 순환신경망(RNN), 그리고 최근 시퀀스 형태의 데이터 처리를 위해 자연어 처리 분야에서 사용되고있는 transformer구조의 네트워크들을 각각 학습하고 비교한다.

• ETRI Journal
• /
• 제44권6호
• /
• pp.1004-1019
• /
• 2022

For autonomous driving without high-definition maps, we present a model capable of generating multiple plausible paths from egocentric images for autonomous vehicles. Our generative model comprises two neural networks: feature extraction network (FEN) and path generation network (PGN). The FEN extracts meaningful features from an egocentric image, whereas the PGN generates multiple paths from the features, given a driving intention and speed. To ensure that the paths generated are plausible and consistent with the intention, we introduce an attentive discriminator and train it with the PGN under a generative adversarial network framework. Furthermore, we devise an interaction model between the positions in the paths and the intentions hidden in the positions and design a novel PGN architecture that reflects the interaction model for improving the accuracy and diversity of the generated paths. Finally, we introduce ETRIDriving, a dataset for autonomous driving, in which the recorded sensor data are labeled with discrete high-level driving actions, and demonstrate the state-of-the-art performance of the proposed model on ETRIDriving in terms of accuracy and diversity.

• 한국군사과학기술학회지
• /
• 제26권5호
• /
• pp.422-430
• /
• 2023

To build an automated system detecting toxic chemicals from Raman spectra, we have to obtain sufficient data of toxic chemicals. However, it usually costs high to gather Raman spectra of toxic chemicals in diverse situations. Tackling this problem, we develop methods to generate synthetic Raman spectra of DMMP and 2-CEES without actual experiments. First, we propose certain mathematical transforms to augment few original Raman spectra. Then, we train deep generative models to generate more realistic and diverse data. Analyzing synthetic Raman spectra of toxic chemicals generated by our methods through visualization, we qualitatively verify that the data are sufficiently similar to original data and diverse. For conclusion, we obtain a synthetic dataset of DMMP and 2-CEES with the proposed algorithm.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권10호
• /
• pp.461-470
• /
• 2023

딥러닝을 활용한 스피치 애니메이션 생성은 영어를 중심으로 활발하게 연구되어왔지만, 한국어에 관해서는 사례가 없었다. 이에, 본 논문은 최초로 지도 학습 딥러닝을 한국어 스피치 애니메이션 생성에 활용해 본다. 이 과정에서, 딥러닝이 스피치 애니메이션 연구를 그 지배적 기술인 음성 인식 연구로 귀결시킬 수 있는 중요한 효과를 발견하게 되어, 이 효과를 한국어 스피치 애니메이션 생성에 최대한 활용하는 방법을 고찰한다. 이 효과는 연구의 최우선 목표를 명확하게 하여, 근래에 들어 활발하지 않은 한국어 스피치 애니메이션 연구를 효과적이고 효율적으로 재활성화하는데 기여할 수 있다. 본 논문은 다음 과정들을 수행한다: (i) 블렌드쉐입 애니메이션 기술을 선택하며, (ii) 딥러닝 모델을 음성 인식 모듈과 표정 코딩 모듈의 주종 관계 파이프라인으로 구현하고, (iii) 한국어 스피치 모션 캡처 dataset을 제작하며, (iv) 두 대조용 딥러닝 모델들을 준비하고 (한 모델은 영어 음성 인식 모듈을 채택하고, 다른 모델은 한국어 음성 인식 모듈을 채택하며, 두 모델이 동일한 기본 구조의 표정 코딩 모듈을 채택한다), (v) 두 모델의 표정 코딩 모듈을 음성 인식 모듈에 종속되게 학습시킨다. 유저 스터디 결과는, 한국어 음성 인식 모듈을 채택하여 표정 코딩 모듈을 종속적으로 학습시킨 모델 (4.2/5.0 점 획득)이, 영어 음성 인식 모듈을 채택하여 표정 코딩 모듈을 종속적으로 학습시킨 모델 (2.7/5.0 점 획득)에 비해 결정적으로 더 자연스러운 한국어 스피치 애니메이션을 생성함을 보여 주었다. 이 결과는 한국어 스피치 애니메이션의 품질이 한국어 음성 인식의 정확성으로 귀결됨을 보여 줌으로써 상기의 효과를 확인해준다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.1-23
• /
• 2018

E-commerce 환경의 발전으로 소비자들은 다양한 상품들을 한 자리에서 폭 넓게 비교할 수 있게 되었다. 하지만 온라인 쇼핑몰에 올라와있는 상당량의 주요 상품 정보들이 이미지 형태이기 때문에 컴퓨터가 인지할 수 있는 텍스트 기반 검색 시스템에 반영될 수 없다는 한계가 존재한다. 이러한 한계점은 일반적으로 기존 기계학습 기술 및 OCR(Optical Character Recognition) 기술을 활용해, 이미지 형태로 된 키워드를 인식함으로써 개선할 수 있다. 그러나 기존 OCR 기술은 이미지 안에 글자가 아닌 그림이 많고 글자 크기가 작으면 낮은 인식률을 보인다는 문제가 있다. 이에 본 연구에서는 기존 기술들의 한계점을 해결하기 위하여, 딥러닝 기반 사물인식 모형 중 하나인 SSD(Single Shot MultiBox Detector)를 개조하여 이미지 형태의 상품 카탈로그 내의 텍스트 인식모형을 설계하였다. 하지만 이를 학습시키기 위한 데이터를 구축하는 데 상당한 시간과 비용이 필요했는데, 이는 지도학습의 방법론을 따르는 SSD 모형은 훈련 데이터마다 직접 정답 라벨링을 해줘야 하기 때문이다. 본 연구는 이러한 문제점을 해결하기 위해 '훈련 데이터 자동 생성 프로그램'을 함께 개발하였다. 훈련 데이터 자동 생성 프로그램을 통해 수작업으로 데이터를 만드는 것에 비하여 시간과 비용을 대폭 절감할 수 있었으며, 생성된 훈련용 데이터를 통해 모형의 인식 성능을 높일 수 있었다. 더 나아가 실험연구를 통해 자동으로 생성된 훈련 데이터의 특징별로 인식기 모형의 성능에 얼마나 큰 영향을 끼치는지 알아보고, 성능 향상에 효과적인 데이터의 특징을 분석하였다. 본 연구를 통해서 개발된 상품 카탈로그 내 텍스트 인식모형과 훈련 데이터 자동 생성 프로그램은 온라인 쇼핑몰 판매자들의 상품 정보 등록 수고를 줄여줄 수 있으며, 구매자들의 상품 검색 시 결과의 정확성을 향상시키는 데 기여할 수 있을 것으로 기대한다.

