• 제목/요약/키워드: pose estimation

검색결과 388건 처리시간 0.023초

표면분할을 이용한 시차공간상에서의 모델 기반 평면검출 (Model-Based Plane Detection in Disparity Space Using Surface Partitioning)

  • 하홍준;이창훈
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제4권10호
    • /
    • pp.465-472
    • /
    • 2015
  • 본 논문에서는 시차공간상의 평면검출 방법을 제안하고 그 성능을 평가한다. 다양한 표면을 평면으로 근사하고 검출함으로써 시차공간에 나타난 장면을 간소화하고 수식화하여 다루기 쉽도록 한다. 또한 시차공간에서 근사적으로 구한 평면은 3차원 공간상에서 실측 크기로 표현 가능하고 장애물 검출 및 카메라 위치 추정에 활용할 수 있다. 먼저 스테레오 매칭 기술을 이용해 두 개의 영상으로부터 2차원 공간상에 좌표쌍마다 시차값을 가지는 시차공간을 생성한다. x 또는 y축의 전체적인 추이를 반영하도록 돕는 선 단순화 기법을 이용하여 시차값의 접선 기울기를 추정한다. 기울기 쌍의 조합에 따라 10개의 라벨을 시차공간의 좌표쌍에 부여한다. 상하좌우 방향으로 인접하고 동일한 라벨을 가지는 좌표쌍을 연결하여 군집을 생성하고 최소자승법을 이용해 각 군집에 대한 평면식을 추정한다. 시차공간 내에서 평면식을 만족하는 점들이 가장 많은 평면을 검출하고 이를 시차공간을 가장 잘 간소화한 N개의 평면으로 선택한다. 평면검출의 성능을 정량적으로 평가하였고 그 결과는 3차원 원뿔과 원통에서 각각 97.9%, 86.6% 품질을 보였다. 스테레오 비전 알고리즘의 성능을 평가하기 위해 대표적으로 이용되는 Middlebury와 KITTI 실험데이터로부터 제안된 평면검출 방법은 훌륭하게 평면을 검출하였다.

딥러닝 모델과 Kinect 카메라를 이용한 실시간 관절 애니메이션 제작 및 표출 시스템 구축에 관한 연구 (Real-Time Joint Animation Production and Expression System using Deep Learning Model and Kinect Camera)

  • 김상준;이유진;박구만
    • 방송공학회논문지
    • /
    • 제26권3호
    • /
    • pp.269-282
    • /
    • 2021
  • 증강현실과 가상현실 같은 3차원 콘텐츠 보급이 증가함에 따라 실시간 컴퓨터 애니메이션 기술의 중요성이 높아지고 있다. 하지만 컴퓨터 애니메이션 제작 과정은 대부분 수작업 혹은 마커를 부착하는 모션캡쳐 방식으로 이루어져 있다. 때문에 사실적인 영상을 얻기 위해서는 숙련된 전문가에게도 매우 오랜 시간이 필요하다. 이러한 문제점을 해결하기 위해 최근에는 딥러닝 모델과 센서를 기반으로 하는 애니메이션 제작 시스템과 알고리즘이 나오고 있다. 이에 본 논문에서는 딥러닝과 Kinect 카메라 기반 FBX 형식의 애니메이션 제작 시스템에서 자연스러운 인체 움직임을 구현하는 4가지 방법에 대해 연구했다. 각 방법은 환경적 특성과 정확도를 고려하여 선택된다. 첫 번째 방법은 Kinect 카메라를 사용한다. 두 번째 방법은 Kinect 카메라와 보정 알고리즘을 사용한다. 세 번째 방법은 딥러닝 모델을 사용한다. 네 번째 방법은 딥러닝 모델과 Kinect를 사용한다. 제안 방법을 오차와 처리 속도를 실험한 결과, 네 번째 딥러닝 모델과 Kinect를 동시에 사용하는 방법이 다른 방법에 비해 가장 좋은 결과를 보였다.

