스테레오 영상인식을 이용한 신관폭발위치 계측기술

강규창,최주호,박원우,유준 제어로봇시스템학회 1999 제어로봇시스템학회 국내학술대회 논문집 Vol.4 No.10

스테레오 영상인식을 이용한 신관폭발고도 계측기술

강규창,최주호,박원우,황의성,홍성수,유준,Kang, Gyu-Chang,Choi, Ju-Ho,Park, Won-U,Hwang, Ui-Seong,Hong, Seong-Su,Yoo, Jun 한국군사과학기술학회 1999 한국군사과학기술학회지 Vol.2 No.1

This paper presents a measuring technique for bursting height of proximity fuses. This technique uses camera calibration to obtain the perspective transformation matrix describing the projection of the world coordinates to image coordinates, and calculates the world coordinates of bursting points from their image coordinates. The surface approximation algorithm by polynomial functions are also implemented.

인코더-디코더 모델에서 잠재 벡터의 분류 성능 분석

강규창,배창석 한국차세대컴퓨팅학회 2023 한국차세대컴퓨팅학회 논문지 Vol.19 No.2

This paper compares and analyzes the classification performance of latent vectors in the encoder-decoder model. A typical encoder-decoder model, such as an autoencoder, transforms the encoder input into a latent vector and feeds it into the decoder. In this process, the encoder-decoder model learns to produce an decoder output similar to the encoder input. We can consider that the latent vector of the encoder-decoder model is well preserved by abstracting the characteristics of the encoder input. Further, it is possible to apply to unsupervised learning, if the latent vector guarantees a sufficient distance between clusters in the feature space. In this paper, the classification performance of latent vectors is analyzed as a basic study for applying latent vectors in encoder-decoder models to unsupervised and continual learning. The latent vectors obtained by the stacked autoencoder and 2 types of CNN-based autoencoder are applied to 4 kinds of classifiers including KNN and random forest. Experimental results show that the latent vector using the CNN-based autoencoder with a dense layer (about 97%) shows superior classification performance by up to 2% compared to the result of the stacked autoencoder (about 95%). Based on the results in this paper, it is possible to extend the latent vector obtained by using a CNN-based auto-encoder with dense layer to unsupervised learning. 본 논문에서는 인코더-디코더 모델 (encoder-decoder model)에서 잠재 벡터 (latent vector)의 분류 성능을 비교 분석한다. 오토인코더와 같은 일반적인 인코더-디코더 모델은 인코더 입력을 잠재 벡터로 변환하고 이를 디코더에 입력하여 인코더 입력과 유사한 출력을 생성하도록 학습한다. 이와 같은 인코더-디코더 모델의 잠재 벡터는 인코더 입력의 특징을 추상화하여 잘 보존한다고 고려할 수 있다. 나아가 잠재 벡터가 특징 공간에서 클러스터들 사이에서 구분이 가능한 거리를 보장한다면 이를 비지도 학습에 적용하는 것이 가능하다. 본 논문에서는 인코더-디코더 모델에서의 잠재 벡터를 비지도 학습 및 점진적 학습에 적용하기 위한 기초 연구로서 잠재 벡터의 분류 성능을 분석한다. 이를 위해 스택트 오토인코더 (stacked autoencoder)와 2가지 종류의 CNN (Convolutional Neural Network) 기반 오토인코더를 바탕으로 각각 구해지는 잠재 벡터를 KNN (K-Nearest Neighbor)과 랜덤 포레스트 (random forest)를 포함하는 4가지 종류의 분류기에 적용한다. 실험 결과 완전 연결 계층 (fully connected or dense layer)를 가지는 CNN 기반의 오토인코더를 사용한 결과 평균 정확률은 약 97%이고 스택트 오토인코더의 결과는 약 95%로 2% 정도 우수한 분류 성능을 보이는 것을 확인할 수 있다. 본 논문에서의 연구를 바탕으로 완전 연결 계층을 가지는 CNN 기반의 오토 인코더를 이용하여 구해지는 잠재 벡터를 비지도 학습에 적용하는 것으로 확장하는 것이 가능하다.

Invariant-Feature Based Object Tracking Using Discrete Dynamic Swarm Optimization

강규창,배창석,문진영,박종열,Yuk Ying Chung,Feng Sha,Ximeng Zhao 한국전자통신연구원 2017 ETRI Journal Vol.39 No.2

With the remarkable growth in rich media in recent years, people are increasingly exposed to visual information from the environment. Visual information continues to play a vital role in rich media because people’s real interests lie in dynamic information. This paper proposes a novel discrete dynamic swarm optimization (DDSO) algorithm for video object tracking using invariant features. The proposed approach is designed to track objects more robustly than other traditional algorithms in terms of illumination changes, background noise, and occlusions. DDSO is integrated with a matching procedure to eliminate inappropriate feature points geographically. The proposed novel fitness function can aid in excluding the influence of some noisy mismatched feature points. The test results showed that our approach can overcome changes in illumination, background noise, and occlusions more effectively than other traditional methods, including color-tracking and invariant feature-tracking methods.