• 한국산학기술학회논문지
• /
• 제20권12호
• /
• pp.237-246
• /
• 2019

전기기계식 제동장치(EMB : Electro Mechanical Brake)는 자동차 및 철도차량의 차세대 제동장치로서 현재 연구가 활발히 진행되고 있다. 현재의 고속열차용 제동장치는 공압 실린더를 이용하여 제동 압부력을 발생시키나 전기기계식 제동장치 (EMB)에서는 전기 모터 및 기어와의 조합을 통하여 압부력을 발생시킨다. 본 연구에서는 고압부력 발생이 가능한 EMB 구동 메커니즘을 제안하고, 해당 메커니즘을 만드는 기구장치 중 핵심부품인 기어 및 샤프트 부품들에 대한 구조 및 진동해석을 수행하였다. 한편 모델에 대한 동적 진동해석 결과 압부력이 가해진 상태에서 외부가진이 주어졌을 때 부재의 최대 응력이 항복강도 이내임이 확인되었다. 또한, 구조해석 결과 모터샤프트의 축 직경을 최대한 크게하는 설계가 강도 상 유리함을 확인하였으며, 기어와 편심샤프트를 고정하는 볼트에서 큰 전단응력이 발생할 수 있음을 확인하였다. 한편 해석모델의 메커니즘을 재현할 수 있는 시험장치를 제작하여 가장 취약한 부위인 고정 볼트부의 변형률을 구동 토크가 가해진 상태에서 측정하였다. 변형률 측정결과는 해석결과와 오차가 10% 이내로서, 해석모델의 정확도를 검증할 수 있었다.

• 한국철도학회논문집
• /
• 제18권4호
• /
• pp.309-316
• /
• 2015

고속열차의 외부장치인 선두부 대차 페어링과 팬터그래프에 의한 주행저항 기여도를 차세대 한국형 고속열차(HEMU-430X)를 이용하여 최대 350km/h까지의 타행시험을 통하여 간접적으로 평가하였다. 선두부 대차페어링에 의한 공기저항 저감도를 평가하기 위하여 대차 페어링을 부착 및 탈착 하였을 때 각각 타행시험을 속도대역별로 실시하였다. 또한, 팬터그래프에 의한 공기저항을 측정하기 위하여 팬터그래프를 상승 및 하강 시켰을 때 각각 타행시험을 실시하였다. 타행시험의 결과로부터 시간-속도선도에 대한 가속도를 선형회귀법으로 산출하여 주행저항식으로 도출하였고, 도출된 주행저항식의 공기저항계수 부분을 이용하여 대차 페어링 및 팬터그래프의 공기저항 기여도를 산출하였다. 그 결과 선두부 대차 페어링의 공기저항 감소효과는 약 3.8%이며, 비상모드 팬터그래프는 공기저항을 약 3.9% 증가시키는 것으로 평가되었다.

• 디자인학연구
• /
• 제16권3호
• /
• pp.341-350
• /
• 2003

21세기의 문화라는 화두를 보면 디지털미디어의 등장이다. 이는 산업혁명에 버금가는 새로운 전환을 이루었으며 이제 우리사회는 디지털 미디어 매체가 지배하는 사회가 되었다. 변화와 발전을 거듭하는 디자인 학문으로서 시각디자인의 정체성이 디지털매체가 들어오면서 어떻게 진화하고 있는지를 조사ㆍ분석하여 현재 시각디자인 교육의 방향을 가늠하기 위한 것이 본 연구의 주된 목표이다. 또한 디지털 매체는 젊은 계층이 주 타깃이 되기에 시각언어의 표현기법이 달라지는 것도 필연적이라고 볼 수 있는데, 실제 디지털 매체의 등장으로 시각커뮤니케이션이 창조되고 분배되어 온 방법들이 많은 변화를 거쳐 온 것이 사실이다. 과거 대부분의 디자인 교육기관들은 서로 비슷한 교육목표와 커리큘럼, 교수법으로 학생들이 실무현장에 대비할 수 있는 교육을 제공해왔다. 그러나 지금과 같은 디지털 미디어시대에 시각디자인의 적용과 활용은 비할 수 없이 다각화되었으며 그것은 상호자강(Interaction)으로 대별된다. 본 연구에서는 디지털 시대 시각디자인 분야의 전문 인재 양성 방안을 찾는 것을 목적으로 이를 위해 기존의 전통교육과 디지털 교육의 융합으로 현실 사회의 요구에 부응하는 새로운 교육시스템을 도출하고, 사회의 요구를 앞서가는 디자인 교육기관으로서의 위상을 제시하고자 한다.