• 전자공학회논문지CI
• /
• 제45권6호
• /
• pp.154-161
• /
• 2008

본 논문에서는 컬러와 패턴 정보를 이용하여 텍스타일 영상에 포함된 감성을 자동으로 인식할 수 있는 방법을 제안한다. 이때, 감성을 표현하기 위해 고바야시의 10가지 감성 그룹 - {romantic, clear, natural, casual, elegant chic, dynamic, classic, dandy, modern}- 을 이용한다. 제안된 시스템은 특징 추출과 분류로 구성된다. 특징 추출 단계에서는 주관적인 감성을 물리적인 영상 특징으로 표현하기 위해 텍스타일을 구성하는 대표 컬러와 패턴을 추출 한다. 이 때 대표 컬러를 추출하기 위해서 양자화 기법을 이용하고, 패턴정보를 표현하기 위해서는 웨이블릿 변환 후의 통계적인 정보를 이용한다 추출된 컬러와 패턴 특징은 신경망을 이용한 분류기의 입력으로 사용되고, 분류기를 통해 입력 텍스타일이 임의의 감성을 가지는지 여부가 결정된다. 제안된 감성인식 방법의 효율성을 증명하기 위해서 인위적인 도메인, 패션 도메인, 인테리어 도메인에서 얻어진 389장의 텍스타일 영상에서 실험하였다. 다양한 도메인의 영상에 대해 사용된 결과 제안된 방법은 100%의 정확도와 99%의 재현율을 보였다. 이러한 실험 결과는 제안된 감성인식 방법이 다양한 텍스타일 관련 산업분야에 일반화되어 사용될 수 있음을 보여주었다.

• 방송공학회논문지
• /
• 제25권4호
• /
• pp.569-575
• /
• 2020

전기화재의 원인중의 하나는 직렬 아크이다. 최근까지 아크 신호를 검출하기 위해 다양한 기법들이 진행되고 있다. 시간 신호에 푸리에 변환, 웨이블릿 변환, 또는 통계적 특징 등을 활용하여 아크 검출을 하는 방법들이 소개되었지만, 변환 및 특징 추출은 부가적인 처리 시간이 요구되는 단점이 있다. 반면에 최근의 딥러닝 모델은 종단간 학습으로 특징 추출 과정없이 직접 원시 데이터를 활용한다. 따라서, 1-D 시간 신호를 직접 활용하여 아크를 검출하는 것이 좋은데, 인공신경망의 분류 성능이 저하되는 문제점이 있다. 본 논문에서는 연속 입력 1-D 신호를 2-D로 변환한 후에, 합성곱신경망으로 분류하는 방법을 제안한다. 실험 데이터에 적용한 결과 합성곱신경망의 사용이 인공신경망보다 약 8.6%의 아크 분류 성능을 향상시켰다. 또한 2-D 데이터의 부족을 보완하기 위해서 데이터증강을 이용하여, 14%의 분류 성능을 개선하였다.

• 한국멀티미디어학회논문지
• /
• 제17권11호
• /
• pp.1325-1334
• /
• 2014

Recently game addiction of young people has become a social issue. Therefore, many studies, mostly surveys, have been conducted to diagnose game addiction. In this paper, we suggest how to distinguish levels of addiction based on EEG. To this end, we first classify four groups by the degrees of addiction to internet games (High-risk group, Vigilance group, Normal group, Good-user group) using CSG (Comprehensive Scale for Assessing Game Behavior) and then measure their Event Related Potential(ERP) in the Go/NoGo Task. Specifically, we measure the signals of P300, N400 and N200 from the channels of the NoGo stimulus and Go stimulus. In addition, we extract distinct features from the discrete wavelet transform of the EEG signal and use these features to distinguish the degrees of addiction to internet games. The experiments in this study show that High-risk and Vigilance group exhibit lower Go-N200 amplitude of Fz channel than Normal and Good-user groups. In Go-P300 and NoGo-P300 of Fz channel, High-risk and Vigilance groups exhibit higher amplitude than Normal and Good-user group. In Go-N400 and NoGo-N400 of Pz channel, High-risk and Vigilance group exhibit lower amplitude than Normal and Good-user group. The test after the learning study of the extracted characteristics of each frequency band from the EEG signal showed 85% classification accuracy.

