http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
한자 이미지 분할 기법 및 Mask R-CNN 성능 평가
최동빈,강윤희,조인수,박용범 아이씨티플랫폼학회 2019 JOURNAL OF PLATFORM TECHNOLOGY Vol.7 No.3
인공지능 진보에 따라서 컴퓨터 비전을 포함한 다양한 분야에서 인공지능을 활용하고 있다. 특히주어진 이미지에서 객체와 배경을 분리하여 인식하는 기법들이 발달됨에 따라서 기존 객체 분할로사용되던 기술들이 가지고 있던 단점들을 극복할 수 있는 방안으로 활용이 가능하다. 기존의 기술의경우 한자와 같이 특별한 객체를 정확하게 검출하지 못하고, 영역분할 요류 및 영역 겹침 오류가나타난다. 본 논문은 한자 사전 작업에 앞서 고서 스캔 이미지에서 활자를 검출 및 추출에 기존알고리즘이 가지는 제약점을 살펴보며, 활자 검출에 있어서 mask R-CNN의 활용 가능성 및 성능에대한 평가하여 기존 알고리즘 대비 mask R-CNN의 활용성이 높음을 확인하였다.
funcGNN과 Siamese Network의 코드 유사성 분석 성능비교
최동빈,조인수,박용범,Choi, Dong-Bin,Jo, In-su,Park, Young B. 한국반도체디스플레이기술학회 2021 반도체디스플레이기술학회지 Vol.20 No.3
As artificial intelligence technologies, including deep learning, develop, these technologies are being introduced to code similarity analysis. In the traditional analysis method of calculating the graph edit distance (GED) after converting the source code into a control flow graph (CFG), there are studies that calculate the GED through a trained graph neural network (GNN) with the converted CFG, Methods for analyzing code similarity through CNN by imaging CFG are also being studied. In this paper, to determine which approach will be effective and efficient in researching code similarity analysis methods using artificial intelligence in the future, code similarity is measured through funcGNN, which measures code similarity using GNN, and Siamese Network, which is an image similarity analysis model. The accuracy was compared and analyzed. As a result of the analysis, the error rate (0.0458) of the Siamese network was bigger than that of the funcGNN (0.0362).
인공 신경망의 Catastrophic forgetting 현상 극복을 위한 순차적 반복 학습에 대한 연구
최동빈,박용범 아이씨티플랫폼학회 2018 JOURNAL OF PLATFORM TECHNOLOGY Vol.6 No.4
현재 인공신경망은 단일 작업에 대해선 뛰어난 성능을 보이나, 다른 종류의 작업을 학습하면이전 학습 내용을 잊어버리는 단점이 있다. 이를 catastrophic forgetting이라고 한다. 인공신경망의활용도를 높이긴 위해선 이 현상을 극복해야 한다. catastrophic forgetting을 극복하기 위한 여러노력이 있다. 하지만 많은 노력이 있었음에도 완벽하게 catastrophic forgetting을 극복하지는못하였다. 본 논문에서는 여러 노력 중 elastic weight consolidation(EWC)에 사용되는 핵심 개념을이용하여, 순차적 반복학습을 제시한다. 인공신경망 학습에 많이 쓰이는 MNIST를 확장한 EMNIST데이터 셋을 이용하여 catastrophic forgetting 현상을 재현하고 이를 순차적 반복학습을 통해극복하는 실험을 진행하였으며, 그 결과 모든 작업에 대해서 학습이 가능하였다.
컨포멀 코팅의 미세 기포 검출을 위한 최적 UV 조도 선정 알고리즘
최동빈,이승주,조성령,김한얼,정경훈 대한전자공학회 2024 전자공학회논문지 Vol.61 No.5
컨포멀 코팅(Conformal Coating)은 PCB(Printed Circuit Board)를 보호하는 기술이다. 코팅 과정에서 PCB 기판과 코팅 사이에 기포가 발생할 수 있는데, 이는 회로 오작동의 원인이 되기 때문에 기포 검사는 제품의 신뢰성을 위해 반드시 거쳐야 하는 작업이다. 기포 검사를 위해 PCB를 UV(Ultra Violet) 광원 아래에 두고 촬영한 영상에서 기포의 시인성은 PCB 배경 색상과 코팅의 두께를 비롯하여 UV 조도 등 다양한 요소의 영향을 받는다. 본 논문에서는 코팅 두께에 대한 정보가 없는 상황에서 기포 검출을 위한 최적의 UV 조도를 선정하는 기법을 제시하였다. 이를 위해 입력 영상으로부터 유효 영역을 추출하고 평균 밝기와 최대 색상 위치라는 두가지 특징을 계산한다. 그리고 특징 공간에서 데이터의 통계적 특성을 고려한 마할라노비스 거리를 기반으로 UV 조도의 적정성을 판단하였다. 또한 기포 검출 단계에서는 YOLO v8 모델을 기반으로 적용하되 기포의 발생 위치에 따라 분류된 다중 클래스를 도입함으로써 기포 형태의 비정형성에 대응하였으며 타일링 과정을 적용함으로써 미세 기포에 대한 검출 성능을 향상시켰다. 임의의 PCB에 대해 UV 조도 변화에 따른 기포 검출률과 조도 적정성 척도와의 상관성에 대한 실험을 수행하였으며 이를 통해 제안 알고리즘의 타당성을 입증하였다. 기존의 기포검사 장비에 제안 알고리즘을 통합함으로써 보다 신뢰성 높은 기포 검사 솔루션을 제공할 수 있을 것으로 기대된다. Conformal coating is a key technology used to protect Printed Circuit Boards (PCBs). And the bubble inspection is an essential task for the reliability of the PCB since the bubbles which generated during the coating process can be causes of circuit malfunctions. The visibility of bubbles in images captured under UV (Ultra Violet) light for bubble inspection is influenced by various factors, including the background color of the PCB, the thickness of the coating as well as UV light intensity. This paper proposes a technique for selecting the optimal UV intensity level for bubble detection when the information about the coating thickness is not available. In the proposed method, the effective region is extracted from the input image, and then two features, that is average brightness of B component and maximum position of H component, are calculated. And the optimal UV light intensity is determined based on the Mahalanobis distance considering the statistical characteristics of the data in the feature space. Meanwhile the YOLO v8 model is adopted in the bubble detection stage. The bubbles are classified into multi according to location to consider the irregularity of bubble shapes and the image tiling is applied to enhance the detection performance for tiny bubbles. The validity of the proposed algorithm is demonstrated through experiments which investigate the correlation between the bubble detection rate and Mahalanobis distance according to UV intensity level. It is expected to provide a more reliable bubble inspection solution by integrating the proposed algorithm into the existing conformal coating equipment.
최동빈,조인수,박용범 한국반도체디스플레이기술학회 2019 반도체디스플레이기술학회지 Vol.18 No.2
Data mining techniques can also be used to increase the efficiency of production in the tax sector, which requires professional skills. As tax-related computerization was carried out, large amounts of data were accumulated, creating a good environment for data mining. In this paper, we have developed a system that can help tax accountant who have existing professional abilities by using data mining techniques on accumulated tax related data. The data mining technique used is random forest and improved by using f1-score. Using the implemented system, data accumulated over two years was learned, showing high accuracy at prediction.