http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
박수호(Suho Park),정기숙(GiSook Jung),권순일(SoonIl Kwon),최현미(HyunMi Choi),박찬(Chan Park),고영덕(YoungDuke Koh),정순기(SoonKi Jung) 한국정보과학회 2004 한국정보과학회 학술발표논문집 Vol.31 No.1A
최근 유비쿼터스 게임의 성장과 더불어 이기종의 환경에서 새로운 기법들로 보여질 수 있는 연구가 활발히 진행되고 있다. 본 논문에서는 이기종 환경에서 임의의 OpenGL 기반의 PC 게임이나 게임 뷰어가 있는데서 Java3D 형태로 재복원해서 볼 수 있는 방법을 제안한다. 결과적으로 구조적인 장면 그래프에서 사건을 처리하고, Parser에서 OpenGL Primitive들의 정점 정보를 해석해서 계층 구조를 변화시킴으로서 보다 빠른 실시간 렌더링을 구현하고자 한다.
Extended Generalized Prandtl-Ishlinskii 모델을 활용한 비례제어밸브의 비선형성 보상
박수호(Suho Park),고영래(Young-Rae Ko),김태형(Tae-Hyoung Kim) 한국지능시스템학회 2017 한국지능시스템학회논문지 Vol.27 No.3
본 논문에서는 비례제어밸브(Proportional control valve)의 비선형성인 비대칭 히스테리시스(Asymmetric hysteresis)에 대한 식별 및 피드포워드 제어기법을 기반으로 한 보상에 관한 연구 결과를 제시한다. 최근 Generalized Prandtl-Ishlinskii (P-I) 모델의 문제점을 해결하고자 제안된 Extended generalized P-I 모델을 활용하여 비례제어밸브의 비선형적 거동을 정밀하게 예측하였다. 또한 기존 연구에서 제안한 역 히스테리시스 모델의 파라미터들을 직접 식별하는 기법을 이용하였으며, 식별 및 피드포워드 제어를 기반으로 한 실험적인 보상 결과는 기존 연구에서 제안된 방법이 generalized P-I 모델에 국한되지 않고 다양한 히스테리시스 모델에 적용할 수 있음을 증명한다. This paper present the identification result for an asymmetric hysteresis of a proportional control valve and compensation result based on a feedforward control technique. The nonlinear behavior of the proportional control valve is predicted using the extended generalized P-I model proposed to deal with the problem of the generalized P-I model recently. Furthermore, the direct identification method of the inverse hysteresis model proposed in the previous work is utilized. The experimental result for the identification and compensation demonstrate that the proposed technique in the previous work can be applied to the various hysteresis model as well as the generalized P-I model.
Motion Diffusion Model 을 활용한 텍스트 기반 언리얼 엔진 런타임 애니메이션 생성 플러그인
박수호 ( Suho Park ),이재훈 ( Jaehoon Lee ),조용현 ( Yonghyeon Jo ),제해찬 ( Haechan Je ),차승종 ( Daniel Cha ),구형준 ( Hyungjoon Koo ) 한국정보처리학회 2023 한국정보처리학회 학술대회논문집 Vol.30 No.2
언리얼 엔진 기반의 메타버스나 실시간 게임 환경에서 캐릭터의 맞춤형 동작이 필요한 경우가 있다. 본 논문은 모션 디퓨전 모델을 활용하여 특정 동작을 자동 생성하는 기능을 제공하는 언리얼엔진 플러그인을 제시한다. 특히 사용자가 텍스트로 신체 동작이나 감정 표현을 기술해 입력값으로 제공하면 서버에서 모션 디퓨전 모델로 애니메이션을 실시간으로 생성한 후, 언리얼엔진 클라이언트에서 후처리하여 사용자의 캐릭터에 실시간으로 적용하는 방식으로 구현했다.
