• 한국음향학회지
• /
• 제39권5호
• /
• pp.497-504
• /
• 2020

화자 검증에서 화자 임베딩 구축은 중요한 이슈이다. 일반적으로, 화자 임베딩 인코딩을 위해 자기주의 메커니즘이 적용되어졌다. 이전의 연구는 마지막 풀링 계층과 같은 높은 수준의 계층에서 자기 주의를 학습시키는 데 중점을 두었다. 이 경우, 화자 임베딩 인코딩 시 낮은 수준의 계층의 영향이 감소한다는 단점이 있다. 본 연구에서는 잔차 네트워크를 사용하여 Masked Cross Self-Attentive Encoding(MCSAE)를 제안한다. 이는 높은 수준 및 낮은 수준 계층의 특징 학습에 중점을 둔다. 다중 계층 집합을 기반으로 각 잔차 계층의 출력 특징들이 MCSAE에 사용된다. MCSAE에서 교차 자기 주의 모듈에 의해 각 입력 특징의 상호 의존성이 학습된다. 또한 랜덤 마스킹 정규화 모듈은 오버 피팅 문제를 방지하기 위해 적용된다. MCSAE는 화자 정보를 나타내는 프레임의 가중치를 향상시킨다. 그런 다음 출력 특징들이 합쳐져 화자 임베딩으로 인코딩된다. 따라서 MCSAE를 사용하여 보다 유용한 화자 임베딩이 인코딩된다. 실험 결과, VoxCeleb1 평가 데이터 세트를 사용하여 2.63 %의 동일 오류율를 보였다. 이는 이전의 자기 주의 인코딩 및 다른 최신 방법들과 비교하여 성능이 향상되었다.

• 한국산학기술학회논문지
• /
• 제21권12호
• /
• pp.320-330
• /
• 2020

화재는 높은 비정형성으로 인해 딥러닝 모델을 이용한 영상인식 분야에서도 좋은 성능을 내기가 어려운 대상 중 하나이다. 특히 지하공동구 내 화재는 딥러닝 모델의 학습을 위한 화재 데이터 확보가 어렵고 열약한 영상 조건 및 화재로 오인할 수 있는 객체가 많아 화재 검출이 어렵고 성능이 낮다. 이러한 이유로 본 연구는 딥러닝 기반의 지하공동구 내 화재 탐지 모델을 제안하고, 제안된 모델의 성능을 평가하였다. 기존 합성곱 인공신경망에 GoogleNet의 Inception block과 ResNet의 skip connection을 조합하여 어두운 환경에서 발생되는 화재 탐지를 위한 모델 구조를 제안하였으며, 제안된 모델을 효과적으로 학습시키기 위한 방법도 함께 제시하였다. 제안된 방법의 효과를 평가하기 위해 학습 후 모델을 지하공동구 및 유사환경 조건의 화재 문제와 화재로 오인할 수 있는 객체를 포함한 이미지에 적용해 결과를 분석하였다. 또한 기존 딥러닝 기반 화재 탐지 모델의 정밀도, 검출률 지표와 비교함으로써 모델의 화재 탐지 성능을 정량적으로 평가하였다. 제안된 모델의 결과는 어두운 환경에서 발생되는 화재 문제에 대해 높은 정밀도와 검출률을 나타내었으며, 유사 화재 객체에 대해 낮은 오탐 및 미탐 성능을 가지고 있음을 보여주었다.

• 농업생명과학연구
• /
• 제45권3호
• /
• pp.1-7
• /
• 2011

본 연구는 울릉도 나리분지의 군락구조와 환경요인의 상관관계를 파악하여 산림식생의 보전 및 관리에 필요한 생태학적 기초자료를 제공하기 위하여 수행되었다. 나리분지의 산림군락은 너도밤나무군락, 당마가목군락, 소나무군락, 풍게나무군락, 두메오리나무군락으로 분류되었다. DCCA 분석 결과, 환경요인 중 해발이 군집의 분포에 영향을 미치는 인자인 것으로 나타났다. 너도밤나무군락과 당마가목군락은 방위, Na, C/N의 환경요인과 군락단위의 분포지가 높은 상관관계를 나타내었다. 풍게나무군락은 Ca, K 등과 상관관계가 높은 것으로 나타났으며, 두메오리나무군락은 CEC의 함량이 높은 입지에 분포하고 있었으며, 해발고와 높은 상관관계가 있었다. 소나무군락은 Ca, CEC의 함량이 높은 입지에 분포하는 것으로 나타났다.

