http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
유병준(Byeongjun Yu),이광근(Kwangkeun Yi) 한국정보과학회 2011 한국정보과학회 학술발표논문집 Vol.38 No.2A
Haskell의 타입 클래스(Type Class) 등과 같이 타입 정보를 통해 프로그램 코드를 자동으로 넘겨주는 프로그래밍 기술이 유용하게 쓰이고 있다. 타입 추론이 코드를 주면 자동으로 그 코드의 타입을 유추하는 것처럼 암시적 계산 언어는 주어진 코드의 타입을 보고 필요한 코드가 무엇인지 유추해 낼 수 있다. 본 논문에서는 위와 같은 암시적인 계산 언어들의 주요한 성질을 뽑아 만든 언어의 실행기를 만들었다. 또 실행기를 구현함에 있어서 일반적인 실행기에서 거의 쓰이지 않는 동일화 알고리즘(Unification Algorithm)을 사용했다.
k-근접 이웃 및 비전센서를 활용한 프리팹 강구조물 조립 성능 평가 기술
방현태,유병준,전해민,Bang, Hyuntae,Yu, Byeongjun,Jeon, Haemin 한국전산구조공학회 2022 한국전산구조공학회논문집 Vol.35 No.5
본 논문에서는 프리팹 구조물의 품질관리를 위한 딥러닝 및 비전센서 기반의 조립 성능 평가 모델을 개발하였다. 조립부 검출을 위해 인코더-디코더 형식의 네트워크와 수용 영역 블록 합성곱 모듈을 적용한 딥러닝 모델을 사용하였다. 검출된 조립부 영역 내의 볼트홀을 검출하고, 볼트홀의 위치 값을 산정하여 k-근접 이웃 기반 모델을 사용하여 조립 품질을 평가하였다. 제안된 기법의 성능을 검증하기 위해 조립부 모형을 3D 프린팅을 이용하여 제작하여 조립부 검출 및 조립 성능 예측 모델의 성능을 검증하였다. 성능 검증 결과 높은 정밀도로 조립부를 검출하였으며, 검출된 조립부내의 볼트홀의 위치를 바탕으로 프리팹 구조물의 조립 성능을 5% 이하의 판별 오차로 평가할 수 있음을 확인하였다. In this study, we developed a deep learning and vision sensor-based assembly performance evaluation method isfor prefabricated steel structures. The assembly parts were segmented using a modified version of the receptive field block convolution module inspired by the eccentric function of the human visual system. The quality of the assembly was evaluated by detecting the bolt holes in the segmented assembly part and calculating the bolt hole positions. To validate the performance of the evaluation, models of standard and defective assembly parts were produced using a 3D printer. The assembly part segmentation network was trained based on the 3D model images captured from a vision sensor. The sbolt hole positions in the segmented assembly image were calculated using image processing techniques, and the assembly performance evaluation using the k-nearest neighbor algorithm was verified. The experimental results show that the assembly parts were segmented with high precision, and the assembly performance based on the positions of the bolt holes in the detected assembly part was evaluated with a classification error of less than 5%.
김준영(Junyeong Kim),이동규(Dongkyu Lee),유병준(Byeongjun Yu),기석철(Seok-Cheol Kee) 한국자동차공학회 2020 한국 자동차공학회논문집 Vol.28 No.7
Presented in this paper is a method of searching the parking space for an electric vehicle, and of tracking a wireless charging spot accurately from the bird’s-eye-view image provided by the AVM(around view monitoring) system, by fusing four fish-eye cameras already mounted on produced vehicles. In addition, how to get parameters and combine four fish-eye cameras for AVM images throughout camera calibration is introduced. The proposed detection method finds parking spaces based on vision using image segmentation. Assembling enormous datasets can be a very daunting and time-consuming task due to the manual effort of collecting and labeling data. To solve this problem, this paper used data augmentation, a data space solution to the problem of limited data. The proposed tracking method is robust against problems like dim lighting, background, and reflections on road surfaces.