http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김영광(Yeonggwang Kim) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
김영광(Yeonggwang Kim),이지훈(Jihoon Lee),윤준철(Junchul Yoon),김영관(Youngkwan Kim),김진술(Jinsul Kim) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
전력 수요 예측 분야에서는 전력 부하 모니터링 및 수요 예측과 같은 연구를 수행하기 위해 인공지능을 주로 사용한다. 하지만, 단일 컴퓨터로 학습 시 막대한 양의 자원 소모로 과부하가 발생하게 된다. 이러한 문제점을 해결하기 위해 최근에는 분산 컴퓨팅을 기반으로 한 클라우드 형태의 컴퓨팅 자원을 활용하여 연구를 수행하였다. 하지만 메인 서버로부터 거리가 먼 지역과의 정확하고 빠른 데이터 전송을 위해서는 새로운 기술이 필요하다. 그래서 우리는 본 문제를 해결하기 위해 에지 컴퓨팅을 활용하여 전력 수요 예측을 하기 위한 에지 컴퓨팅을 소개하였으며, 에지 컴퓨팅을 적용 시 응답 처리속도를 비교하였다. 그리고 제안하는 에지 컴퓨팅에서 머신러닝 학습을 수행하여 전력 수요 예측 성능을 측정하였다.
-
자율주행 환경에서 이미지 객체 분할을 위한 강화된 DFCN 알고리즘 성능연구
김영광(Yeonggwang Kim),김진술(Jinsul Kim) 한국스마트미디어학회 2020 스마트미디어저널 Vol.9 No.4
최근 이미지 분할(Image Segmentation)에 관련되어 스마트 공장 산업과 의료 분야 등에 접목하려는 연구가 다수 진행되고 있다. 특히 딥러닝 알고리즘을 사용한 이미지 분할 시스템들은 대용량의 데이터를 높은 정확도로 학습할 만큼 발전되었다. 자율주행 분야에서도 이미지 분할을 이용하기 위해선 대용량의 데이터들에 대한 충분한 학습량이 필요하며, 실시간으로 운전자의 데이터를 처리하는 스트리밍 환경은 고속도로, 어린이보호구역 등으로 안전운행에 대한 정확도가 중요하다. 따라서 본 논문에서는 다양한 도로환경에 적용할 수 있는 기존 FCN(Fully Convoulutional Network) 알고리즘을 강화한 DFCN 알고리즘을 제안하였으며, DFCN 알고리즘의 성능이 FCN 알고리즘과 비교하여 손실 값 측면에서 1.3% 개선하였음을 증명하였으며, 기존 U-Net 알고리즘에 DFCN 알고리즘을 적용하여 이미지 내의 주파수의 정보를 유지하여 더 좋은 결과치를 도출함으로써 결과적으로 자율주행 환경에서 DFCN 알고리즘이 FCN 알고리즘보다 성능이 향상되었다는 것을 증명하였다. Recently, various studies are being conducted to integrate Image Segmentation into smart factory industries and autonomous driving fields. In particular, Image Segmentation systems using deep learning algorithms have been researched and developed enough to learn from large volumes of data with higher accuracy. In order to use image segmentation in the autonomous driving sector, sufficient amount of learning is needed with large amounts of data and the streaming environment that processes drivers data in real time is important for the accuracy of safe operation through highways and child protection zones. Therefore, we proposed a novel DFCN algorithm that enhanced existing FCN algorithms that could be applied to various road environments, demonstrated that the performance of the DFCN algorithm improved 1.3% in terms of loss value compared to the previous FCN algorithms. Moreover, the proposed DFCN algorithm was applied to the existing U-Net algorithm to maintain the information of frequencies in the image to produce better results, resulting in a better performance than the classical FCN algorithm in the autonomous environment.
-
이미지 내 객체 분류를 위한 노드 가지치기 기반 압축된 심층 합성곱 신경망 모델
오상원(Sangwon Oh),오승민(Seungmin Oh),김영광(Yeonggwang Kim),신혜주(Hyeju Shin),김진술(Jinsul Kim) 한국디지털콘텐츠학회 2022 한국디지털콘텐츠학회논문지 Vol.23 No.4
Modern DCNN(Deep Convolutional Neural Network)-based image classification system can train huge amounts of data with high accuracy. However, to use a DCNN, we need a long time and enormous compute capacity to train huge amounts of data for using DCNN. Therefore, this paper proposed a compact DCNN model that can be used in various environments. To classify objects within an image, a dataset was collected by photographing hand gesture images through a webcam. Then new deep learning model based on CNN was designed and trained hand gesture image data and classified with 98% accuracy. We then used node pruning to lighten DCNN models, showing training times that were reduced by about three times compared to original model and hyper-parameter number that was reduced by 63% of the pre-pruned model.
-
YOLO v3를 활용한 미디어 내 운송기기 탐지 모델 구현
신혜주(Hyeju Shin),오승민(Seungmin Oh),오상원(Sangwon Oh),김영광(Yeonggwang Kim),엄태원(Taiwon Um),김진술(Jinsul Kim) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
최근 퍼스널 모빌리티의 수요 증가와 공유PM 업체의 등장으로 공유형 모빌리티 관련 사고도 급증하였다. 이를 감소시키기 위해 공유PM 불법 주행 단속을 위한 인력이 투입되었음에도 단속되지 않은 사례가 훨씬 많은 것으로 추정된다. 이러한 문제를 해결하고자 본 연구에서는 미디어 내 운송기기 탐지 모델을 제안한다. 미디어 내 즉각적인 탐지를 위해 빠른 속도와 높은 성능으로 인정받는 YOLO v3를 활용하였으며, 최종적으로 객체 위치 검출 정확도와 클래스 예측값의 곱인 Class Specific Confidence Score는 각 클래스에 대해 0.90, 0.98, 0.93, 0.98을 얻었다.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