• Journal of Information Processing Systems
• /
• 제1권1호
• /
• pp.70-74
• /
• 2005

Sensor networks have emerged as an interesting and important research area in the last few years. These networks require that time be synchronized more precisely than in traditional Internet applications. In this paper, we compared and analyzed the performance of the RBS and TDP mechanisms in the view of the number of generated messages and the synchronization accuracy. The reason that we chose be RBS ad the TDP mechanism to be compared is because the RES is an innovative method to achieve the high accurate synchronization. And TDP is a new method taking over the NTP method which has been used widely in the Internet. We simulated the performance of two methods assuming the IEEE 802.11 CSMA/CA MAC. As for the number of nodes in the sensor networks, two situations of 25 (for the small size network) and 100 (for the large size network) nodes are used. In the aspect of the number of messages generated for the synchronization, TDP is far better than RBS. But, the synchronization accuracy of RBS is far higher than that of TDP. We cm conclude that in a small size sensor networks requiring very high accuracy, such as an application of very high speed objects tracking in a confined space, the RBS is more proper than TDP even though the RBS may generate more traffic than TDP. But, in a wide range sensor networks with a large number of nodes, TDP is more realistic though the accuracy is somewhat worse than RBS because RBS may make so many synchronization messages, and then consume more energies at each node. So, two mechanisms may be used selectively according to the required environments, without saying that the one method is always better than the other.

• 한국인터넷방송통신학회논문지
• /
• 제21권5호
• /
• pp.197-202
• /
• 2021

지정맥을 이용한 생체인식기술은 높은 보안성, 편리성과 정확성으로 많은 관심을 받고 있으며 최근 딥러닝 기술의 발달로 인해 더욱 인증에 대한 인식 오류율 및 정확도가 향상되었다. 하지만 학습 데이터는 일정한 순서나 방법이 아닌 실제 데이터의 부분 집합으로, 결과가 일정하지 않아 데이터양과 인공신경망의 복잡도를 고려해야 한다. 본 논문에서는 지정맥 인식기의 높은 정확도와 인증 시스템 성능 향상을 위해 Inception-ResNet-v2의 딥러닝 모델을 활용하였으며 DenseNet-201의 딥러닝 모델과 성능을 비교 분석하였다. 시뮬레이션은 전북대의 MMCBNU_6000과 직접 촬영한 지정맥 영상을 사용하고 지정맥 인증 시스템에 이미지를 가공하는 과정은 없으며 생체인증 척도인 EER을 추출하여 성능 결과를 확인한다.

• 한국ITS학회 논문지
• /
• 제18권1호
• /
• pp.56-73
• /
• 2019

무선통신기기 보급 확대로 인해 프로브 기반 교통정보시스템이 확대 구축되고 있다. 프로브 기반 통행시간 정보의 시간 처짐 현상 극복을 위해 다수의 예측 기법들이 적용되고 있지만, 일별 및 요일별 교통패턴이 불규칙한 구간에서는 예측 기법의 효용성이 저하되는 것으로 알려져 있다. 이로 인해 불규칙한 교통패턴을 나타내는 구간에서는 일반적으로 5분 집계단위의 프로브 정보를 사용하는데, 이는 집계 시간간격만큼 시간 처짐 현상을 증대시킨다. 이에 본 연구에서는 통행시간 패턴이 불규칙한 구간에 적용 가능한 교통정보 제공 방법론을 제안하였다. 제안된 방법은 개별차량 단위 프로브 정보와 5분 집계 프로브 정보를 융합 적용하는 것으로써, 제안된 방법론 적용 시 통행시간 정보 오차를 최대 18%까지 감소시킬 수 있는 것으로 분석되었다.

