http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
A new support vector machine with an optimal additive kernel
Baek, Jeonghyun,Kim, Euntai Elsevier 2019 Neurocomputing Vol.329 No.-
<P><B>Abstract</B></P> <P>Although the kernel support vector machine (SVM) outperforms linear SVM, its application to real world problems is limited because the evaluation of its decision function is computationally very expensive due to kernel expansion. On the other hand, additive kernel (AK) SVM enables fast evaluation of a decision function using look-up tables (LUTs). The AKs, however, assume a specific functional form for kernels such as the intersection kernel (IK) or <I>χ</I> <SUP>2</SUP> kernel, and are problematic in that their performance is seriously degraded when a given problem is highly nonlinear. To address this issue, an optimal additive kernel (OAK) is proposed in this paper. The OAK does not assume any specific kernel form, but the kernel is represented by a quantized Gram table. The training of the OAK SVM is formulated as semi-definite programming (SDP), and it is solved by convex optimization. In the experiment, the proposed method is tested with 2D synthetic datasets, UCI repository datasets and LIBSVM datasets. The experimental results show that the proposed OAK SVM has better performance than the previous AKs and RBF kernel while maintaining fast computation using look-up tables.</P>
Comparison Study of different Feature Classifiers for Hand Posture Classification
Jeonghyun Baek,Jisu Kim,Euntai Kim 제어로봇시스템학회 2013 제어로봇시스템학회 국제학술대회 논문집 Vol.2013 No.10
Hand posture classification has attracted much attention in Human-Computer Interaction (HCI). In hand posture classification, vision based approach is popularly used. However, it has difficulty of dealing with illumination change and pose variation. In this paper, we compare the performance of combination with features, which are HOG, LBP, and classifiers, which are SVM and Neural Network for hand posture classification. Experiments are performed with Cambridge hand gesture dataset.
Baek, Jeonghyun,Kim, Jisu,Kim, Euntai IEEE 2017 IEEE transactions on intelligent transportation sy Vol.18 No.4
<P>For reliable driving assistance or automated driving, pedestrian detection must be robust and performed in real time. In pedestrian detection, a linear support vector machine (linSVM) is popularly used as a classifier but exhibits degraded performance due to the multipostures of pedestrians. Kernel SVM (KSVM) could be a better choice for pedestrian detection, but it has a disadvantage in that it requires too much more computation than linSVM. In this paper, the cascade implementation of the additive KSVM (AKSVM) is proposed for the application of pedestrian detection. AKSVM avoids kernel expansion by using lookup tables, and it is implemented in cascade form, thereby speeding up pedestrian detection. The cascade implementation is trained by a genetic algorithm such that the computation time is minimized, whereas the detection accuracy is maximized. In experiments, the proposed method is tested with the INRIA dataset. The experimental results indicate that the proposed method has better detection accuracy and reduced computation time compared with conventional methods.</P>
Adaptive ROI-based Autonomous Pedestrian Detection System
Jeonghyun Baek,Sungjun Hong,Jisu Kim,Euntai Kim,Heejin Lee 제어로봇시스템학회 2012 제어로봇시스템학회 국제학술대회 논문집 Vol.2012 No.10
This paper presents an efficient algorithm to set adaptive ROI for detecting pedestrians in a moving vehicle environment. The algorithm analyzes the centroid of detected pedestrian in current frame and define centroid region where centroids of detected pedestrian are concentrated. Based on centroid region, adaptive ROI is updated for each different size of detection window in next frame. Experiments are conducted with the Caltech pedestrian dataset and proposed method not only reduces computation time but also maintains performance of conventional methods.