안드로이드 플랫폼기반 헬스케어 서비스를 위한 라이프로그 협업 프레임워크

강규창,권용진,김영래,이전우,배창석 한국차세대컴퓨팅학회 2013 한국차세대컴퓨팅학회 논문지 Vol.9 No.4

본 논문은 안드로이드 플랫폼 기반의 헬스케어 서비스를 위한 라이프로그 협업 프레임워크를 제안한다. 현재 많은 벤더들이 다양한 라이프 이벤트를 수집할 수 있고 네트워크 연결이 가능한 작은 장치들을 제공하고 있다. 그러나 이러한 장치들은 서로 다른 벤더의 장치들과의 협업 메커니즘을 제공하지 못하는 문제가 있다. 따라서 본 논문에서 제안한 라이프로그 협업 프레임워크는 이러한 장치들을 사용함에 있어 협업 문제점을 극복할 수 있는 하나의 방법으로 사용될 수 있다. 라이프로그 협업 프레임워크는 데이터 로깅 레이어, 데이터 마이닝 레이어 및 데이터 서비스 레이어의 3계층으로 구성된다. 제안된 프레임워크는 안드로이드 플랫폼에서 유연하고 확장 가능한 동작환경을 제공할 수 있으므로 소프트웨어 참조구조로서 라이프로깅 인프라를 구성하는데 기여할 수 있을 것이다.

2.75인치 로켓트 모터의 연소완료지표 계측기법

강규창,최주호,유준,Kang, Kyu-Chang,Choi, Ju-Ho,Yu, Jun 한국군사과학기술학회 2000 한국군사과학기술학회지 Vol.3 No.1

This paper presents the measuring technique of time and velocity when rocket motor is burnt out for 2.751" rocket. This technique use doppler effect, frequency spectrum analysis and curve fitting. In this study, we use muzzle velocity radar for doppler signal acquisition, short-time fourier transform for spectrum analysis and curve fitting for smoothing.

소셜 네트워크 인프라를 활용한 디바이스 소셜 네트워크 구축 연구

강규창,최장호,강동오,배창석 한국차세대컴퓨팅학회 2014 한국차세대컴퓨팅학회 논문지 Vol.10 No.1

최근 스마트 디바이스의 활성화에 힘입어 트위터나 페이스북을 통해 소셜 연결망이 활성화됨에 따라 기존의 데스크 톱 중심의 카페나 블로그 개념에서 적극적으로 참여 및 공유하는 마이크로 블로그의 개념으로 진화하였다. 이러한 패러다임 변화의 중심에는 스마트 디바이스가 있고 사람의 소셜 관계를 넘어 지능을 가진 스마트 디바이스의 소셜 네트워크에 대한 개념이 등장 및 개발되고 있는 추세이다. 본 논문은 이러한 스마트 디바이스의 소셜 네트워크 구축 에 관한 연구로 개방형 소셜 네트워크 인프라인 트위터 네트워크를 활용하여 디바이스 소셜 네트워크를 구축하는 방 법론을 제안하고 구현 예를 기술한다. 결과적으로 디바이스 소셜 네트워크 구축 및 활용이 활성화 되면 사람을 대신 하여 디바이스간 소셜리티 관계에 의해 사용자 개입을 최소화하면서 디바이스간 협업이 가능할 것으로 기대된다.

Evaluation of Data Delivery Scheme for Applying Healthcare Application on Android Platform

강규창,허성욱,배창석 한국차세대컴퓨팅학회 2012 한국차세대컴퓨팅학회 논문지 Vol.8 No.3

본 논문은 헬스케어 응용프로그램에 적용되는 문진표를 구현하는데 있어 적합한 데이터 전달 방법을 확인하기위해 안드로이드 플랫폼의 데이터 전달 구조에 대해 조사하고 각 방법의 데이터 전달 성능을 평가한다. 데이터 전달 관점에서 문진표는 하나의 응용 프로그램 내부 또는 협업하는 응용 프로그램간 액티비티, 서비스, 브로드캐스트 리시버 및 컨텐트 프로바이더와 같은 다양한 안드로이드 컴포넌트 모델로 구성된다. 그러므로 안드로이드 컴포넌트 사이의 데이터 전달 구조를 평가해 볼 필요가 있다. 본 논문에서는 액티비티, 서비스, 브로드캐스트 리시버에 적용할 수 있는 인텐트 기반의 메시지 전달의 성능과 표준 안드로이드 컴포넌트는 아니지만 소켓 인터페이스 방식의 전달 성능을 평가한다. 본 논문의 결과는 안드로이드 응용 프로그램에서 데이터 전달 기능을 구현하는데 있어 적절한 데이터 전달 인터페이스를 선택하는데 도움이 될 것으로 기대된다.

