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 : 전동빈 (검색결과 7 건)
- 무료
- 기관 내 무료
- 유료
-
-
-
전동빈,송다은,하태성,이형원,김경이 국제차세대융합기술학회 2022 차세대융합기술학회논문지 Vol.6 No.12
As a resu lt of learning facial images with EfficientN et based on CN N stru ctu re for Koreans, Chinese, and Japanese who hav e similar appearances among races sharing the same cu ltu re, we confirmed a high accu racy of ab ou t 92%. The high recognition rate of EfficientN et is encou raging, but more efficient methods are req u ired as it takes a lot of time to build and process the model. Therefore, this paper aims to create an algorithm that can quickly analyz e facial featu res that hav e the greatest influ ence on classifying race. To this end, first, the percentage of a specific area is calcu lated by using Face Landmark to dot the entire ou tline of the face and measu ring each distance from the reference point. Second, based on featu res determined by the neu ral netw ork throu gh Grad-CAM among eX pliab le AI (XAI) techniq u es, the ratio values of specific regions are learned by machine learning algorithms and DN N . As a resu lt, it was confirmed that the method using Face Landmark was the highest with an accu racy of ab ou t 63%. 같은 문화를 공유하는 인종 간에 비슷한 외모를 가지고 있는 한국 , 중국 , 일본 인에 대해 CN N 구조 를 기반한 EfficientN et으로 얼굴 이미지를 학습시킨 결과, 약 92%의 높은 정확도를 확인하였다. EfficientN et의 인식 률이 높다는 점은 고무적이지만, 모델을 빌드하고 처리하는 것에 많은 시간이 필요하므로 좀 더 효율적인 방법이 요구된다. 따라서 본 논문은 인종을 구분하 는 데에 가장 큰 영향을 미치는 얼굴의 특징을 알아내어 빠르게 분석 할수 있는 알고리즘을 만들고자 한다 . 이를 위하여 첫째, Face Landmark를 사용하여 얼굴의 전체 윤곽을 점으로표시하고 기준점으로부터의 각 거리를 측정하여 특정 부위의 비율을 계산한다. 둘째, eX plainab le AI (XAI) 기법중 Grad-CAM을 통해 신경망이 판단한 특징을 기반으로 특정 영역의 비율 값을 머신러닝 알고리즘과 DNN으로학습한다. 그 결과 Face Landmark를 활용한 방법이 약 63%의 정확도로 가장 높은 것을 확인하였다.
-
가상환경에서의 유전 알고리즘과 PPO 알고리즘의 학습 성능 비교
하태성,전동빈,송다은,김경이,이형원 국제차세대융합기술학회 2022 차세대융합기술학회논문지 Vol.6 No.9
현재 적합한 모델을 만들기 위해 여러 가지 알고리즘을 사용하지만 많은 자원을 소모하는 경우가 많다. 또한 학습이 끝난 모델의 가중치 값이 전역 최적점이 아닌 경우가 있어 추가적인 학습에 자원을 사용하는 경우가 발생한 다. 이에 본 논문에서는 모델을 찾는 학습과정에서 비교적 적은 자원을 사용하여 전역 최적점을 찾기 위해 유전 알고 리즘으로 모델을 제작했다. 유전 알고리즘의 학습 성능을 알아보기 위해 첫 번째 실험에서 유전 알고리즘에 사용되는 활성화 함수를 바꿔가면서 활성화 함수별 유전 알고리즘의 성능을 비교하였고, 두 번째 실험에서 모델 성능을 알아보 기 위해 강화 학습에 대표적으로 사용되고 있는 PPO 알고리즘과 비교 분석을 진행했다. 실험 결과 첫 번째 실험에서 소모된 에이전트의 차이는 적었지만 렐루 함수를 사용한 유전 알고리즘이 높은 점수를 얻었다. 두 번째 실험에서는 유전 알고리즘이 PPO알고리즘보다 적은 에이전트 수를 사용했지만 높은 점수가 나온 것으로 확인되었다. Currently, several algorithms are used to create suitable models, but they often consume a lot of resources. In addition, there are cases where the weights of the learned models are not global optimal points, resulting in the use of resources for further learning. Therefore, in this paper, the model was constructed with a genetic algorithm to find the global optimum using relatively few resources in the learning process of finding the model. In order to find out the learning performance of genetic algorithms, we compared the performance of genetic algorithms by activation function by changing the activation function used in genetic algorithms in the first experiment, and compared analysis with PPO algorithms used in reinforcement learning in the second experiment. The experiment results showed that the difference between the agents consumed in the first experiment was small, but the genetic algorithm using the Lelu function scored high. In the second experiment, it was confirmed that the genetic algorithm used fewer agents than the PPO algorithm, but scored higher.
-
딥러닝 기반 이미지 필터 간 한국인 표정 분류 성능 비교
송다은,전동빈,하태성,이형원,김경이 국제차세대융합기술학회 2022 차세대융합기술학회논문지 Vol.6 No.5
본 논문에서는 얼굴 랜드마크를 사용하는 기존의 표정을 분류하는 방법이 아닌 이미지에 가장자리 검출 필터를 적용하여 얼굴 특징을 추출하는 방법을 사용한다. 인공 신경망의 이미지 분류에 사용되는 Convolution Neural Network (CNN) 구조 중 일반적으로 사용되는 Residual Learning Network (ResNet)와 Visual Geometry Group (VGG)를 사용하고자 한다. AI Hub에서 제공하는 한국인 얼굴 데이터 6만 장을 사용하며, 표정을 분류한 다. 분류하는 네 가지 표정은 슬픔, 행복, 분노, 그리고 무표정이다. 가장자리 검출 필터는 라플라시안 필터, 소벨 필터 및 샤르 필터, 캐니 가장자리 검출 필터를 사용한다. 그 후, 전처리 된 이미지를 모델에 학습하고, 테스트 데 이터에서 각 표정별 예측 정확도가 가장 높은 필터를 확인하고, 최종적으로 미세표정을 분류한 결과를 조합해 인 간의 심리를 파악하는 시스템을 제안하고자 한다. In this paper, we use a method of extracting facial features by applying edge detection filters to images, rather than a method of classifying conventional facial expressions using facial landmarks. Among the Convolution Neural Network (CNN) structures used for image classification of artificial neural networks, we intend to use the commonly used ResNet and Visual Geometry Group (VGG). It uses 60,000 Korean face data provided by AI Hub and classifies facial expressions. The four expressions that classify are sad, happy, angry, and neutral. The edge detection filter uses a Laplacian filter, a Sobel filter and a Scharr filter, and a Canny edge detection filter. After that, we propose a system that learns preprocessing images from the model, identifies the filter with the highest prediction accuracy for each expression in the test data, and finally combines the results of classifying fine expressions to grasp human psychology.
-
-
KCI연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