물체탐색과 전경영상을 이용한 인공지능 멀티태스크 성능 비교 (Comparison of Artificial Intelligence Multitask Performance using Object Detection and Foreground Image)

  • 정민혁;김상균;이진영;추현곤;이희경;정원식
    • 방송공학회논문지
    • /
    • 제27권3호
    • /
    • pp.308-317
    • /
    • 2022
  • 딥러닝 기반 머신 비전 기술을 이용한 영상분석 과정에서 전송되고 저장되는 방대한 양의 동영상 데이터의 용량을 효율적으로 줄이기 위한 연구들이 진행 중이다. MPEG(Moving Picture Expert Group)은 VCM(Video Coding for Machine)이라는 표준화 프로젝트를 신설해 인간을 위한 동영상 부호화가 아닌 기계를 위한 동영상 부호화에 대한 연구를 진행 중이다. 그 중 한 번의 영상 입력으로 여러가지 태스크를 수행하는 멀티태스크에 대한 연구를 진행하고 있다. 본 논문에서는 효율적인 멀티태스크를 위한 파이프라인을 제안한다. 제안하는 파이프라인은 물체탐지를 선행해야 하는 각 태스크들의 물체탐지를 모두 수행하지 않고 한번만 선행하여 그 결과를 각 태스크의 입력으로 사용한다. 제안하는 멀티태스크 파이프라인의 효율성을 알아보기 위해 입력영상의 압축효율, 수행시간, 그리고 결과 정확도에 대한 비교 실험을 수행한다. 실험 결과 입력 영상의 용량이 97.5% 이상 감소한데 반해 결과 정확도는 소폭 감소하여 멀티태스크에 대한 효율적인 수행 가능성을 확인할 수 있었다.

AI를 이용한 홈CCTV 영상의 반려묘 행동 패턴 분석 및 질병 예측 시스템 연구 (Cat Behavior Pattern Analysis and Disease Prediction System of Home CCTV Images using AI)

  • 한수연;박대우
    • 한국정보통신학회:학술대회논문집
    • /
    • 한국정보통신학회 2022년도 춘계학술대회
    • /
    • pp.165-167
    • /
    • 2022
  • 반려동물 중 반려묘의 비중이 2012년 이후 연평균 25.4%의 증가율을 보이며 증가하는 추세이다. 고양이는 강아지에 비해 야생성이 강하게 남아있기 때문에 질병이 생기면 잘 숨기는 특성이 있다. 보호자가 반려묘가 질병이 있음을 알게 되었을 때는 병이 이미 악화되어진 상태일 수 있다. 반료묘의 식욕부진(식사회피), 구토, 설사, 다음, 다뇨 등과 같은 현상은 당뇨, 갑상선기능항진증, 신부전증, 범백혈구감소증 등 고양이 질병 시 나타나는 증상 중 일부이다. 반려묘의 다음(물 많이 마심), 다뇨(소변의 양이 많음), 빈뇨(소변을 자주 봄) 현상을 보호자가 보다 빨리 알아차릴 수 있다면 반려묘의 질병 치료에 크게 도움이 될 것이다. 본 논문에서는 인공지능 서버에서 작동하는 1) 자세 예측 DeepLabCut의 Efficient버전, 2) 객체 검출 yolov4, 3) 행동 예측은 LSTM을 사용한다. 인공지능 기술을 이용하여 홈 CCTV의 영상에서 반려묘의 행동 패턴 분석과 물그릇의 무게 센서를 통해 반려묘의 다음, 다뇨 및 빈뇨를 예측한다. 그리고, 반려묘 행동 패턴 분석을 통해, 질병 예측 및 이상행동 결과를 보호자에게 리포트 하는, 메인 서버시스템과 보호자의 모바일로 전달하는 애플리케이션을 제안한다.

