http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김경규(Kyoung-Kyoo Kim),박경남(Kyung-Nam Park) 한국산업정보학회 2008 한국산업정보학회논문지 Vol.13 No.1
본 논문에서는 광류를 이용한 적응 블록 정합 움직임 추정 방법을 제안하였다. 제안 방법에서는 먼저 각 화소의 시간 경사값과 공간 경사값을 미분필터를 통하여 계산한 후, 이 경사값들로부터 최소자승 추정법을 이용하여 광류를 추정하여 탐색영역의 위치와 크기를 결정하였다. 특히 움직임 특성에 따라 탐색영역을 결정함으로써 움직임 추정 오차가 큰 영역인 크고 복잡한 움직임을 갖는 영상에 대해서 뛰어난 성능을 갖는다. 다양한 움직임 특성을 가지는 실험 영상들에 대한 기존의 방법과 제안한 방법의 움직임 추정 성능 평가를 위한 컴퓨터 모의실험을 통하여, 제안한 방법이 움직임이 크고 복잡한 영상에 대해서 기존의 방법에 비해 우수한PSNR을 나타냄을 확인하였다. In this paper, we present an adaptive block matching motion estimation using optical flow. In the proposed algorithm, we calculate the temporal and spatial gradient value for each pixel value from the differential filter, and estimate the optical flow which is used to decide the location and the size of the search region from the gradient values by least square optical flow algorithm. In particular, the proposed algorithm showed a excellent performance with fast and complex motion sequences. From the computer simulation for various motion characteristic sequences, The proposed algorithm shows a significant enhancement of PSNR over previous blocking matching algorithms.
이경환,최정현,이법기,정원식,김경규,김덕규,Lee, Kyeong-Hwan,Choi, Jung-Hyun,Lee, Bub-Ki,Cheong, Won-Sik,Kim, Kyoung-Kyoo,Kim, Duk-Gyoo 대한전자공학회 1999 電子工學會論文誌, S Vol.s36 No.11
In vector quantization (VQ), mean squared error (MSE) is widely used as a distance measure between vectors. But the distance between averages appears as a dominant quantity in MSE. In the case of image vectors, the coincidence of edge pattern is also important considering human visual system (HVS). Therefore, this paper presents a new distance measure using the variance of difference (VD) as a criterion for the coincidence of edge pattern. By using this in the VQ encoding, we can reduce the degradation of edge region in the reconstructed image. And applying this to the codebook design, we can obtain the final codebook that has a lot of various edge codevectors instead of redundant shade ones. 벡터양자화에서 거리계산법으로 주로 평균자승오차가 사용된다. 그러나 이를 이용하면 벡터들의 평균값 사이의 거리가 전체거리를 크게 좌우한다. 영상벡터일 경우 인간시각체계로 볼 때 에지패턴의 일치가 매우 중요하다. 본 논문에서는 벡터간의 에지패턴의 일치를 가늠하는 양으로 편차분산을 이용하고, 이것을 적용한 영상벡터에 맞는 거리계산법을 제안하였다. 이를 벡터양자화 부호화에 적용한 결과 복원영상의 에지부분 열화를 줄일 수 있었으며, 코드북 설계에 적용한 결과 중복된 평탄성분의 코드벡터 생성을 줄이고 다양한 에지성분의 코드벡터들을 가진 효율적인 코드북을 얻으므로써 부호화 성능이 향상됨을 볼 수 있었다.
움직임 벡터 및 보상 블록의 특성을 이용한 움직임 보상된 차영상 CVQ
최정현,이경환,이법기,정원식,김경규,김덕규,Choi, Jung-Hyun,Lee, Kyeong-Hwan,Lee, Bub-Ki,Cheong, Won-Sik,Kim, Kyoung-Kyoo,Kim, Duk-Gyoo 대한전자공학회 2000 電子工學會論文誌-SP (Signal processing) Vol.37 No.2
본 논문에서는, 움직임 벡터와 보상 블록을 이용한 분류기를 제안하고, 이 분류기로써 MCD(motion compensated difference) 블록을 CVQ(classified vector quantization)하는 새로운 MCDI(motion compensated difference image) 부호화 방법을 제안하였다. MCD 블록의 분산은 움직임 벡터의 크기뿐만 아니라 보상 블록의 분산과도 밀접한 관계가 있으므로, 이 특성들을 이용하여, 새로운 분류기를 제안하였다. 제안한 방법은 서브 코드북(sub-codebook)을 선택하는 분류기에 대한 부가 정보가 필요 없으면서, 모의 실험 결과 분류 비트가 필요한 기존의 방법에 비해 제안한 방법이 좋은 성능을 나타내었다. In this paper, we presents a new MCDI(motion compensated difference image) coding method using CVQ(classifled vector quantization) whoes MCD(motion compensated difference) block is classified by proposed classifier using motion vector and compensated block The variance of MCD block is closely related with the magnitude of motion vector as well as the variance of compensated block, so using this property, we propose a new classifier. This scheme has no side information of the classifier what sub-codebook is selected, and simulation results show that the proposed method exhibits a good performance even when compared with a conventional method that requires classification bits.
머신러닝과 딥러닝을 이용한 아파트 가격 예측 모델 연구
김현아(Hyeon-A Kim),이정민(Jeong-Min Lee),이창형(Chang-Hyeong Lee),전민성(Min-Sung Jeon),김경규(Kyoung-Kyoo Kim) 대한전자공학회 2024 대한전자공학회 학술대회 Vol.2024 No.6
In this paper, apartment prices in Daegu Metropolitan City were predicted by considering the preferences for residential environments among people. At the same time, we also analyzed and studied the accuracy of prediction models based on different types of machine learning algorithms. Apartment data was collected through web crawling techniques, and learning models such as Multiple Linear Regression, XGBoost, Random Forest and DNN were utilized to generate prediction models for apartment prices, and the performance of each model was compared using MAE(Mean Absolute Error), RMSE (Root Mean Square Error) and R²score(R-squared).