http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
크기 변화 방식에 따른 ORB 및 SIFT 기반 음표 분류 결과 비교
제승완(Seungwan Je),이덕우(Deokwoo Lee) 대한전자공학회 2022 대한전자공학회 학술대회 Vol.2022 No.11
본 논문에서는 악보 인식의 전처리 과정인 음표 분류에 사용되는 유사성 알고리즘을 사용하여 다양한 조건에 따라 변화하는 알고리즘의 결과를 비교 분석한다. 유사도 알고리즘은 ORB와 SIFT를 사용하며, 양선형 (Bilinear) 보간법, 바이 큐빅 보간법, Lanczos 보간법을 이용하여 모든 이미지에 5, 7, 9배의 확대를 하고, 4가지 비교 방식을 통하여 각각의 결과에 대해 분석하였다. 첫 번째 비교 방식은 템플릿과 추출 음표 모두 배율을 적용하고, 두 번째 방식에서는 템플릿은 원본을 유지하게 하고, 추출된 음표만 배율을 적용한다. 세 번째 방식은 추출된 음표를 템플릿의 크기에 맞춰 크기에 변화를 준 후 배율을 적용하며, 네 번째 방식은 템플릿을 추출된 음표의 크기에 맞춰 크기에 변화를 준 후 배율을 적용한다. 그 결과 모든 방식에서 ORB보다 SIFT 알고리즘을 이용한 비교에서 더 좋은 결과를 보여주었다. 또, 첫 번째 비교 방식을 통해 ORB가 SIFT보다 특징점 추출에 관한 일관성이 떨어지는 것을 알 수 있었으며, 두 번째와 네 번째 방식을 통해 ORB 알고리즘이 작은 이미지의 특징점 추출에 취약함을 알 수 있었다.
김윤주(Yunju Kim),손준혁(Junhyeok Son),최영숙(Youngsuk Choi),제승완(Seungwan Je),조석헌(Seokheon Cho) 한국통신학회 2023 한국통신학회 학술대회논문집 Vol.2023 No.11
최근 우리나라는 고령화가 진행되고 있으며, 이에 따라 노인들의 낙상 사고 발생률 또한 증가하고 있다. 낙상은 치명적인 부상 및 사망을 초래할 수 있으며, 이를 예방하기 위해서는 빠르고 정확한 낙상 감지 시스템의 개발이 필요하다. 본 연구에서는 UMAFall 데이터세트를 활용하여 기계학습 알고리즘 기반 낙상 감지 분류 모델의 성능을 분석 및 비교하였다. 낙상 감지 분류 모델을 위해 Random Forest (RF)와 K-Nearest Neighbor (K-NN) 알고리즘들을 고려하였다. 그 결과, RF 알고리즘 기반 낙상 감지 분류 예측 모델 성능이 85.61%로 더 높은 정확도를 보였고, 낙상 감지 분류 모델에 있어서 더욱 중요한 민감도에서 82.69% 값을 보였다. 또한, 데이터 비율에 따른 낙상 감지 정확도를 확인한 결과, RF 알고리즘 사용 시 낙상이 발생한 후 약 2.7 초 후부터 비교적 정확하게 낙상을 감지 및 분류할 수 있었다.