http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
DMB 서비스를 위한 DCT 기반 MPEG-2/H.264 비디오 트랜스코더 시스템 구조
이주경,권순영,박성호,김영주,정기동,Lee Joo-Kyong,Kwon Soon-Young,Park Seong-Ho,Kim Young-Ju,Chung Ki-Dong 한국정보처리학회 2005 정보처리학회논문지B Vol.12 No.6
DMB 서비스를 위해 제공되는 대부분의 비디오 컨텐츠는 MPEG-2 규격으로 압축된 채 제공되므로 실제 서비스를 위해서 H.264 규격으로 트랜스코딩을 수행해야 한다. 현재 사용되는 트랜스코딩 방식은 MPEG-2 비트열(bit-stream)의 디코딩과 H.264 규격으로의 인코딩 과정을 연속적으로 수행하는 픽셀 기반 직렬 구조형 (CPDT, Cascaded Pixel-Domain Transcoding Architecture)이다. 이 방식은 두 표준의 소스 코드를 수정 없이 사용할 수 있으므로 구현이 용이하지만 변환을 위한 처리 시간이 길고 디코딩과 인코딩을 반복하므로 화질의 열화가 발생 할 수 있다. 본 논문에서는 MPEG-2로 압축된 비디오 비트열을 H.264로 트랜스크딩 할 때 변환 시간을 향상할 수 있는 DCT 기반의 열린 회로형 트랜스코더 구조(DCT-OPEN)와 변환시간은 CPDT와 유사하지만 화질면에서 우수한 DCT 기반 닫힌 회로형 트랜스코더(DCT-CLOSED) 구조를 제안한다. 제안된 구조에서는 CPDT 방식과 달리 압축 과정의 중간 단계인 DCT(Discrete Cosine Transform)를 이용하여 변환을 수행한다. 이때, MPEG-2와 H.264의 DCT 단위와 방법이 상이하므로 [l, 2]에서 제안된 방식을 이용하여 DCT 간의 변환을 수행한다. 제안된 구조의 성능 평가를 위해 MPEG-2 TM5하 H.264 JM8 코덱을 수정하여 다양한 구조를 구현하였으며 실험 결과 DCT-OPEN의 경우 CPDT에 비하여 계산 복잡도에서 우수하지만 PSNR 성능은 낮게 나타났으며 DCT-CLOSED의 경우 계산 복잡도는 높으나 화질에서 우수한 것으로 나타났다. Most of the multimedia contents for DBM services art provided as MPEG-2 bit streams. However, they have to be transcoded to H.264 bit streams for practical services because the standard video codec for DMB is H.264. The existing transcoder architecture is Cascaded Pixel-Domain Transcoding Architecture, which consists of the MPEG-2 dacoding phase and the H.264 encoding phase. This architecture can be easily implemented using MPEG-2 decoder and H.264 encoder without source modifying. However. It has disadvantages in transcoding time and DCT-mismatch problem. In this paper, we propose two kinds of transcoder architecture, DCT-OPEN and DCT-CLOSED, to complement the CPDT architecture. Although DCT-OPEN has lower PSNR than CPDT due to drift problem, it is efficient for real-time transcoding. On the contrary, the DCT-CLOSED architecture has the advantage of PSNR over CPDT at the cost of transcoding time.
NOD(News - On - Demand) 데이터의 저장 기법
이주경(Joo-Kyong Lee),박용운(Yong-Woon Park),김영주(Young-Ju Kim),정기동(Ki-Dong Chung) 한국정보과학회 1997 한국정보과학회 학술발표논문집 Vol.24 No.2Ⅳ
NOD(News-On-Demand) 데이터는 VOD(Vide-On-Demand) 데이터에 비하여 동영상, 음성, 이미지, 텍스트 등과 같이 데이터의 형태가 다양하며 데이터 접근에 있어서 시간적, 공간적 지역성이 VOD에 비해 매우 높은 반면 일정한 단위를 주기로 계속 데이터가 생성된다. 따라서, 모든 뉴스 데이터를 디스크에 저장한다면 디스크의 낭비와 비용의 증가를 초래하게 된다. 본 논문에서는 이러한 NOD 데이터의 특징을 분석하고, 사용자의 뉴스 데이터 접근 패턴을 이용하여 시간적 지역성이 높은 데이터를 디스크에, 그렇지 못한 데이터를 테이프에 보관하는 NOD 데이터의 특성을 고려한 데이터의 저장기법인 TBSM과 RBSM을 제안한다.