• 전자공학회논문지CI
• /
• 제42권6호
• /
• pp.75-82
• /
• 2005

본 논문에서는 정면 얼굴 검출에 이용되는 특성 벡터의 새로운 추출법을 제안한다. 새로운 특성벡터의 추출은 일차원 Harr 웨이블릿, 평균행렬, 분산행렬 및 진폭 투시법을 이용하여 각 각의 특성벡터를 구하였으며 얼굴 및 비 얼굴의 모델링은 확률적 특성을 이용한 조건부 확률 분포 함수로 모델링 한다. 또한 계산된 확률 분포 함수를 이용한 확률 값을 계산하여 입력 영상에서의 얼굴 검출을 수행한다. 제안한 방법으로 구성된 특성 벡터를 이용한 얼굴 검출에서는, 영상 내에서의 다수의 얼굴 검출이 가능하며 약간의 각도를 가지는 얼굴 검출도 가능하며 저해상도의 영상에서의 얼굴 검출에 매우 효과적이며 모의실험 결과 SET3의 테스트 영상에서의 얼굴 검출율은 $98.3\%$가 됨을 확인하였다.

• 한국콘텐츠학회논문지
• /
• 제9권6호
• /
• pp.1-8
• /
• 2009

2D 영상 이미지를 인식하는데 있어서, 테스트 이미지를 입력 받는 카메라의 설치 공간 및 설정 상황에 따라 밝기, 명암, 빛의 방향 등과 같은 인식의 성능에 영향을 끼칠 수 있는 요소들이 매우 많이 존재한다. 본 논문은 카메라가 위치한 환경 상의 최소의 샘플 이미지를 가지고, 그 환경에서 입력되는 영상의 인식 성공률을 높일 수 있는 적응형 얼굴 인식 방법을 제안하고 있다. 제안한 적응형 얼굴 인식은 두 개의 부분으로 구성되어 있는데, 하나는 환경 적응을 하기 위한 부분이고, 다른 하나는 얼굴 인식을 수행하는 부분이다. 전자인 환경 적응 모듈에서는 안정 상태 유전 알고리즘을 사용하여 인식기가 최적의 성능을 낼 수 있는 필터 조합과 필터 파라메터와 특징 벡터 집합 차원을 결정하고, 후자인 얼굴 인식 모듈에서는 그 결과를 사용하여 얼굴 인식 결과를 확인한다. 얼굴 인식 과정에서 이미지 사이의 유사도를 측정하기 위해서 가보 웨이블릿을 사용하였고, 인식의 결과를 도출하는 과정에서는 k-Nearest Neighbor을 사용하였다. 적응형 얼굴 인식 방법을 테스트 하기위해, 사인 함수의 가중치를 사용한 명암 노이즈, 임펄스 노이즈, 복합 노이즈에 관하여 각각 실험을 하였고, 진화 후에는 일반적으로 발생할 수 있는 노이즈에 대한 급격한 인식률 저하를 방지할 수 있음을 확인하였다.

• 방송공학회논문지
• /
• 제24권5호
• /
• pp.791-801
• /
• 2019

전기화재의 원인중의 하나는 직렬 아크이다. 최근까지 아크 신호를 검출하기 위해 다양한 기법들이 진행되고 있다. 시간 신호에 푸리에 변환, 웨이블릿, 또는 통계적 특징 등을 활용하여 아크 검출을 하는 방법들이 소개되었지만, 다양한 불규칙 아크 파형 때문에, 실제 환경에서는 아크 성능이 저하되는 문제가 있다. 따라서, 기존의 부족한 특징 데이터를 증가시켜, 성능을 개선하는 것이 요구된다. 본 논문에서는 입력신호를 변분 모드 분할을 통해 원신호를 분할한 후 통계적 특징을 추출한다. 변분 모드 분할으로부터 추출한 통계적 특징의 성능이 원신호로부터 얻은 특징보다 개선된 성능을 얻는다. 아크 분류기로 인공 신경망을 이용하고, 14,000개의 학습 데이터에 적용한 결과 VMD의 사용이 약 4%의 아크 검출 성능을 높혔다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1610-1629
• /
• 2021

Failures frequently occurred in manufacturing machines due to complex and changeable manufacturing environments, increasing the downtime and maintenance costs. This manuscript develops a novel deep learning-based method named Multi-Domain Convolutional Neural Network (MDCNN) to deal with this challenging task with vibration signals. The proposed MDCNN consists of time-domain, frequency-domain, and statistical-domain feature channels. The Time-domain channel is to model the hidden patterns of signals in the time domain. The frequency-domain channel uses Discrete Wavelet Transformation (DWT) to obtain the rich feature representations of signals in the frequency domain. The statistic-domain channel contains six statistical variables, which is to reflect the signals' macro statistical-domain features, respectively. Firstly, in the proposed MDCNN, time-domain and frequency-domain channels are processed by CNN individually with various filters. Secondly, the CNN extracted features from time, and frequency domains are merged as time-frequency features. Lastly, time-frequency domain features are fused with six statistical variables as the comprehensive features for identifying the fault. Thereby, the proposed method could make full use of those three domain-features for fault diagnosis while keeping high distinguishability due to CNN's utilization. The authors designed massive experiments with 10-folder cross-validation technology to validate the proposed method's effectiveness on the CWRU bearing data set. The experimental results are calculated by ten-time averaged accuracy. They have confirmed that the proposed MDCNN could intelligently, accurately, and timely detect the fault under the complex manufacturing environments, whose accuracy is nearly 100%.

