http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
선박안전 운항을 위한 이진 분할 알고리즘 기반 해상 객체 검출 하드웨어 가속기 설계 및 구현
이효찬,송현학,이성주,전호석,김효성,임태호,Lee, Hyo-Chan,Song, Hyun-hak,Lee, Sung-ju,Jeon, Ho-seok,Kim, Hyo-Sung,Im, Tae-ho 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.10
해상 객체 검출은 선장이 육안으로 해상 주변의 충돌 위험성이 있는 부유물을 컴퓨터를 통해 자동으로 검출하여 사람이 확인하는 방법과 유사한 정확도로 인지하는 방법을 말한다. 기존 선박에서는 레이더의 전파를 통해 해상 부유물의 유무와 거리를 판단하였지만 형체를 알아내어 장애물이 무엇인지는 판단할 수 없는 약점이 있다. 반면, 카메라는 인공지능 기술이 발달하면서 물체를 검출하거나 인식하는데 성능이 우수하여 항로에 있는 장애물을 정확하게 판단할 수 있다. 하지만, 디지털 영상을 분석하기 위해서는 컴퓨터가 대용량의 화소를 연산해야 하는데 CPU는 순차적 처리 방식에 특화된 구조이기에 처리속도가 매우 느려 원활한 서비스 지원은 물론 안전성도 보장할 수 없게 된다. 따라서 본 논문에서는 해상 객체 인식 소프트웨어를 개발하였고 연산량이 많은 부분을 가속화하기 위해 FPGA로 구현하였다. 또한, 임베디드 보드와 FPGA 인터페이스를 통해 시스템 구현 완성도를 높였으며 소프트웨어 기반의 기존 구현 방법보다 약 30배의 빠른 성능을 얻었고 전체 시스템의 속도는 약 3배 이상이 개선되었음을 확인할 수 있었다. Object detection in maritime means that the captain detects floating objects that has a risk of colliding with the ship using the computer automatically and as accurately as human eyes. In conventional ships, the presence and distance of objects are determined through radar waves. However, it cannot identify the shape and type. In contrast, with the development of AI, cameras help accurately identify obstacles on the sea route with excellent performance in detecting or recognizing objects. The computer must calculate high-volume pixels to analyze digital images. However, the CPU is specialized for sequential processing; the processing speed is very slow, and smooth service support or security is not guaranteed. Accordingly, this study developed maritime object detection software and implemented it with FPGA to accelerate the processing of large-scale computations. Additionally, the system implementation was improved through embedded boards and FPGA interface, achieving 30 times faster performance than the existing algorithm and a three-times faster entire system.
이효찬,문대철,박인학,허강,Lee, Hyo-Chan,Moon, Dai-Tchul,Park, In-hag,Heo, Kang 한국정보통신학회 2016 한국정보통신학회논문지 Vol.20 No.9
본 논문에서는 차선 검출 알고리즘에 병렬처리를 적용하여 성능을 개선하였다. 차선 검출은 지능형 보조 시스템으로써 자동차가 차선을 이탈하면 경보음 또는 핸들을 보정해줌으로써 운전자를 돕는 보조 시스템이다. 병렬 처리 알고리즘 중 데이터 레벨 병렬처리는 설계가 간단하지만 병목현상이 발생하는 문제가 있다. 제안하는 고속 데이터 레벨 병렬처리 알고리즘은 병목현상을 줄여 성능이 향상되었다. 실제 블랙박스 도로 영상을 도입하여 알고리즘을 측정한 결과 싱글 코어 경우 약 30 Frames/sec의 성능을 얻었다. 병렬처리를 적용한 결과로써 옥타코어 기준으로 데이터 레벨인 경우 약 100 Frames/sec의 성능을, 고속 데이터 레벨인 경우는 약 150 Frames/sec의 성능을 얻을 수 있다. we improved the performance by parallelizing lane detection algorithms. Lane detection, as a intellectual assisting system, helps drivers make an alarm sound or revise the handle in response of lane departure. Four kinds of algorithms are implemented in order as following, Gaussian filtering algorithm so as to remove the interferences, gray conversion algorithm to simplify images, sobel edge detection algorithm to find out the regions of lanes, and hough transform algorithm to detect straight lines. Among parallelized methods, the data level parallelism algorithm is easy to design, yet still problem with the bottleneck. The high-speed data level parallelism is suggested to reduce this bottleneck, which resulted in noticeable performance improvement. In the result of applying actual road video of black-box on our parallel algorithm, the measurement, in the case of single-core, is approximately 30 Frames/sec. Furthermore, in the case of octa-core parallelism, the data level performance is approximately 100 Frames/sec and the highest performance comes close to 150 Frames/sec.
