http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
연상메모리를 이용한 저해상도 및 저대비 문자 영상 인식
정찬호(Chanho Jung),김대철(Daechul Kim),김경환(Gyeounghwan Kim) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.1B
본 논문에서는 저해상도 및 저대비의 특성을 지니는 문자 영상으로부터 특징을 추출하고 연상메모리를 이용하여 대상 문자를 인식하는 방법을 소개한다. 저해상도 영상의 이진화 과정에서 발생할 수 있는 정보의 왜곡 현상을 피하기 위하여 입력 영상의 gradient 정보를 이용하여 특징을 추출한다. 저해상도 및 저대비의 특성을 지니는 문자 영상의 경우 입력 영상에 noise가 존재하거나 충분한 정보가 포함되어 있지 않은 경우 특징벡터에 상당한 왜곡을 초래하게 된다. 손상된 특징을 복원하기 위하여 연상메모리를 이용한다. 인식하고자 하는 문자 영상들의 prototype 영상들을 이용하여 연상메모리의 weight matrix를 구성한다. weight matrix를 이용해서 입력 영상이 가지는 특징과 가장 비슷한 특징을 가지는 prototype 영상의 특징벡터를 생성함으로써 손상된 특징을 복원하게 된다. 제안된 시스템을 이용하여 실험한 결과 noise가 존재하거나 정보가 충분하지 않은 입력 영상에 대해서 비교적 높은 인식률을 얻음을 볼 수 있었다.
선박 이동 경로 예측을 위한 해상 영역 분할 및 영역 단위 목적지 예측 방법
김종희(Jonghee Kim),정찬호(Chanho Jung),강도근(Dokeun Kang),이창진(Chang Jin Lee) 한국전기전자학회 2020 전기전자학회논문지 Vol.24 No.2
본 논문에서 우리는 선박의 이동 경로를 예측하기 위하여, 해상 영역을 분할하고, 분할된 영역을 기반으로 선박의 목적지를 예측하는 방법을 제안한다. 해상 영역을 분할하기 위하여 과거 이동 경로를 토대로 생성된 목적지 후보들을 군집화한다. 그리고, 선박이 이동할 목적지 영역을 예측하기 위해서 현재 위치에서 주어진 경로의 선형 여부와 향후 예측 시간에 따른 불확실성에 따라 다른 예측 방법을 적용한다. 예측에 사용하는 방법에는 선형 영역에서는 등속 운동을 가정한 선형 예측 방법, 불확실성이 높은 비선형 영역에서는 과거 경로 중 유사한 경로와 비슷한 움직임을 보일 것이라고 가정한 유사 경로 이용 예측 방법을 사용한다. 실험 결과에서 해당 방법이 선형 예측, 유사 경로 이용 예측 방법을 단독으로 적용하는 것에 비해 더 우수함을 보인다. In this paper, we propose a maritime region segmentation method and a segment-based destination prediction method for vessel path prediction. In order to perform maritime segmentation, clustering on destination candidates generated from the past paths is conducted. Then the segment-based destination prediction is followed. For destination prediction, different prediction methods are applied according to whether the current region is linear or not. In the linear domain, the vessel is regarded to move constantly, and linear prediction is applied. In the nonlinear domain with an uncertainty, we assume that the vessel moves similarly to the most similar past path. Experimental results show that applying the linear prediction and the prediction method using a similar path differently depending on the linearity and the uncertainty of the path is better than applying one of them alone.
장단기 메모리를 이용한 새로운 선박 이동 경로 예측 방법
김종희(Jonghee Kim),정찬호(Chanho Jung),강도근(Dokeun Kang),이창진(Chang Jin Lee) 대한전기학회 2020 전기학회논문지 Vol.69 No.7
In this paper, we propose a new vessel path prediction method using long short-term memory (LSTM). LSTM is one of recurrent neural networks which contains memory cell in order to deal with long-term data. In order to fully utilize the advantage of LSTM, our proposed method employs 3-layer LSTM instead of a fully connected layer. We also propose new input and output vectors well suited for the vessel path prediction. In order to prove the effectiveness of the proposed method, we compare the proposed method with a baseline method which consists of a LSTM and a fully connected layer. In comparison between the proposed method and the baseline method, the proposed method outperforms the baseline method based on LSTM.