• 한국정보통신학회논문지
• /
• 제26권7호
• /
• pp.972-980
• /
• 2022

영상을 이용한 기계학습 기반의 나비 종 인식 기술은 나비 종의 다양성 및 개체 수, 종의 서식 분포 등을 파악하는데 관련 분야 종사자의 많은 시간과 비용 감소의 효과를 가져온다. 나비 종 분류의 정확성과 시간 효율을 높이기 위해 기계학습 모델의 입력으로 사용되는 여러 가지 특징들이 연구되었다. 그중 엔트로피 개념을 이용한 가지 길이 유사성 엔트로피나 색채 강도 엔트로피 방법이 푸리에 변환이나 웨이블릿 등 다른 특징들에 비해 높은 정확성과 적은 학습 시간을 보여주었다. 본 논문은 나비의 컬러 영상에 대한 RGB 색채 강도 엔트로피를 이용한 특징 추출 알고리즘을 제안한다. 또한 제안한 특징 추출 방법과 대표적인 앙상블 모델들을 결합한 나비 인식 시스템을 개발하고 성능을 평가한다.

• 비파괴검사학회지
• /
• 제31권4호
• /
• pp.351-359
• /
• 2011

최근 토목, 기계 및 항공 분야에서 구조물의 안전성 및 적정 성능 수준 확보를 위하여 구조물의 결함 및 노후화에 의한 성능저하 등을 상시적으로 모니터링하기 위한 관심이 높아지고 있다. 실제 구조물에서는 내부 미세 균열에서부터 국부 좌굴, 볼트 풀림, 피로 균열 등과 같이 다양한 형태의 손상이 복합적으로 발생 가능한데, 복합 손상을 단일 모드 계측 시스템으로부터 진단하기는 매우 어렵다. 따라서 본 연구에서는 이러한 복합 손상을 효율적으로 진단하기 위하여 선행 연구에서 제안된 압전센서를 이용한 자가 계측 회로 기반의 다중 모드 계측 시스템을 적용하였다. 자가 계측 회로 기반 다중 모드 계측 시스템은 크게 두 가지 형태의 신호를 계측한다. 첫 번째 모드는 임피던스 계측으로부터 특정 주파수 대역의 구조 응답을 계측하며, 두 번째 모드는 유도 초음파 계측으로부터 단일 중심 주파수에 해당하는 구조 응답을 계측한다. 복합 손상을 손상 유형별로 분류하기 위하여 E/M 임피던스와 유도 초음파의 계측으로부터 추출한 특성을 이용하여 2차원 손상지수를 계산하고 이를 지도학습 기반 패턴인식 기법 중 확률론적 신경망 기법에 적용한다. 제안된 기법의 적용성 검토를 배관 구조물에 인위적으로 다중 손상을 생성시켜 실험을 수행하였다.

• 전자공학회논문지CI
• /
• 제45권5호
• /
• pp.102-109
• /
• 2008

본 논문은 다중경로 페이딩 채널 조건에서 사전 정보없이 입사하는 디지털 신호 10종의 변조형태를 고정확도로 인식할 수 있도록 고차 통계량(HOS)과 웨이브릿 변환(WT)에서 선정된 특징(key features)을 이용한 견실한 하이브리드 분류기를 제안하였다. 제안된 분류기는 실제 시나리오를 고려하여 다양한 다중경로 환경(즉, 농촌, 소도시, 도심지역)에서 측정된 채널 데이터를 이용하였다. 실제 측정된 다중경로 페이딩 채널 데이터를 이용하여 Holdout-like 방식으로 총 15개 채널 중 9개 채널은 트레이닝용으로 사용하고, 나머지 6개 채널은 테스트용으로 사용하였다. 제안된 분류기는 다중경로 환경에서 높은 변별력을 유지하는 HOS 특징을 기반으로 구현되었고, AMA(Alphabet Matched Algorithm) 또는 MMA(Multi-modulus Algerian)와 같은 등화기법의 적용없이 분류가 어렵다고 알려진 MQAM신호(M=16, 64, 256)들에 대해서만 WT 특징을 적용하였다. 선정된 특징들을 이용한 변조인식은 입력공간에서 최대 마진을 갖는 하이퍼 공간으로 매핑시킴으로서 분류 능력이 우수하다고 알려진 SVM 메소드를 적용하여 시뮬레이션을 실시하였다. 제안된 분류기의 성능은 트레이닝 채널과 테스트 채널에서 WT 또는 HOS 특징만을 단독으로 사용하는 분류기에 비해 현저한 성능 향상을 보였고, 특히, MQAM 신호의 인식률은 낮은 SNR레벨에서도 거의 완전하게 분류되었다.