http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
SPTE 및 GC-MS를 이용한 한국산 및 중국산 생강의 향미 특성 분석
유주원,김남선,김건,이동선 서울여자대학교 자연과학연구소 2005 자연과학연구논문집 Vol.17 No.-
Volatile flavor components of the Korean and the Chinese ginger (Zingiber officinale Roscoe) have been studied in this paper. The accurate characterization of the flavors from the ginger rhizomes was carried out by head space solid phase trapping-solvent extraction (SPTE) and gas chromatography-ion trap mass spectrometry. Predominant compounds of the Korean ginger flavors are zingiberene, β-phellandrene, camphene, β-sequiphellandrene and α-farnesene, whereas those of the Chinese ginger flavors are β-phellandrene, camphene, zingiberene and α-farnesene. In addition, α-pinene, α-curcumene, β-pinene and β-bisabolene are also found as minor compounds of ginger flavors. A new finding in this work is that limonene, β-sesquiphellandrene, germacrene D, and zingiberene are critical index to distinguish the origin between the Korean ginger and the Chinese ginger.
유주원(Ju-Won Yu),김종원(Jong-Weon Kim),최종욱(Jong-Uk Choi),배경율(Kyoung-Yul Bae) 한국콘텐츠학회 2009 한국콘텐츠학회논문지 Vol.9 No.2
본 연구에서는 고유의 비디오 프레임의 특징 데이터를 추출하고 추출된 특징 데이터를 1차 신호로 생성하여 유사한 비디오 프레임 데이터를 검출하는 방법에 관하여 연구하였다. 비디오 간의 유사도 검출을 위하여 유사한 프레임간의 경계를 얻어낸 후 경계 범위 내에서 대표 프레임을 얻어낸다. 생성된 대표 프레임으로부터 blurring 된 프레임을 생성하고, DOG 값을 이용하여 특징 데이터를 추출한다. 이렇게 생성된 특징 데이터를 1차원 신호로 나열하고 콘텐츠 간 유사도를 비교한다. 실험 결과 잡음 첨가, 회전 변환, 크기 변환, 프레임 절삭, 프레임 제거 공격에 대해서도 유사도 수치 0.9 이상의 매우 강인한 특성을 나타냈다. We proposed similarity detection method of the video frame data that extracts the feature data of own video frame and creates the 1-D signal in this paper. We get the similar frame boundary and make the representative frames within the frame boundary to extract the similarity extraction between video. Representative frames make blurring frames and extract the feature data using DOG values. Finally, we convert the feature data into the 1-D signal and compare the contents similarity. The experimental results show that the proposed algorithm get over 0.9 similarity value against noise addition, rotation change, size change, frame delete, frame cutting.
Re-Destyle: 개선된 Facial Destylization 을 활용한 예시 기반 신경망 스타일 전이 연구
유주원(Joowon Yoo) 한국방송·미디어공학회 2022 한국방송공학회 학술발표대회 논문집 Vol.2022 No.6
예술적 스타일 전이는 예술 작품이 지닌 특징을 다른 이미지에 적용하는 이미지 처리의 오랜 화두 중 하나로, 최근에는 StyleGAN 과 같이 미리 학습된 GAN(생성적 적대 신경망)을 통해 제한된 데이터로도 고해상도의 예술적 초상화를 생성하도록 학습하는 연구가 다양한 방면에서 성과를 내고 있다. 본 논문에서는 2 가지 경로의 StyleGAN과 Facial Destylization 을 통해 고해상도의 예시 기반 스타일 전이를 달성한 DualStyleGAN 연구에 대해 소개하고, 기존 연구에서 사용된 Facial Destylization 방법이 지닌 한계점을 분석한 뒤, 이를 개선한 새로운 방법, Re-Destyle을 제안한다. 새로운 Re-Destyle 방법으로 Facial Destylization 을 적용할 경우 학습 시간을 기존 연구의 방법보다 20 배 이상 개선할 수 있으며 그 결과 1000 개 이하의 적은 데이터와 1~2 시간의 추가 학습만으로도 원하는 타겟 초상화 스타일에 대해 1024×1024 수준의 고해상도의 예시 기반 초상화 스타일 전이 및 이미지 생성 모델을 학습할 수 있다.