  • PDF

반려견 유선종양 바이오 마커 (Biomarkers for Canine Mammary Tumors)

  • 이찬호;최영선;이석준;김성학
    • 생명과학회지
    • /
    • 제34권6호
    • /
    • pp.434-441
    • /
    • 2024
  • 유선 종양은 중성화되지 않은 암컷 반려견에서 가장 빈번하게 발견되는 종양으로, 중요한 임상 문제로 대두되고 있다. 반려견 유선 종양(CMT)과 인간 유방암(HBC)의 강한 유사성으로 인해, 인간 유방암에서 확인된 바이오 마커는 반려견 유선종양에서도 검출될 수 있다. 이러한 바이오 마커는 조기 진단, 예후 및 치료 전략에 유용한 통찰력을 제공하는 것으로 나타났다. 본 논문은 연구되어진 반려견 유선종양 바이오 마커에 대한 간략한 개요를 제공하고자 한다. 반려견 유선 종양의 전통적인 치료는 외과적 수술로 시작하여 화학요법, 방사선 요법, 또는 호르몬 요법이 뒤따르지만, 이러한 치료법만으로는 항상 충분하지 않을 수 있다. 반려견 유선 종양 특이적 발암 기전 이해의 바탕으로 개발된 바이오 마커는 환견에게 더 나은 결과를 제공할 희망을 준다. 단일 세포 RNA 시퀀싱 분석은 종양 내 및 종양 간 이질성에 대한 유익한 정보를 제공할 수 있다. 본 리뷰 논문은 반려견 유선 종양 바이오 마커에 대한 현재 연구를 탐구하고 그 발전 방향을 제안한다.

기계학습을 이용한 광학 위성 영상 기반의 도시 내 수목 피복률 추정 (Estimation of Fractional Urban Tree Canopy Cover through Machine Learning Using Optical Satellite Images)

  • 배세정;손보경;성태준;이연수;임정호;강유진
    • 대한원격탐사학회지
    • /
    • 제39권5_3호
    • /
    • pp.1009-1029
    • /
    • 2023
  • 도시 수목은 탄소를 저장하고 불투수면적을 감소시키는 도시 생태계의 중요 요소이며, 탄소 저장량 및 순환량 산정 시 주요 정보로 활용될 수 있다. 많은 선행 연구에서 항공 라이다 자료 및 인공지능 기법을 활용하여 고해상도 수목 정보를 산출하고 있으나, 항공 라이다 영상은 제공하는 플랫폼이 제한되어 있으며 비용적인 면에서도 한계가 다수 존재한다. 따라서 본 연구에서는 수원시를 대상으로 자료 취득이 용이한 고해상도 위성 영상인 Sentinel-2를 활용하여 기계학습 기반의 도시 내 수목 피복률(fractional tree canopy cover, FTC)을 추정하고자 하였다. Sentinel-2 시계열 영상으로부터 중앙값 합성을 수행하여 수원시 전역에 대한 단일 영상을 제작하여 활용하였다. 도시 내 토지 피복의 이질성을 반영하기 위하여, 30 m 격자내 10 m 해상도의 광학 지수의 평균 및 표준편차 값과 환경부 세분류 토지 피복 지도 기반 항목별 피복률을 계산하여 기계학습 모델의 입력 변수로 활용하였다. 총 4가지의 입력 변수 조합을 설정하여, 입력 변수 구성에 따른 FTC 추정 정확도를 비교 및 평가하였다. 광학 영상의 평균 정보만을 활용(Scheme 1)했을 때 보다 도시 내 이질적인 특성을 반영할 수 있는 표준 편차 및 피복률 정보를 모두 함께 고려(Scheme 4, S4)했을 때 향상된 성능을 나타낼 수 있었다. 검증용 자료에 대해 S4의 Random Forest (RF) 모델이 0.8196의 R2, 0.0749의 mean absolute error (MAE), 및 0.1022의 root mean squared error (RMSE)로 전체 기계학습 모델 중에서 성능이 가장 높게 나타났다. 변수 기여도 분석 결과 광학 지수의 표준 편차 정보는 도시 내 복잡한 토지 피복 지역에 대해 높은 기여도를 나타내었다. 훈련된 S4 구성의 RF 모델을 수원시 전역에 대해 확장 적용하였을 때, 참조 FTC 자료에 대해 0.8702의 R2, 0.0873의 MAE, 및 0.1335의 RMSE의 우수한 성능을 나타냈다. 본 연구의 FTC 추정 기법은 향후 다른 지역에 대한 적용성이 우수할 것으로 판단되며, 도시 생태계 탄소순환 파악의 기초자료로 활용될 수 있을 것으로 기대된다.