초분광 영상과 색공간 값 기반 고안토시아닌 옥수수 종자 판별에 관한 연구
김남욱 ( Nam-wook Kim ),이주경 ( Ju Kyong Lee ),모창연 ( Changyeun Mo ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2
기능성 식품으로써 자색 옥수수 품종에 대한 수요량이 늘어남에 따라, 자색 옥수수의 생산량 및 품질 향상을 위한 품종의 순도 유지 및 안토시아닌 함량이 높은 종자의 빠르고 정확한 선발이 중요해졌다. 이를 위해 초분광 영상 기술 기반의 품종 분류 및 특정 성분의 함량 예측을 위한 다양한 연구가 진행되어왔다. 하지만 대부분의 연구가 품종 분류와 성분 함량 예측 중 하나의 기능을 하는 모델 개발을 목적으로 하였으며, 성분 함량 예측을 위해 선행되는 화학적 분석 방법은 종자 샘플의 파괴, 화학적 폐기물 발생, 긴 시간의 소요 등 문제가 발생한다. 따라서, 본 연구를 통해 옥수수 종자의 품종을 분류하고 안토시아닌 함량이 종피의 자색빛과 상관관계를 지닌다는 점을 바탕으로 초분광 영상과 색공간 값을 이용하여 안토시아닌 함량 수준을 비교 분석할 수 있는 알고리즘을 개발하고자 하였다. 본 연구에서는 부모 품종 각 1종, 개량 품종 10종의 자색 옥수수 종자를 품종별 20개씩, 총 240개의 샘플을 사용하였으며, 초분광 영상 측정 장치를 사용하여 1000~1700 nm 영역의 근적외선 파장대역에서 종자의 앞과 뒤, 윗부분을 촬영하였다. 각 ROI의 평균 스펙트럼에 대해 SNV 및 표준화 전처리를 적용하였고 SVM(Support Vector Machine) 모델을 통해 품종 분류 및 안토시아닌과 관련된 색공간 값을 예측하는 파이프라인 모델을 개발하였다. 본 연구를 통해 옥수수 종자의 품종 분류 및 안토시아닌 함량 수준의 추정을 동시에 진행할 수 있는 효과적인 모델을 제시함과 동시에 안토시아닌 함량 예측 모델의 효율적인 개발 방법을 제시하였다. 본 연구의 결과는 예측 모델의 비파괴적인 개발 과정과 분류 및 회귀 모델을 동시에 수행할 수 있는 일체형 모델의 개발을 위한 연구 기초 자료로 활용 가능할 것으로 판단된다.
