http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김구진 ( Ku Jin Kim ) (검색결과 38 건)
- 무료
- 기관 내 무료
- 유료
-
김구진(Ku-Jin Kim),이인권(In-Kwon Lee) 한국정보과학회 2002 정보과학회논문지 : 시스템 및 이론 Vol.29 No.7·8
본 논문에서는 회전체(surface of revolution)의 isophote를 계산하는 효율적이고 안정성 있는 알고리즘을 제시한다. 회전체는 곡면의 특성 상 곡면이 원의 집합으로 이루어지며 하나의 원 위에 있는 점들에 대한 법선 벡터의 집합은 하나의 원뿔(cone)을 이룬다. 원뿔을 이루는 법선 벡터의 특성과 회전체의 대칭성을 이용하여 곡선과 직선의 교점 계산만으로 isophote에 속한 모든 구성요소(connected component)를 발견하는 방법을 제시한다. 또한 회전체 곡면 상의 isophote를 매개변수 곡선으로 표현함으로써 곡선을 쉽게 추적하는 방법을 제시한다. This paper presents an efficient and robust algorithm to compute the isophote of a surface of revolution. A surface of revolution can be decomposed to a set of cross-sectional circles. The surface normals along each cross-sectional circle form a cone. Using the characteristics of the normal vectors and the symmetric property of the surface of revolution, we propose a method to find the connected components of an isophote, which requires intersecting a planar curve(and its reflection) with two rays. Moreover, we propose a closed-form representation of an isophote as a parametric curve.
-
김구진 ( Ku Jin Kim ),강범식 ( Beom Sik Kang ),서우덕 ( U Deok Seo ) 한국정보처리학회 2014 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.3 No.4
단백질 분자 내에서 α-헬릭스는 단백질의 구조나 기능, 그리고 다른 단백질과의 결합, 활성 조절 등에 있어 중요한 역할을 하며, 이에 따라 헬릭스에 대한 구조적인 분석이 연구되어 왔다. α-헬릭스는 그 중심축을 기준으로 다른 α-헬릭스와의 상호위치를 평가하기 때문에 길게 휘어지거나 꺾인 α-헬릭스들을 한 개의 헬릭스로 해석할 경우에는 단백질의 구조 분석에 있어서 상당한 오차가 발생할 수 있다. 본 논문에서는 PDB 파일 내에 표시된 단백질 분자의 α-헬릭스를 주어진 오차 범위 내에서 여러 개의 곧은 형태의 헬릭스로 재구성하는 알고리즘을 제안한다. In a protein molecule, α-helices are important for protein structure, function, and binding to other proteins, so the analysis on the structure of helices has been researched. Since an interaction between two helices is evaluated based on their axes, massive errors in protein structure analysis would be caused if a curved or kinked long α-helix is considered as a linear one. In this paper, we present an algorithm to reconstruct α-helices in a protein molecule as a sequence of straight helices under given threshold.
-
병목을 찾는 알고리즘과 그 응용 (pp.619-631)
김구진(Ku-Jin Kim),양태천(Tae-Cheon Yang),신성용(Sung Yong Shin),좌경룡(Kyung-Yong Chwa) 한국정보과학회 1993 정보과학회논문지 Vol.20 No.5
할로우를 그리는 그래픽 명령은 주어진 다각형의 경계를 렌더링하는 그래픽 기본연산 중의 하나이다. 단순다각형에 대해 할로우를 그릴 때, 어려운 점은 할로우 패턴이 다각형 내에서 서로 교차하거나 다각형의 경계 바깥으로 나가지 않게 하는 것이다. 이러한 어려운 점들은 다각형에서 병목의 개념을 정의함으로써 특성화된다. 본 논문에서는 n개의 정점을 갖는 단순다각형에 대해 Voronoi 도형을 이용하여 O(n log n)시간에 다각형에 존재하는 모든 병목을 찾는 알고리즘을 제시한다. 이 알고리즘은 할로우를 그리는 데 이용될 뿐만 아니라 효율적인 NC밀링 도구 경로의 생성에 이용된다. The graphic command called "hollow drawing" is one of primitive graphic operations, which renders the boundary of a given polygon. When drawing a hollow on a simple polygon, it is hard for a hollow pattern neither to self-intersect nor to be drawn outside of the polygon. These difficulties are characterized by formulating the notion of a bottleneck in a simple polygon. Using the Voronoi diagram of a simple polygon, we present an O(n log n)time algorithm for finding all bottlenecks of the simple polygon with n vertices. This leads to an efficient algorithm for drawing a hollow. It also gives a fast method for generating NC milling tool paths.