백정현(Jeonghyun Baek),김지수(Jisu Kim),윤창용(Changyong Yoon),김동연(Dong-yon Kim),김은태(Euntai Kim) 한국지능시스템학회 2013 한국지능시스템학회논문지 Vol.23 No.6
지능형 로봇 연구 분야에 있어, 손을 이용한 제스처 인식은 매우 중요한 연구 분야로 간주 되고 있으며, 스마트 폰, 스마트 TV 등에 상용화 되어왔다. 제스처 인식에 있어, 강인한 손 검출 기술을 필수적인데, 손의 모양이 일정치 않고, 복잡한 배경이나 조명변화 아래서는 손 검출이 쉽지 않다는 어려움이 있다. 본 논문은 실내 환경에서 사용자가 가리키는 방향을 인식하기 위한 손 검출 알고리즘을 제안한다. 손 검출에 대한 오검출을 최대한 줄이기 위해, 머리-어깨 검출 결과를 기반으로 손 검색 영역을 한정시키고, 피부색을 이용해 최소한의 후보군들을 발생시켜, HOG-SVM을 이용하여 손을 검출하였다. 그리고 머리-어깨, 손 검출 결과를 통해 팔의 방향 각도를 추정하였다. 제안된 방법은 실제 실내 환경에서 추출된 영상을 통해 실험을 진행하였고, 강인한 성능을 확인하였다. In intelligent robot research, hand gesture recognition has been an important issue. And techniques that recognize simple gestures are commercialized in smart phone, smart TV for swiping screen or volume control. For gesture recognition, robust hand detection is important and necessary but it is challenging because hand shape is complex and hard to be detected in cluttered background, variant illumination. In this paper, we propose efficient hand detection algorithm for detecting pointing hand for recognition of place where user pointed. To minimize false detections, ROIs are generated within the compact search region using skin color detection result. The ROIs are verified by HOG-SVM and pointing direction is computed by both detection results of head-shoulder and hand. In experiment, it is shown that proposed method shows good performance for hand detection.
백정현 ( Jeonghyun Baek ),김태현 ( Taehyun Kim ),허정욱 ( Jeongwok Heo ),임동혁 ( Donghyeok Im ),류재현 ( Jaehyeon Ryu ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
본 연구는 수경재배 및 아쿠아포닉스에서 사용하는 시스템을 환경이 제약된 우주에서 작물을 재배할 수 있도록 확장 설계한 시스템이다. 제안된 시스템은 모듈식으로 확장 가능하며, 자율적으로 작물환경을 유지 할 수 있도록 설계하였다. 또한 NASA(National Aeronautics and the Space Administration)에서 정한 요구 사항 및 제약 조건을 충족할 수 있도록 고려하였다. 식량 안보의 중요성을 인지한 NASA는 혁신적인 해결책을 모색하기 위해 우주와 지구에 양질의 식량을 제공하는 백주년 도전 프로그램을 시작했다. 아이다호 대학의 연구팀과 공동으로 NASA의 1단계 경쟁에 참 여하였으며, 사물인터넷(IoT) 센서를 활용하여 우주 식량 생산 플랫폼(ASFP, Aero Space Food Production Platform)을 제안하여 통제된 환경에서 낮은 유지비용과 자동 환경제어로 작물을 재배하였다. 작물 생육을 위해 챔버, 바이오 필터 및 실시간 모니터링 시스템으로 구성되었다. 챔버는 우주선내 출입구 제약에 따라 123㎝×46㎝×183㎝(width×depth×height), 전력은 최대 3,000w이며, 평균 1,500w이하로 설정 되었으며, 생육환경은 온도 20∼24℃, 습도 48∼62%를 유지할 수 있도록 구성되었다. 바이오필터는 물의 재사용을 위한 구성요소로 질산화-탈질화 사이클을 할 수 있도록 하였고, 마지막으로 모니터링 시스템은 DO, EC, pH 및 수온 센서를 통해 데이터를 획득하고, 이를 무선통신으로 정보를 제공하여 시각화할 수 있 도록 구성하였다. 제안된 ASFP를 활용하여 바질의 생육을 관찰하였으며, NASA가 설정한 시스템 제약 조 건을 충족하며, 생육단계별 22 °C, EC 0.3~4.0 dS.m-1, pH 6의 설정환경을 유지하면서 작동 가능했다. 제안된 ASFP는 상업적 생산을 위해 다양한 작물(예를 들어, 감자, 토마토, 다른 잎이 많은 채소)을 재배하 는데 사용될 수 있다. 그러나, 제약 환경을 가진 우주에서는 완전 자율적인 식품 생산 시스템을 달성하기 위해, 광학 센서, 광 제어 및 비전 센서와 같은 추가 센서는 최적의 성장 단계를 더 잘 특성화하는 데 유 용할 수 있을 것이다. 또한 디지털 트윈 플랫폼을 갖춘 식품 생산은 미래의 농업 생산 시스템을 위한 차세 대 데이터, 모델 및 의사 결정 지원 도구를 구현하여 ASFP를 향상시키는 데 유용한 연구가 될 것이며, 제 안된 ASFP에서 디지털 트윈을 적용하는 것은 지속 가능한 농업으로 지구와 우주 공간에서 작물을 재배하 는 또 다른 방법이 될 것으로 기대한다.