시각-기억 순환 모델링을 위한 시각 자극의 저차원 추상화 표현

강규창,배창석 한국차세대컴퓨팅학회 2019 한국차세대컴퓨팅학회 논문지 Vol.15 No.6

본 논문에서는 사람의 기억 순환 메커니즘에 대한 소프트웨어적 구현에 있어서 인지과학적 기억의 관점, 시각 데이터 처리의 관점 및 신호처리의 관점에서 새로운 시각 자극의 표현 기법을 제안한다. 특히, 사람의 시각과 기억의 순환 모델링을 위해 높은 차원의 시각 자극에 대해 낮은 차원의 추상화 및 개념화 과정을 통해 표현하는 새로운 기법을 제안한다. 제안 기법은 생성 모델 기반 오토 인코더와 클러스터링을 통해 고차원의 시각 입력 데이터에 대해 저차원의 속성 데이터로 표현한다. 이때, 저차원 속성 데이터 표현에 있어 시맨틱의 임베딩 및 클래스 간 거리 유지에 유리한 희소 분포 표현 (SDR: Sparse Distributed Representation)을 사용한다. 본 논문에서는 28x28 화소로 구성되는 MNIST와 Fashion MNIST 데이터셋에 대해 적용한 실험 결과 각 클래스에 대해 변환된 저차원 SDR이 고차원 데이터 특성을 잘 반영함을 분류기 관점에서 확인하였다. 실험에서 784차원을 10차원으로 변경하더라도 2% 이하 분류 에러 수준에서 변환된 저차원 표현이 고차원 입력을 충분히 표현할 수 있음을 확인하였다. This paper proposes a new representation scheme for visual stimuli in the software implementation for human memory circular mechanism using memory model, visual data processing, and signal processing in cognitive science. Especially, this paper proposes a noble scheme for a lower dimensional abstracted and conceptualized representation of higher dimensional visual stimuli in human vision-memory circular model. The proposed scheme employes generative model based auto encoder and clustering for representing high-dimension visual input data as low-dimension attribute data. In this process, SDR (Sparse Distributed Representation) is used for low-dimension attribute representation, because it can guarantee semantic embedding and distance between classes. In this paper, the experimental results applied to the MNIST and Fashion MNIST datasets, which consist of 28x28 pixels, confirmed from the classifier point of view that the low-dimensional SDRs for each class obtained well reflect their respective characteristics. The experiment confirmed that even if 784 dimensions were changed to 10 dimensions, low-dimensional expressions converted at a classification error level of less than 2% could sufficiently express high-dimensional inputs.

복합 특징 공간에서의 스웜 최적화를 이용한 강인한 객체 추적 모델

강규창,배창석 한국차세대컴퓨팅학회 2024 한국차세대컴퓨팅학회 논문지 Vol.20 No.1

본 논문에서는 컴퓨터 비전 분야의 대표적인 도전 과제 중의 하나인 강인한 객체 추적을 위한 새로운 접근을 제안하고 있다. 중첩과 같이 객체의 추적을 어렵게 하는 문제를 해결하기 위해 색상과 깊이를 함께 사용하는 복합 특징 공간에서의 스웜 최적화를 기반으로 하는 강인한 객체 추적 모델을 제안한다. 추적하고자 하는 대상에 대한 색상 특징과 함께 깊이 특징을 복합적으로 사용함으로써 추적 대상의 중첩과 재등장 상황에서도 추적 성능을 제고할 수 있다. 먼저, 입력 영상을 여러 개의 패치로 구분하고 각 패치로부터 색상 특징과 깊이 특징의 동기화 및 통합을 수행하여 색상-깊이 복합 특징 공간에서 특징을 추출한다. 다음으로 스웜 최적화를 통해 파티클의 위치를 업데이트하며 추적 대상 객체를 추적한다. 이 과정에서 추적 대상의 중첩 및 크기 변화에 대응하여 강인한 객체 추적을 가능하게 한다. 제안하는 접근법의 검증을 위해 색상-깊이 공개 데이터셋인 프린스턴 트래킹 벤치마크 (PTB; Princeton Tracking Benchmark)를 사용한다. 제안하는 방법에 의한 실험 결과 기존 방법에 비해 추적 성능의 개선을 가져온다는 것을 확인할 수 있다. This paper proposes a robust object tracking scheme that is one of the most representative challenge in computer vision research area. In order to solve the problems in object tracking such as occlusion, this paper employs swarm optimization in complex feature space using color and depth features. This complex feature space can increase performance of target tracking in occlusion and reappearance situation. First, the input image is divided into several patches, and the color and depth features are synchronized and integrated from each patch to extract features from the color-depth composite feature space. Then, the target object is tracked by updating the position of particles in swarm optimization. During this process, it enables to track target object robustly even in occlusion and size changes of the target. For performance evaluation, this paper uses Princeton Tracking Benchmark (PTB), a color-depth public dataset. The experimental results using the proposed method, it can be confirmed that tracking performance is improved compared to the existing methods.