-
-
병목을 찾는 알고리즘과 그 응용 (pp.599-602)
김구진(Ku-Jin Kim),양태천(Tae-Cheon Yang),신성용(Sung Yong Shin),좌경룡(Kyung-Yong Chwa) 한국정보과학회 1992 한국정보과학회 학술발표논문집 Vol.19 No.1
할로우를 그리는 그래픽 명령은 주어진 다각형의 경계를 렌더링하는 그래픽 기본연산 중의 하나이다. 단순다각형에 대해 할로우를 그릴 때, 어려운 점은 할로우 턴이 다각형 내에서 서로 교차하거나 다각형의 경계 바깥으로 나가지 않게 하는 것이다. 이러한 어려운 점들은 다각형에서 병목의 개념을 정의함으로써 특성화된다. 본 논문에서는 n개의 정점을 갖는 단순다각형에 대해 Voronoi diagram을 이용하여 O(n log n) 시간에 다각형에 존재하는 모든 병목을 찾는 알고리즘을 제시한다. 이 알고리즘은 할로우를 그리는 데 이용될 뿐만 아니라 효율적인 NC밀링 도구경로의 생성에 이용된다.
-
-
-
김구진(Ku-Jin Kim),윤지영(Jiyoung Yoon),최유주(Yoo-Joo Choi) 한국정보과학회 2008 정보과학회 컴퓨팅의 실제 논문지 Vol.14 No.1
본 논문에서는 야외 및 실내에서 촬영된 차량 영상에 대해 실시간으로 차량의 색상을 인식할 수 있는 GPU(Graphics Processing Unit) 기반의 알고리즘을 제시한다. 전처리 과정에서는 차량 색상의 표본 영상들로부터 특징벡터를 계산한 뒤, 이들을 색상 별로 조합하여 GPU에서 사용할 참조 텍스쳐(Reference texture)로 저장한다. 차량 영상이 입력되면, 특징벡터를 계산한 뒤 GPU로 전송하고, GPU에서는 참조 텍스쳐 내의 표본 특징벡터들과 비교하여 색상 별 유사도를 측정한 뒤 CPU로 전송하여 해당 색상명을 인식한다. 분류의 대상이 되는 색상은 가장 흔히 발견되는 차량 색상들 중에서 선택한 7가지 색상이며, 검정색, 은색, 흰색과 같은 3가지의 무채색과 빨강색, 노랑색, 파랑색, 녹색 과 같은 4가지의 유채색으로 구성된다. 차량 영상에 대한 특징벡터는 차량 영상에 대해 HSI(Hue-Saturation-Intensity) 색상모델을 적용하여 색조-채도 조합과 색조-명도 조합으로 색상 히스토그램을 구성하고, 이 중의 채도 값에 가중치를 부여함으로써 구성한다. 본 논문에서 제시하는 알고리즘은 다양한 환경에서 촬영된 많은 수의 표본 특징벡터를 사용하고, 색상 별 특성을 뚜렷이 반영하는 특징벡터를 구성하였으며, 적합한 유사도 측정함수(likelihood function)를 적용함으로써, 94.67%에 이르는 색상 인식 성공률을 보였다. 또한, GPU를 이용함으로써 대량의 표본 특징벡터의 집합과 입력 영상에 대한 특징벡터 간의 유사도 측정 및 색상 인식과정을 병렬로 처리하였다. 실험에서는, 색상 별로 1,024장씩, 총 7,168장의 차량 표본 영상을 이용하여 GPU에서 사용하는 참조 텍스쳐를 구성하였다. 특징벡터의 구성에 소요되는 시간은 입력 영상의 크기에 따라 다르지만, 해상도 150×113의 입력 영상에 대해 측정한 결과 평균 0.509ms가 소요된다. 계산된 특징벡터를 이용하여 색상 인식의 수행시간을 계산한 결과 평균 2.316ms의 시간이 소요되었고, 이는 같은 알고리즘을 CPU 상에서 수행한 결과에 비해 5.47배 빠른 속도이다. 본 연구에서는 차량만을 대상으로 하여색상 인식을 실험하였으나, 일반적인 피사체의 색상 인식에 대해서도 제시된 알고리즘을 확장하여 적용할 수 있다. In this paper, we present a real-time algorithm for recognizing the vehicle color from the indoor and outdoor vehicle images based on GPU (Graphics Processing Unit) acceleration. In the preprocessing step, we construct feature vectors from the sample vehicle images with different colors. Then, we combine the feature vectors for each color and store them as a reference texture that would be used in the GPU. Given an input vehicle image, the CPU constructs its feature vector, and then the GPU compares it with the sample feature vectors in the reference texture. The similarities between the input feature vector and the sample feature vectors for each color are measured, and then the result is transferred to the CPU to recognize the vehicle color. The output colors are categorized into seven colors that include three achromatic colors: black, silver, and white and four chromatic colors: red, yellow, blue, and green. We construct feature vectors by using the histograms which consist of hue-saturation pairs and hue-intensity pairs. The weight factor is given to the saturation values. Our algorithm shows 94.67% of successful color recognition rate, by using a large number of sample images captured in various environments, by generating feature vectors that distinguish different colors, and by utilizing an appropriate likelihood function. We also accelerate the speed of color recognition by utilizing the parallel computation functionality in the GPU. In the experiments, we constructed a reference texture from 7,168 sample images, where 1,024 images were used for each color. The average time for generating a feature vector is 0.509ms for the 150×113 resolution image. After the feature vector is constructed, the execution time for GPU-based color recognition is 2.316ms in average, and this is 5.47 times faster than the case when the algorithm is executed in the CPU. Our experiments were limited to the vehicle images only, but our algorithm can be extended to the input images of the general objects.
-
-
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
