• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권4호
• /
• pp.264-272
• /
• 2010

예제기반 초해상도 영상복원은 영상 패치의 대한 학습 및 검색을 통해 저해상도 영상으로부터 고해상도 영상을 복원하는 방법으로써 성능이 좋고 한 장의 저해상도 영상에 대하여도 적용 가능하다. 그러나 복원 과정에서 패치 검색에 많은 비교 연산이 요구되기 때문에 속도가 매우 느리다. 복원 속도를 향상시키기 위해서는 효과적인 패치 검색 알고리즘이 요구된다. 본 논문에서는 패치 검색에 사용 가능한 다양한 고차원 특징 검색 방법들을 실제 초해상도 영상복원 시스템에 적용하여 그 성능을 비교하였다. 또한 문자 인식 분야에서 성공적으로 적용되어왔으나 초해상도 영상복원에서는 사용되지 않았던 단계적 후보축소 방법을 패치 검색 단계에 적용할 것을 제안한다. 실험 결과 기존의 방법 중에서는 LSH가 가장 좋은성능을 나타내었다. 본 논문에서 제안한 단계적 후보 축소에 의한 패치 검색 방법은 LSH보다 더욱 우수하여 $1024{\times}1024$ 영상의 복원 시 LSH보다 최대 3.12배 빠른 복원 속도를 나타내었다.

• 한국건설관리학회:학술대회논문집
• /
• 한국건설관리학회 2001년도 학술대회지
• /
• pp.40-45
• /
• 2001

중재를 이용한 최근의 국내 대형 건설공사의 건설분규 해결사례들을 볼 때, 복잡한 건설분규가 합리적으로 해결되는 절차가 국내에도 새롭게 적용되고 있으며 이는 앞으로도 더욱 확산될 전망이다. 이 논문에서는 이를 바탕으로 하여 건설분규 해결절차의 새로운 정립을 위하여 기존의 절차를 확대하여 새롭게 고려하여야 할 점들을 고찰하여 보기로 한다. 건설분규를 합리적으로 관리(Manage)하기 위해서는 분규해결을 위한 사후대처 뿐만이 아닌 사전에 할 수 있는 분규대처 방안도 함께 검토하여 보기로 한다. 또한 기존 국내의 분규해결 절차를 분석하고 미국에서 현재 활용되는 대체분규해결(ADR) 절차들과 비교하고자 한다. 분규해결 절차의 정립은 분규가 발생된 이후의 대체해결 방안에 관하여 연구하는 기존의 접근방식과는 달리 미리 건설분규의 요소들을 관리하고 진단할 수 있는 "분규가능성(Disputability)"을 통하여 분규의 예측 및 회피를 추구하는 폭넓은 접근방식에서 미국의 대체분규해결 절차들을 분석하고자 한다.

• 지구물리와물리탐사
• /
• 제5권1호
• /
• pp.33-45
• /
• 2002

주시 토모그래피의 한계인 분해능을 극복하기 위하여 새로운 영상화 기법이 요구되며 그 중의 하나가 파형 역산이다. 파형 역산은 위상뿐만 아니라 파동의 진폭을 동시에 이용하므로 지하구조를 고해상으로 영상화할 수 있는 기법이다. 그러나 파형역산은 전파와 역전파의 모형반응 계산이 요구되므로 많은 계산 시간이 요구된다. 본 연구에서는 파형역산 기법에서 효율적인 합성 파동장 계산을 위하여 속도-응력법을 이용하였다. 시추공 영상화 기법들의 분해능을 알아 보기 위하여 수치모형에 적용, 비교하여 파형역산과 주시 토모그래피의 분해능을 살펴보았다. 파형역산의 분해능 한계는 Schuster가 유도한 구조보정의 분해능 한계와 유사함을 알 수 있었다. 시추공의 기하학적인 문제로 인한 커버리지의 부족의 문제는 VSP자료를 적용함으로서 해결할 수 있어 수평적인 분해능이 향상되었다. 또한 구현된 알고리듬의 현장적용성을 평가하기 위하여 실제와 유사한 이론모형에 적용해보았으며 이 때 발생하는 비선형성을 줄이기 위해 초기치로 주시역산 토모그램을 적용하여 좋은 결과를 얻었다.

• 한국음향학회지
• /
• 제40권2호
• /
• pp.121-129
• /
• 2021

본 논문에서는 학습 기반 압축 센싱을 이용하여 측면 주사 소나 영상의 해상도를 향상하는 초해상도 기법을 다룬다. 딥러닝과 압축 센싱이 접목된 학습 기반 압축 센싱은 구조적인 측면에서 피드-포워드(feed forward) 네트워크 형태이며 학습을 통하여 파라미터들을 자동으로 설정하게 된다. 본 논문에서는 초해상도 과정에서 필요한 추가 정보들을 다양한 초기화 방법을 통해 효과적으로 추출할 수 있는 방법을 제안한다. 다양한 모의 실험에서 제안하는 방법은 기존 방식보다 Peak Signal-to-Noise Ratio(PSNR) 및 Structure Similarity Index Measure(SSIM) 지표상 향상된 성능 결과를 나타내었다.