수중영상을 이용한 저서성 해양무척추동물의 실시간 객체 탐지: YOLO 모델과 Transformer 모델의 비교평가
박강현 ( Ganghyun Park ),박수호 ( Suho Bak ),장선웅 ( Seonwoong Jang ),공신우 ( Shinwoo Gong ),곽지우 ( Jiwoo Kwak ),이양원 ( Yangwon Lee ) 대한원격탐사학회 2023 大韓遠隔探査學會誌 Vol.39 No.5
저서성 해양무척추동물은 해양 바닥에서 서식하는 무척추동물로서 해양 생태계의 중요한 구성원이지만, 이 중에서 조식동물이나 해적생물이 과도하게 번식하면 연안어장 생태계에 피해를 야기할 수 있다. 본 연구에서는 저서성 해양무척추동물을 대상으로 우리나라 연안에서 수중 촬영한 영상을 활용하여, 실시간 객체 탐지를 위한 딥러닝 모델로 가장 널리 사용되는 You Only Look Once Version 7 (YOLOv7)과 트랜스포머 계열 모델인 detection transformer (DETR)을 비교평가 하였다. YOLOv7이 mean average precision at 0.5 (mAP@0.5) =0.899, DETR이 mAP@0.5=0.862를 기록하였는데, YOLOv7은 멀티스케일(multiscale)로 바운딩 박스(bounding box)를 생성하는 구조이기 때문에 작은 객체를 포함하여 다양한 크기의 객체 탐지에 보다 적합한 것으로 사료된다. 두 모델 모두 30 frames per second (FPS) 이상의 처리속도를 보였기 때문에, 잠수부 촬영영상 및 수중드론 영상에 대한 실시간 객체탐지가 가능할 것으로 기대된다. 이를 통해 조식동물 구제, 바다 사막화 방지를 위한 바다숲 조성 등 연안어장 생태계 피해 방지 및 복원에 활용될 수 있을 것이다. Benthic marine invertebrates, the invertebrates living on the bottom of the ocean, are an essential component of the marine ecosystem, but excessive reproduction of invertebrate grazers or pirate creatures can cause damage to the coastal fishery ecosystem. In this study, we compared and evaluated You Only Look Once Version 7 (YOLOv7), the most widely used deep learning model for real-time object detection, and detection tansformer (DETR), a transformer-based model, using underwater images for benthic marine invertebrates in the coasts of South Korea. YOLOv7 showed a mean average precision at 0.5 (mAP@0.5) of 0.899, and DETR showed an mAP@0.5 of 0.862, which implies that YOLOv7 is more appropriate for object detection of various sizes. This is because YOLOv7 generates the bounding boxes at multiple scales that can help detect small objects. Both models had a processing speed of more than 30 frames per second (FPS), so it is expected that real-time object detection from the images provided by divers and underwater drones will be possible. The proposed method can be used to prevent and restore damage to coastal fisheries ecosystems, such as rescuing invertebrate grazers and creating sea forests to prevent ocean desertification.
YOLOv5와 YOLOv7 모델을 이용한 해양침적쓰레기 객체탐지 비교평가
박강현,윤유정,강종구,김근아,최소연,장선웅,박수호,공신우,곽지우,이양원,Park, Ganghyun,Youn, Youjeong,Kang, Jonggu,Kim, Geunah,Choi, Soyeon,Jang, Seonwoong,Bak, Suho,Gong, Shinwoo,Kwak, Jiwoo,Lee, Yangwon 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.6
Deposited Marine Debris(DMD) can negatively affect marine ecosystems, fishery resources, and maritime safety and is mainly detected by sonar sensors, lifting frames, and divers. Considering the limitation of cost and time, recent efforts are being made by integrating underwater images and artificial intelligence (AI). We conducted a comparative study of You Only Look Once Version 5 (YOLOv5) and You Only Look Once Version 7 (YOLOv7) models to detect DMD from underwater images for more accurate and efficient management of DMD. For the detection of the DMD objects such as glass, metal, fish traps, tires, wood, and plastic, the two models showed a performance of over 0.85 in terms of Mean Average Precision (mAP@0.5). A more objective evaluation and an improvement of the models are expected with the construction of an extensive image database.