http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
MPEG에서 B 프레임의 특징을 이용한 급진적 장면전환 검출에 관한 연구
김중헌,장종환,Kim Joong-Heon,Jang Jong-Whan 한국정보처리학회 2005 정보처리학회논문지B Vol.12 No.5
일반적인 장면전환 검출방법은 연속적인 두 영상의 특징 값을 비교하여 일정한 임계값 이상일 경우 장면전환으로 판단한다. 그러나 기존의 장면전환을 검출하는 알고리즘은 장면전환을 검출하는데 있어서 프레임의 특징 값을 추출하기 위하여 복호화 과정에서 많은 시간이 소비되었고 단지 연속적인 두 영상의 특징 값을 비교하기 때문에 빛의 변화나 물체의 움직임에 따른 오검출 문제를 나타내었다. 본 논문에서는 MPEG 압축 영역에서 매크로블록 정보를 직접 추출 및 이용하여 효과적인 장면 전환 검출을 위한 알고리즘을 제안한다 제안한 알고리즘은 MPEG에서 매크로블록 정보를 직접 추출하고 이용하므로 기존의 알고리즘의 문제점인 많은 연산량 문제를 개선하였고, 연속된 프레임과의 비교를 통한 장면전환 검출이 아닌 이전 또는 이후 영상과의 연관성을 분석하여 장면전환된 프레임을 검출함으로 빛의 변화나 물체의 움직임과 같은 오검출 문제를 해결할 수 있는 알고리즘을 제안한다 제안한 알고리즘은 MPEG 데이터를 대상으로 한 실험을 통해 기존의 히스토그램을 이용한 알고리즘보다 빠르고 정확하게 검출할 수 있음을 보이고, 실험 결과를 통해 성능을 분석하였다. General scene change detection determines the changes of a scene by using feature comparison of two continuous images that are above the fixed threshold. But existing algerian detects scene change that was used in comparing the features of two images continuously, it usually takes a lot of time in decrypting the image data and false-detection problem occurs when there is an object motion or a change of illumination. In this paper, macroblock were used to extract the information directly from the MPEG compression area and suggests algorithm that will detect scene changes more effectively. Existing algorithm have shown numerous arithmetic problems that were improved in the proposed algorithm. The existing algorithm cannot detect the changes of a scene after analyzing the relationship of the previousand futureimages while the algorithm being proposed can detect the changes of a scene continuously and resolves the problem of false-detection. To this end, the data used in general were tested to prove that this algerian would be able to detect the scene changes faster and more correctly than the existing ones. The performance of the suggested algorithm was analyzed basedontheresultsoftheexperiment. .
유비쿼터스 센서 네트워크에서 효율적인 토폴로지 제어를 위한 클러스터 설정 기법
김중헌(Joongheon Kim),김은교(Eunkyo Kim),김동신(Dongshin Kim),이원준(Wonjun Lee) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.2Ⅲ
센서 네트워크에서 에너지 효율성을 향상시키기 위한 방안 중 하나는 계층적 클러스터링 기법이다. 이 기법은 센서 노드가 이웃 노드와 통신할 필요 없이 오직 클러스터 헤드 노드와 통신하게 함으로써 에너지 소비량을 줄이게 된다. 하지만 이러한 클러스터링 기법은 클러스터 반경 크기에 따라 성능이 크게 좌우된다. 본 논문에서는, 클러스터 헤드 노드의 잔류 에너지양에 따라 동적으로 클러스터 반경 크기를 조절함으로써 에너지 소비를 최적화시킬 수 있는 기법을 제안한다.
심층 신경망의 영상 인식 분류 성능 균일성 향상을 위한 명시적 상호보완 앙상블 구조
김도현(Dohyun Kim),김중헌(Joongheon Kim) 한국정보과학회 2019 정보과학회논문지 Vol.46 No.9
본 논문에서는 영상 인식 분류 시스템의 주요한 성능평가 고려사항 중 하나인 분류 대상 별 성능 편차문제를 완화시키기 위한 새로운 심층 신경망 기반 조화 앙상블(Harmony) 기법을 제안한다. 조화 앙상블 기법은 표적 모델(Target model), 보완 모델(Complementary model) 그리고 지휘자 모델(Conductor model)로 명명된 3가지의 하위 모듈들로 구성된다. 제안하는 기법에서의 분류 대상은 지휘자 모델에서의 결과에 따라 표적 모델 또는 보완 모델을 통해 선택적으로 처리된다. 표적 모델은 종래의 분류모델과 동일한 방식으로 학습된다. 반면에 보완 모델은 표적 모델의 취약한 분류 대상에 대하여 상호보완적인 분류 성능을 가지도록 학습된다. 지휘자 모델은 분류 대상이 표적 모델의 취약 분류대상에 속하는지를 사전에 분류하여 분류대상을 표적 모델과 보완 모델 중에 어떤 모델을 사용하여 분류 할 것인지를 결정한다. 논문의 끝에서는 실험적 결과를 통하여 제안하는 조화 앙상블 기법을 통해 평균 분류성능의 대한 손실 없이 분류 대상 별 성능 편차문제를 효과적으로 완화시킬 수 있음을 확인한다. One of the major evaluation metrics for classification systems is average accuracy, while accuracy deviation is another important performance metric used to evaluate various deep neural networks. In this paper, we present a new ensemble-like fast deep neural network, Harmony, that can reduce the accuracy deviation among categories without degrading the overall average accuracy. Harmony consists of three sub-models: the Target model, Complementary model, and Conductor model. In Harmony, an object is classified by using either the Target model or the Complementary model. The Target model is a conventional classification network for general categories, while the Complementary model is a classification network specifically for weak categories that are inaccurately classified by the Target model. The Conductor model is used to select one of the two models. The experimental results indicate that Harmony accurately classifies categories and also, reduces the accuracy deviation among the categories.