• Nuclear Engineering and Technology
• /
• 제54권8호
• /
• pp.2859-2870
• /
• 2022

Because nuclear power plants (NPPs) are safety-critical infrastructure, it is essential to increase their safety and minimize risk. To reduce human error and support decision-making by operators, several artificial-intelligence-based diagnosis methods have been proposed. However, because of the nature of data-driven methods, conventional artificial intelligence requires large amount of measurement values to train and achieve enough diagnosis resolution. We propose a graph neural network (GNN) based accident diagnosis algorithm to achieve high diagnosis resolution with limited measurements. The proposed algorithm is trained with both the knowledge about physical correlation between components and measurement values. To validate the proposed methodology has a sufficiently high diagnostic resolution with limited measurement values, the diagnosis of multiple accidents was performed with limited measurement values and also, the performance was compared with convolution neural network (CNN). In case of the experiment that requires low diagnostic resolution, both CNN and GNN showed good results. However, for the tests that requires high diagnostic resolution, GNN greatly outperformed the CNN.

• 한국측량학회지
• /
• 제36권5호
• /
• pp.413-422
• /
• 2018

Many applications using satellite data from high-resolution multispectral sensors require an image fusion step, known as pansharpening, before processing and analyzing the multispectral images when spatial fidelity is crucial. Image fusion methods are to improve images with higher spatial and spectral resolutions by reducing spectral distortion, which occurs on image fusion processing. The image fusion methods can be classified into MRA (Multi-Resolution Analysis) and CSA (Component Substitution Analysis) approaches. To suggest the efficient image fusion method for Pleiades and KOMPSAT (Korea Multi-Purpose Satellite) 3 satellites, this study will evaluate image fusion methods for multispectral and panchromatic images. HPF (High-Pass Filtering), SFIM (Smoothing Filter-based Intensity Modulation), GS (Gram Schmidt), and GSA (Adoptive GS) were selected for MRA and CSA based image fusion methods and applied on multispectral and panchromatic images. Their performances were evaluated using visual and quality index analysis. HPF and SFIM fusion results presented low performance of spatial details. GS and GSA fusion results had enhanced spatial information closer to panchromatic images, but GS produced more spectral distortions on urban structures. This study presented that GSA was effective to improve spatial resolution of multispectral images from Pleiades 1A and KOMPSAT 3.

• 대한조선학회논문집
• /
• 제59권2호
• /
• pp.72-79
• /
• 2022

Deep-learning-based Super-Resolution (SR) methods were evaluated to reconstruct pressure fields with a high resolution from low-resolution images taken from a coarse grid simulation. In addition to a canonical SRCNN(super-resolution convolutional neural network) model, two modified models from SRCNN, adding an activation function (ReLU or Sigmoid function) to the output layer, were considered in the present study. High resolution images obtained by three models were more vivid and reliable qualitatively, compared with a conventional super-resolution method of bicubic interpolation. A quantitative comparison of statistical similarity showed that SRCNN model with Sigmoid function achieved best performance with less dependency on original resolution of input images.

• 한국멀티미디어학회논문지
• /
• 제21권2호
• /
• pp.173-180
• /
• 2018

This paper proposes a method to improve the performance of face recognition via super-resolution method using sparse representation and deep learning from low-resolution facial images. Recently, there have been many researches on ultra-high-resolution images using deep learning techniques, but studies are still under way in real-time face recognition. In this paper, we combine the sparse representation and deep learning to generate super-resolution images to improve the performance of face recognition. We have also improved the processing speed by designing in parallel structure when applying sparse representation. Finally, experimental results show that the proposed method is superior to conventional methods on various images.

• 한국멀티미디어학회논문지
• /
• 제21권12호
• /
• pp.1467-1472
• /
• 2018

For the problem that the face image of surveillance video cannot be accurately identified due to the low resolution, this paper proposes a low resolution face recognition solution based on convolutional neural network model. Convolutional Neural Networks (CNN) model for multi-scale input The CNN model for multi-scale input is an improvement over the existing "two-step method" in which low-resolution images are up-sampled using a simple bi-cubic interpolation method. Then, the up sampled image and the high-resolution image are mixed as a model training sample. The CNN model learns the common feature space of the high- and low-resolution images, and then measures the feature similarity through the cosine distance. Finally, the recognition result is given. The experiments on the CMU PIE and Extended Yale B datasets show that the accuracy of the model is better than other comparison methods. Compared with the CMDA_BGE algorithm with the highest recognition rate, the accuracy rate is 2.5%~9.9%.

• 융합신호처리학회논문지
• /
• 제24권1호
• /
• pp.21-26
• /
• 2023

지식 증류는 깊은 모델의 지식을 가벼운 모델로 전달하는 모델 경량화 기술이다. 대부분의 지식 증류 방법들은 분류 모델을 위해 개발되었으며, 초해상화를 위한 지식 증류 연구는 거의 없었다. 본 논문에서는 다양한 지식 증류 방법들을 초해상화 모델에 적용하고 성능을 비교한다. 구체적으로, 초해상화 모델에 각 지식 증류 방법을 적용하기 위해 손실 함수를 수정하고, 각 지식 증류 방법을 사용하여 교사 모델을 약 27배 경량화한 학생 모델을 학습하여 2배 초해상화하는 실험을 진행하였다. 실험을 통해, 일부 지식 증류 방법은 초해상화 모델에 적용할 경우 유효하지 않음을 알 수 있었으며, 관계 기반 지식 증류 방법과 전통적인 지식 증류 방법을 결합했을 때 성능이 가장 높은 것을 확인하였다.