급성(急性) 기아(饑餓)마우스의 간단백질(肝蛋白質), 핵산(核酸) 및 Guanine Deaminase 활성(活性)에 관(關)한 연구(硏究) (A Study on The Content of Liver Protein, Nucleic Acids, and Guanine Deaminase Activity of Mouse During Acute Starvation)

  • 박승희;김승원
    • Journal of Nutrition and Health
    • /
    • 제1권2호
    • /
    • pp.107-115
    • /
    • 1968
  • Number of aspects, not only nutritional but social as well as political involved in human starvation pose nowadays global problems. In order to help establish the minimum nutritional requirements in the daily life of a man and to free people as well from either undernourishment, malnutrition or even starvation many workers have devoted themselves so far on the research programs to know what and how number of metabolic events take place in animals in vivo. It is the purpose of the present paper to examine in effect to what extent both of the protein and nucleic acids (DNA & RNA) together with an enzyme, guanine deaminase, which converts guanine into xanthine and in turn ends up to uric acid as an end product, undergo changes, quantitatively during acute starvation, using the mouse as an experimental animal. The mouse was strictly inhibited from taking foods except drinking water ad libitum and was sacriflced 24, 48, and 72 hours following starvation thus acutely induced. The animals consisted of two experimental groups, one control and another starvation groups, each being consisted of 6-24 mice of whose body weights ranged in the vicinity of 10 g. The animals were sacriflced by a blow on the head, followed by immediate excision of their livers into ice-cold distilled water, washing adherent blood and other contaminant tissues. The liver was minced foramin, by an all-glass homogenizer immersing it in an ice-bath, followed by subsequent fractionatin of the homogenate (10% W/V in 0.25M sucrose solution made up with 0.05M phosphate buffer of pH 7.4). For the liver protein and guanine deaminase assay, the 10% homogenate was centrifuged at 600 x g for 10 minutes to eliminate the nuclear fraction; and for the estimation of DNA and RNA, the homogenate was prepared by the addition of 10% trichloroacetic acid in order to free the homogenate from the acid-soluble fraction, the remaining residue being delipidate by the addition of alcohol and dried in vacuo for later KOH (IN) hydrolysis. The changes in body and liver wegihts during acute starvation were checked gravimetrically. Protein contents in the liver were monitored by the method of Lowry et al; and guanine deaminase activities were followed by the assay of liberated ammonia from the substrate utilizing the Caraway's colorimetry. The extraction of both DNA and RNA was performed by the Schmidt-Thannhauser's method, which was followed by Marmur's method of purification for DNA and by Chargaff's method of purification for RNA. The determinations of both DNA and RNA were carried out by the diphenylamine reaction for the former and by the orcinol reaction for the latter. The following resume was the results of the present work. 1. It was observed that the body as well as liver weights fall abruptly during starvation, and that the loss of body weight showed no statistical correlation with the decreases in the content of liver protein. 2. The content of liver protein and activity of liver guanine deaminase activity as well decline dramatically, and the specific activities of the enzyme (activity/protein), however, decreased gradually as starvation proceeded. 3. Both of the nucleic acids, DNA and RNA, showed decrements in the liver of mouse during acute starvation; the latter, however, being more striking in the decline as compared to the former. 4. The decreases in the liver protein content as resulted from the acute starvation had no statistically significant correlation with the decrements of DNA in the same tissue, but had regressed with a significant statistical correlation with the fall of RNA in the tissue. 5. The decrease in the activity of guanine deaminase in the liver of mouse during acute starvation was functionally more proportional to the decrease in RNA than DNA, and moreover correlated with the changes in the content of the liver protein. 6. The possible mechanisms involved during in this acute starvation as bring the decreases in the contents of DNA, protein, and guanine deaminase were discussed briefly.

  • PDF

합성곱 신경망의 비지니스 응용: 런웨이 이미지를 사용한 의류 분류를 중심으로 (Business Application of Convolutional Neural Networks for Apparel Classification Using Runway Image)

  • 서이안;신경식
    • 지능정보연구
    • /
    • 제24권3호
    • /
    • pp.1-19
    • /
    • 2018
  • 최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.