• 한국작물학회지
• /
• 제44권4호
• /
• pp.309-315
• /
• 1999

Rice seedling test was conducted to check the loging tolerance at ripening stage through evaluating the root characters. Thirteen Korean and foreign rice cultivars with direct seeding adaptable or high quality characteristics were grown in a cell pot and under submerged paddy. The root characters and pushing resistance of rice hill were determined at seedling and ripening stage, respectively. The diameter of crown root at the 7th and 8th leaf stages was thicker in lodging tolerance cultivars than those of others and showed significant-positive correlation with both pushing resistance and crown root diameter of mature plants. Also, the tensile strength of crown root at the 7th and 8th leaf stage showed highly positive correlation with the tensile strength of crown root of mature plants. The number of crown root at 7th leaf stage was significant-positively correlated with that of mature plant. The diameter of seminal root was not significantly correlated with the diameter of crown root throughout the whole growth stage. These results indicate that the diameter, tensile strength and number of crown root associated with root lodging tolerance can be detected with the seedling at about 7th or 8th leaf stage, and the seedling test using the cell pot is an useful and practical method to select lodging tolerant cultivars or lines of rice based on root characters, especially diameter of crown root.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2005년도 춘계학술대회 논문집
• /
• pp.1980-1983
• /
• 2005

The characteristic of sheet metal process is the few loss of material during process, the short processing time and the excellent price and strength. The sheet metal process with above characteristic is common used in industrial field, but in order to analysis irregular field problems the reliable and economical analysis method is demanded. Finite element method is very effective method to simulate the forming processes with good prediction of the deformation behaviour. Among Finite element method, The static-implicit finite element method is applied effectively to analyze real-size auto-body panel stamping processes, which include the forming stage. In this paper, it was focussed on the drawability factors on auto-body panel stamping by AUTOFORM with using tool planing alloy to reduce law price as well as high precision from Design Optimization of ide. According to this study, the results of simulation will give engineers good information to access the Design Optimization of die.

• 한국정밀공학회지
• /
• 제23권3호
• /
• pp.118-124
• /
• 2006

The characteristic of sheet metal process is the few loss of material during process, the short processing time and the excel lent price and strength. The sheet metal process with above characteristic is common used in industrial field, but in order to analysis irregular field problems the reliable and economical analysis method is demanded. Finite element method is very effective method to simulate the forming processes with good prediction of the deformation behavior. Among Finite element method, the static-implicit finite element method is applied effectively to analyze real-size auto-body panel stamping processes, which include the forming stage. In this paper, it was focused on the drawing ability factors on auto-body panel stamping by AUTOFORM with using tool planning alloy to reduce law price as well as high precision front Design Optimization of die. According to this study, the results of simulation will give engineers good information to access the Design Optimization of die.

• 한국멀티미디어학회논문지
• /
• 제23권6호
• /
• pp.729-737
• /
• 2020

Screening with low-dose spiral computed tomography (LDCT) has been shown to reduce lung cancer mortality by about 20% when compared to standard chest radiography. One of the problems arising from screening programs is that large amounts of CT image data must be interpreted by radiologists. To solve this problem, automated detection of pulmonary nodules is necessary; however, this is a challenging task because of the high number of false positive results. Here we demonstrate detection of pulmonary nodules using six off-the-shelf convolutional neural network (CNN) models after modification of the input/output layers and end-to-end training based on publicly databases for comparative evaluation. We used the well-known CNN models, LeNet-5, VGG-16, GoogLeNet Inception V3, ResNet-152, DensNet-201, and NASNet. Most of the CNN models provided superior results to those of obtained using customized CNN models. It is more desirable to modify the proven off-the-shelf network model than to customize the network model to detect the pulmonary nodules.