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 : 심희린(Heereen Shim) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
심희린(Heereen Shim),고광은(Kwang-Eun Ko),조경환(Kyung-Hwan Cho),장인훈(In-Hoon Jang),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2018 한국지능시스템학회논문지 Vol.28 No.1
본 연구는 노동집약적인 신발제조공정을 자동화하기 위한 기술 중 신발갑피 패턴분석 시스템을 제안한다. 제안 시스템은 심층 신경망으로 갑피패턴을 검출/인식하는 단계와 영상처리 알고리즘으로 패턴의 크기와 회전각과 같은 상태 정보를 분석하는 단계로 구성된다. 성능 평가를 위해 국제공인시험소에 시험을 의뢰 하였으며, 목표 성능인 95%의 분류율, 1000msec 이하의 비전 처리 속도, 3mm 이하의 비전 정밀도를 웃도는 결과를 보였다. 제안된 기술은 추후 열용융 신발갑피 재봉 자동화 로봇 시스템에서 로봇 제어를 위한 로봇 비전 시스템에 사용될 예정이다. This study proposes a shoe-upper pattern analysis system to automate shoe manufacturing process. The proposed system consists of detecting and recognizing upper pattern using deep neural network and analyzing the spatial state, such as size and the rotation of the pattern, by the image processing algorithm. In order to evaluate the performance, the test was conducted by an internationally accredited testing laboratory. As a result, we achieved higher performance than the target performance that is 95% of classification rate, 1000msec of processing speed, and less than 3mm of vision precision. The proposed technique will be used in the robot vision system for robot control in the automotive robot system of thseh oes-upper fusing sewing.
-
딥러닝을 이용한 연속 시간 감정 상태 추론 시스템 설계
심희린(Heereen Shim),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2019 한국지능시스템학회논문지 Vol.29 No.1
표정은 사람이 감정을 표현하는 직접적인 방법 중 하나이다. 사람은 연속시간 상에서 표정의 변화를 통해 감정 상태를 나타내지만 기존의 기술은 대부분 정지영상에서만 감정 상태를 인식하였다. 본 연구는 연속 시간상에서 감정 상태를 추론하기 위한 딥러닝 시스템을 제안한다. 제안된 연속 시간 감정 상태 추론 시스템은 세 단계로 이루어져 있다. Convolutional Neural Network (CNN) 모델을 사용한 특징 추출 단계, 활성화 지도를 사용한 얼굴영역 검출 및 관심 영역 풀링 단계, 그리고 Recurrent Neural Network (RNN) 모델을 사용한 시계열 추론 단계. 본 논문에서는 짧은 표정 동영상을 통해 감정 상태를 추론하는 실험을 수행하였다. 실험을 통해 제안된 시스템이 기존의 CNN 기반 물체 검출 모델보다 빠르게 얼굴영역 검출을 수행하며, 연속 시간상에서 감정 상태 추론이 가능함을 보였다. Facial expressions are one of the efficient methods of expressing emotions. Most of the existing facial expression analysis techniques recognize emotional state only in still images. This study proposes a deep learning system for estimating emotional states in continuous time. The proposed emotional state estimation system in continuous time consists of three processes. Feature extraction using Convolutional Neural Network (CNN) model, Activation Map (AM)-based facial region detection and region of interest (RoI) Pooling, and sequential estimation using Recurrent Neural Network (RNN) model. In this paper, we performed an experiment to estimate the emotional state from in short video clips of facial expressions. Experimental results show that the proposed system can perform facial region detection faster than conventional CNN - based object detection models and emotional state estimation in continuous time.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
