http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
한복규(Bok Gyu Han),양현석(Hyeon Seok Yang),이종민(Jong Min Lee),문영식(Young Shik Moon) 대한전자공학회 2016 대한전자공학회 학술대회 Vol.2016 No.11
In this paper, we proposed a crack detection method using sum of difference images that obtained by substracting original image from each filtered image. Also, we suggest a method to classify the crack using MLP. Experientially, result shows that performance of our method has been improved by 3.32% over the previous methods.
컨볼루셔널 인코더-디코더 네트워크를 이용한 터널에서의 균열 검출
한복규(Bok Gyu Han),양현석(Hyeon Seok Yang),이종민(Jong Min Lee),문영식(Young Shik Moon) 대한전자공학회 2017 전자공학회논문지 Vol.54 No.6
기존의 수작업으로 이루어지는 터널에서의 균열 검출은 점검자의 주관에 따라 균열을 판별하기 때문에 객관성을 보장하기 어렵다. 이러한 문제를 해결하기 위해서 터널에서 획득된 영상을 기반으로 균열을 검출하는 시스템이 많이 제안되었다. 하지만 기존의 방법은 터널 내부의 조명 상태, 균열 이외의 기타 에지 등 잡음에 상당히 민감하다. 이러한 단점은 터널의 상태에 따라 알고리즘의 성능을 크게 제한시킨다. 본 논문에서는 이러한 단점을 극복하기 위하여 컨볼루셔널 인코더-디코더 네트워크(Convolutional encoder-decoder network)를 이용한 균열 검출 방법을 제안한다. 제안하는 방법은 재현율과 정확률의 비교를 통하여 기존 연구에 비해 성능이 크게 향상되었음을 보였다. The classical approaches to detect cracks are performed by experienced inspection professionals by annotating the crack patterns manually. Because of each inspector’s personal subjective experience, it is hard to guarantee objectiveness. To solve this issue, automated crack detection methods have been proposed however the methods are sensitive to image noise. Depending on the quality of image obtained, the image noise affect overall performance. In this paper, we propose crack detection method using a convolutional encoder-decoder network to overcome these weaknesses. Performance of which is significantly improved in terms of the recall, precision rate and F-measure than the previous methods.
실시간 영상 초해상도 복원을 위한 효율적인 신경망 구조 연구
정우진 ( Woojin Jeong ),한복규 ( Bok Gyu Han ),이동석 ( Dong Seok Lee ),최병인 ( Byung In Choi ),문영식 ( Young Shik Moon ) 한국인터넷정보학회 2018 인터넷정보학회논문지 Vol.19 No.4
단일 영상 초해상도는 하나의 저해상도 영상에서 고해상도 영상을 복원하는 과정이다. 최근 심층신경망을 적용한 초해상도 기법이 좋은 성과를 나타내고 있다. 본 논문에서는 기존의 심층신경망 기반 초해상도 복원 기법보다 속도와 성능을 개선한 신경망 구조를 제안한다. 이를 위해 기존 기법의 단점을 분석하고 해결책을 제시한다. 제안하는 방법은 기존 기법의 5단계를 3단계로 줄여 효율성을 높였으며, 네트워크의 폭과 깊이에 대한 실험을 통해 가장 효율적인 신경망 구조를 연구하였다. 제안하는 방법의 성능과 속도를 알아보기 위해 비교 실험을 진행하였다. 제안하는 방법은 1024×1024 영상을 초당 148장 복원하는 속도를 나타냈으며, 4가지 데이터에 대해 기존 방법보다 복원 성능이 우수하였다. A single-image super-resolution is a process of restoring a high-resolution image from a low-resolution image. Recently, the super-resolution using the deep neural network has shown good results. In this paper, we propose a neural network structure that improves speed and performance over conventional neural network based super-resolution methods. To do this, we analyze the conventional neural network based super-resolution methods and propose solutions. The proposed method reduce the 5 stages of the conventional method to 3 stages. Then we have studied the optimal width and depth by experimenting on the width and depth of the network. Experimental results have shown that the proposed method improves the disadvantages of the conventional methods. The proposed neural network structure showed superior performance and speed than the conventional method.
인공신경망 기반의 Decolorization 파라메터 자동 결정 방법
조용채(Yong Chae Cho),정우진(Woojin Jeong),한복규(Bok Gyu Han),양현석(Hyeon Seok Yang),심재준(Jae Jun Sim),남대현(Dae Hyun Nam),문영식(Young Shik Moon) 대한전자공학회 2018 대한전자공학회 학술대회 Vol.2018 No.6
In this paper, we propose a method to find optimal parameters for decolorization using convolutional neural networks. Decolorization is a technique for converting color images into gray images. The conventional decolorization methods have a problem that the parameter can not be determined automatically. The proposed method automatically finds optimal parameters with a deep neural network. In the experiment, the proposed method generates a visually pleasing gray image compared to the conventional method.