앙상블 학습을 활용한 초분광 영상 기반 자색 옥수수 종자 품종 분류
김남욱 ( Nam-wook Kim ),김민지,이주경 ( Ju Kyong Lee ),모창연 ( Changyeun Mo ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.1
기능성 식품으로써 자색 옥수수에 대한 소비자의 관심과 수요량이 늘어남에 따라, 자색 옥수수의 품질 향상을 위해 육종 과정 중 품종의 순도 유지 및 고 안토시아닌 함유 종자의 빠르고 정확한 선발이 중요해졌다. 하지만 전통적인 육종법은 육종 중 타 품종이 유입될 가능성이 있으며, 목표로 하는 특성을 획득하기까지 오랜 시간이 소요될 수 있다. 이를 개선하기 위해 초분광 영상 기술을 활용한 품종 분류 및 비파괴적 성분 함량 예측 연구들이 진행되어왔다. 본 연구에서는 자색 옥수수 종자를 대상으로 정확한 품종 분류를 위하여 초분광 영상의 스펙트럼 데이터에 앙상블 학습을 적용한 머신러닝 모델을 개발하였다. 본 연구를 위하여 부모 품종 각 1종, 개량 품종 10종의 자색 옥수수 종자를 품종별 20개씩 총 240개의 샘플을 사용하였으며, 초분광 영상 측정 장치를 사용하여 1000~1700 nm 영역의 근적외선 파장대역에서 종자의 앞과 뒤, 윗부분을 촬영하였다. 각 ROI의 스펙트럼에 대하여 평균을 낸 뒤 SNV 및 정규화 전처리를 적용하였으며, 이후 여러 개의 분류기를 결합하여 높은 예측값을 도출하는 앙상블 학습 기법을 통해 자색 옥수수 종자의 품종을 예측 및 분류 하는 모델을 개발하였다. 또한 모델 개발에 있어 생성적 적대 신경망(GAN) 알고리즘을 활용하여 데이터 증식을 진행하였으며, 해당 기법에 대한 적합성을 검정하였다. 본 연구를 통해 초분광 스펙트럼 데이터를 통하여 자색 옥수수 종자의 품종 분류를 수행할 수 있는 효과적 모델의 개발 방법을 제시하였다. 본 연구의 결과는 초분광 영상 기반 안토시아닌 고함량 종자 선별에 관한 후속 연구와 함께 활용되어 고품질 자색 옥수수 품종 개발을 위한 스마트 육종 기술의 기초 자료로 활용 가능할 것으로 판단된다.
Mask-RCNN 및 초분광 영상 특성 결합을 활용한 자색 옥수수 종자 품종 분류 딥러닝 알고리즘 개발
김남욱 ( Nam-wook Kim ),김민지 ( Min-jee Kim ),이주경 ( Ju Kyong Lee ),모창연 ( Changyeun Mo ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.1
기능성 식품으로써 자색 옥수수에 대한 관심과 시장 가치가 늘어남에 따라, 자색 옥수수의 품질 향상을 위해 육종 과정 중 품종의 순도 유지 및 타겟 종자의 빠르고 정확한 선발이 중요해졌다. 이를 위해 초분광 영상 기술을 활용한 옥수수 종자 품종 분류 연구들이 수행되고 있다. 하지만 기존 초분광 영상 분석에서는 스펙트럼 추출을 위한 개별 과정이 수반되며, 분광 특성의 활용을 위해 RGB 이미지 기반 고성능 딥러닝 알고리즘 적용에 어려움이 존재한다. 본 연구에서는 초분광 영상에 대하여 Mask-RCNN 객체 탐지 모델을 적용하며, 이를 통해 종자 탐지, 스펙트럼 추출 및 품종 분류 과정까지 수행 가능한 딥러닝 알고리즘을 개발하였다. 본 연구에는 부모 품종 각 1종, 개량 품종 10종의 옥수수 종자를 품종별 90립씩 총 1,080개의 샘플을 사용하였으며, 초분광 영상 측정 장치를 통해 400~1,000 nm 영역에서 종자의 앞·뒷면을 측정하였다. 측정된 초분광 영상을 통해 Mask-RCNN 객체 탐지 모델을 학습하였으며, 객체 탐지 결과를 기반으로 스펙트럼 추출 및 품종 분류를 수행하였다. 품종 분류 성능을 향상시키기 위해 초분광 영상으로부터의 공간 특성과 분광 특성을 결합하여 품종 분류를 수행하였으며, 이를 통해 단일 특성 사용 시 약 60%의 분류 성능을 약 90%까지 향상시킬 수 있었다. 본 연구의 결과는 초분광 영상 기반 안토시아닌 함량 예측에 관한 후속 연구와 함께 활용되어 안토시아닌 고함량 자색 옥수수 품종 개발을 위한 스마트 육종 기술의 기초 자료로 활용 가능할 것으로 판단된다.