이효찬,박인학,임태호,문대철,Lee, Hyo-Chan,Park, In-hag,Im, Tae-ho,Moon, Dai-Tchul 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.3
인간의 눈과 같이 이미지에서 유용한 정보를 추출하는 기능은 인공지능 컴퓨터 구현에 필수적인 인터페이스 기술이다. 이미지에서 건물을 인식하여 추론하는 기술은 다양한 형태의 건물 외관, 계절에 따른 주변 잡음 이미지의 변화, 각도 및 거리에 따른 왜곡 등으로 다른 이미지 인식 기술 보다 인식률이 떨어진다. 지금까지 제시된 컴퓨터 비전(Computer Vision) 기반의 건물 인식 알고리즘들은 건물 특성을 수작업으로 정의하기 때문에 분별력과 확장성에 한계가 있다. 본 논문은 최근 이미지 인식에 유용한 딥러닝의 CNN(Convolutional Neural Network) 모델을 활용하는데 건물 외관에 나타나는 변화, 즉 계절, 조도, 각도 및 원근에 의해 떨어지는 인식률을 향상시키는 새로운 방법을 제안한다. 건물 전체 이미지와 함께 건물의 특징을 나타내는 부분 이미지들, 즉 창문이나 벽재 이미지의 데이터 세트를 함께 학습시키고 건물 인식에 활용함으로써 일반 CNN 모델 보다 건물 인식률을 약 14% 향상됨을 실험으로 증명하였다. The ability to extract useful information from an image, such as the human eye, is an interface technology essential for AI computer implementation. The building recognition technology has a lower recognition rate than other image recognition technologies due to the various building shapes, the ambient noise images according to the season, and the distortion by angle and distance. The computer vision based building recognition algorithms presented so far has limitations in discernment and expandability due to manual definition of building characteristics. This paper introduces the deep learning CNN (Convolutional Neural Network) model, and proposes new method to improve the recognition rate even by changes of building images caused by season, illumination, angle and perspective. This paper introduces the partial images that characterize the building, such as windows or wall images, and executes the training with whole building images. Experimental results show that the building recognition rate is improved by about 14% compared to the general CNN model.
해상 객체 인식을 위한 이진 분할 알고리즘 하드웨어 가속기 설계
이효찬(Hyo-chan Lee),송현학(Hyun-Hak Song),뤼징신(Jing-Lin Lwo),왕비(Fei Wang),고학림(Hak-Lim Ko),임태호(Tae-Ho Im) 한국정보통신학회 2020 한국정보통신학회 종합학술대회 논문집 Vol.24 No.1
해상 객체 인식은 자율운항선박의 지능형 보조 시스템으로써 컴퓨터가 영상 분석을 통해 선박 주변에 존재하는 위험 물체가 검출되면 자동으로 회피하여 선박의 안전운항을 돕는다. 이러한 자율 운항을 위해 요구사항과 기능이 다양해지고 복잡해지면서 프로세서 기반의 소프트웨어의 성능은 저하되기 때문에 실시간 처리 기술의 필요성이 대두되고 있다. 이에 대응하여 본 논문에서는 실시간 객체 인식을 위해 소프트웨어의 병목현상을 제거하고, 해상 객체 인식에 핵심이 되는 이진 분할 알고리즘을 하드웨어를 설계하여 가속화하였다. 또한, FPGA에 구현하여 적용한 결과 기존 알고리즘 수행시간 대비 약 20배 빠른 성능을 얻을 수 있었다. The intelligent assistance system of a maritime autonomous surface ship, object detection in maritime supports the safe operation of a ship by detecting and avoiding dangerous objects in the near of the ship through digital image analysis with a computer. With the diversified and complexity requirements and functions, the performance of processor-based software degrades. Therefore, the importance of real-time processing technology is increasing for the autonomous operation of ships. In this regard, this study removed the bottleneck of software for real-time object recognition and designed and accelerated binary segmentation algorithm hardware, which is the core of object detection in maritime. Furthermore, it was able to obtain a performance approximately 20 times faster than the existing algorithm by implementing and applying it to the FPGA.
이효찬(Hyo-Chan Lee),김원종(Won-Jong Kim),박기혁(Ki-hyuk Park),조한진(Han-jin Cho),이형로(Hyeong-ro Lee),문대철(Dai-Tchul Moon) 대한전자공학회 2016 대한전자공학회 학술대회 Vol.2016 No.11
This paper describes development of virtual platform for IoT gateways. The developed virtual platform working on the host PC can communicate with real physical IoT devices using OneM2M standard. Since it is possible to remodeling the architecture quickly through the software by means of the developed virtual platform, the flexibility and fast time-to-market can be secured. Also, as the IoT related system can be organized without the physical restriction, it is possible to accelerate software development and can provide architecture exploration.