심층 신경망 기반 효율적인 단일 영상 초해상도 복원 기법
정우진(Woojin Jeong),양현석(Hyeon Seok Yang),한복규(Bok Gyu Han),심재준(Jae Jun Sim),박세진(Sejin Park),박진욱(Jin Wook Park),이종민(Jong Min Lee),문영식(Young Shik Moon) 대한전자공학회 2018 전자공학회논문지 Vol.55 No.6
단일 영상 초해상도 복원은 하나의 저해상도 영상에서 고해상도 영상을 복원하는 과정이다. 최근 깊은 인공 신경망 기술이 발전함에 따라 단일 영상 초해상도 복원에서도 깊은 인공 신경망 기술이 성과를 나타냈다. 본 논문은 단일 영상 초해상도 복원을 위해 깊은 인공 신경망 기술을 효율적으로 적용하는 방법에 대해 연구하였으며, 네트워크 내부 확대 기법, L1 손실 함수의 사용, 잔차 학습 구조를 통해 기존 기법보다 효율적으로 영상 복원하는 기법을 제안한다. 제안하는 방법은 기존 방법보다 화질은 PSNR기준으로 0.57㏈ 만큼 우수하며 속도는 1.48배 빠른 것을 실험을 통해 확인하였다. Single image super-resolution is to restore a high-resolution image from a low-resolution image. Recently, deep neural networks have been applied in various image processing field, and they achieve successful results in the single image super-resolution. In this paper, we propose an efficient way of utilizing the deep neural networks to the single image super-resolution. we improve the quality of single image super-resolution by using convolution transpose layer, L1 loss function, and residual learning. Experimental results have shown that our method is 0.57㏈ better in terms of PSNR and 1.48 times faster in execution time, compared with existing methods.
심재준(Jae Jun Sim),정우진(Woo Jin Jung),양현석(Hyeon Seok Yang),한복규(Bok Gyu Han),조용채(Yong Chae Cho),문영식(Young Shik Moon) 대한전자공학회 2018 전자공학회논문지 Vol.55 No.9
최근 신경망이 활발히 연구되어 다양한 분야에 적용되고 있으며, 영상처리의 다양한 분야(초해상도 복원, 영상 분류, 영상분할 등등)에서도 신경망을 도입하여 이전보다 나은 성과를 내고 있다. 본 논문에서는 의료영상에 깊은 신경망을 활용하여 세포핵 영역을 분할하는 기법을 제안한다. 본 논문에서 제안하는 네트워크 구조는 수용영역이 서로 다른 세 개의 네트워크를 병렬 처리하는 병렬 네트워크와 분류 네트워크로 이루어져 있다. 네트워크의 입력은 원본 영상을 전처리한 영상과 가이드 영상을 사용한다. 제안하는 방법은 풀링을 제거한 Deeplab-v1보다 mIOU가 4.61% 높고, 1024×1024 크기 영상에서 1.92배 빠르다. Recently, neural networks have been actively studied and applied in various fields. In the various fields of image processing (super resolution restoration, image classification, image segmentation, etc.), neural networks have been introduced to achieve better results than before. In this paper, we propose a technique to segment the nuclei region using deep neural network for medical images. The network structure used in this paper consists of three networks with different receptive field and a classification network. The input of the network is the pre - processed image and the guide image of the original image. The proposed method is 4.61% higher in mIOU than Deeplab-v1 with pooling removed and 1.92 times faster in 1024×1024 size image.
심재준(Jae Jun Sim),정우진(Woo Jin Jeong),양현석(Hyeon Seok Yang),한복규(Bok Gyu Han),조용채(Yong Chae Cho),이호경(Ho Gyeong Lee),문영식(Young Shik Moon) 대한전자공학회 2018 대한전자공학회 학술대회 Vol.2018 No.11
We propose an indoor haze removal method using MSCNN and cGAN. The structure of the network consists of multi-scale CNN and cGAN for photo realistic result. Our method outputs the haze removal image immediately, unlike the existing methods of estimating the depth map. Our method has a quantitative evaluation of 22.6879 in PSNR and 0.8872 in SSIM, which is higher than state of the art by 1.342 in PSNR and 0.0116 in SSIM. It also has good results in qualitative evaluation.