http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
임의배율 초해상도를 위한 하이브리드 도메인 고주파 집중 네트워크
윤준석,이성진,유석봉,한승회,Yun, Jun-Seok,Lee, Sung-Jin,Yoo, Seok Bong,Han, Seunghwoi 한국정보통신학회 2021 한국해양정보통신학회논문지 Vol.25 No.11
최근 이미지 초해상도는 정수배율만 가능한 모델에만 집중적으로 연구되고 있다. 하지만 관심 객체 인식, 디스플레이 화질 개선 등 실제 초해상도 기술의 대표 적용 분야에서는 소수 배율을 포함하는 임의배율 확대 필요성이 대두되고 있다. 본 논문에서는 기존 정수배율 모델의 가중치를 활용하여 임의배율을 실행할 수 있는 모델을 제안한다. 이 모델은 정수배율에 의해 우수한 성능을 가진 초해상도 결과를 DCT 스펙트럼 도메인으로 변환하여 임의배율을 위한 공간을 확장한다. DCT 스펙트럼 도메인에 의한 확장으로 인해 발생하는 이미지의 고주파 정보 손실 문제를 줄이기 위해 고주파 스펙트럼 정보를 적절히 복원할 수 있는 모델인 고주파 집중 네트워크를 제안한다. 제안된 네트워크는 고주파 정보를 제대로 생성하기 위해서 RGB 채널간의 상관관계를 학습하는 레이어인 channel attention을 활용하고, 잔차 학습 구조를 통해 모델을 깊게 만들어 성능을 향상시켰다. Recently, super-resolution has been intensively studied only on upscaling models with integer magnification. However, the need to expand arbitrary magnification is emerging in representative application fields of actual super-resolution, such as object recognition and display image quality improvement. In this paper, we propose a model that can support arbitrary magnification by using the weights of the existing integer magnification model. This model converts super-resolution results into the DCT spectral domain to expand the space for arbitrary magnification. To reduce the loss of high-frequency information in the image caused by the expansion by the DCT spectral domain, we propose a high-frequency attention network for arbitrary magnification so that this model can properly restore high-frequency spectral information. To recover high-frequency information properly, the proposed network utilizes channel attention layers. This layer can learn correlations between RGB channels, and it can deepen the model through residual structures.
임의배율 초해상도를 위한 하이브리드 도메인 고주파 집중 네트워크
윤준석,이성진,유석봉,한승회,Yun, Jun-Seok,Lee, Sung-Jin,Yoo, Seok Bong,Han, Seunghwoi 한국정보통신학회 2021 한국정보통신학회논문지 Vol.25 No.11
최근 이미지 초해상도는 정수배율만 가능한 모델에만 집중적으로 연구되고 있다. 하지만 관심 객체 인식, 디스플레이 화질 개선 등 실제 초해상도 기술의 대표 적용 분야에서는 소수 배율을 포함하는 임의배율 확대 필요성이 대두되고 있다. 본 논문에서는 기존 정수배율 모델의 가중치를 활용하여 임의배율을 실행할 수 있는 모델을 제안한다. 이 모델은 정수배율에 의해 우수한 성능을 가진 초해상도 결과를 DCT 스펙트럼 도메인으로 변환하여 임의배율을 위한 공간을 확장한다. DCT 스펙트럼 도메인에 의한 확장으로 인해 발생하는 이미지의 고주파 정보 손실 문제를 줄이기 위해 고주파 스펙트럼 정보를 적절히 복원할 수 있는 모델인 고주파 집중 네트워크를 제안한다. 제안된 네트워크는 고주파 정보를 제대로 생성하기 위해서 RGB 채널간의 상관관계를 학습하는 레이어인 channel attention을 활용하고, 잔차 학습 구조를 통해 모델을 깊게 만들어 성능을 향상시켰다. Recently, super-resolution has been intensively studied only on upscaling models with integer magnification. However, the need to expand arbitrary magnification is emerging in representative application fields of actual super-resolution, such as object recognition and display image quality improvement. In this paper, we propose a model that can support arbitrary magnification by using the weights of the existing integer magnification model. This model converts super-resolution results into the DCT spectral domain to expand the space for arbitrary magnification. To reduce the loss of high-frequency information in the image caused by the expansion by the DCT spectral domain, we propose a high-frequency attention network for arbitrary magnification so that this model can properly restore high-frequency spectral information. To recover high-frequency information properly, the proposed network utilizes channel attention layers. This layer can learn correlations between RGB channels, and it can deepen the model through residual structures.
열악 조도 환경에서 융합센서를 활용한 딥러닝 기반 객체 인식
정현준(Hyeonjun Chong),국민혁(Min Hyeok Kuk),박도연(Doyeon Park),허준석(Junseok Heo),손성재(Sungjae Sohn),박아론(Aaron Park),한승회(Seunghwoi Han) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
주행 기술의 발달과 함께 열악한 주행 환경에서의 이에 대한 높은 안정성 및 신뢰도틀 갖는 기술 개발의 중요성이 커지고 있다. 본 연구에서는 가시광선 대역 RGB 센서와 적외선 대역 열화상 센셔틀 포함한 융합센서 플랫폼 설계 및 실제 주행환경에서의 적용을 통해 융합 센서 데이터를 획득하고 이를 인공지능 객체 인식 알고리즘을 이용하여 열악한 조도환경에서 각 센서의 객체 검출 능력을 비교 분석하였다. 센서 측정 파장 대역에 따른 객체 검출 능력 비교를 통해 융합 센서의 우수한 객체 검출 성능을 확인하였다.