http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
최윤창 ( Younchang Choi ),사재원 ( Jaewon Sa ),정용화 ( Yongwha Chung ),박대희 ( Daihee Park ) 한국정보처리학회 2016 한국정보처리학회 학술대회논문집 Vol.23 No.1
축산 농가에서 돈사의 효율적인 관리를 위해 카메라를 이용한 자동 모니터링 기법이 중요한 이슈로 떠오르고 있다. 그러나 컬러 영상에서 돈사의 보온등 조명에 직접 노출된 돼지들이 노출 과다 현상에 의해 탐지되지 않는 문제가 발생한다. 본 논문에서는 컬러 영상에서 돼지가 탐지되지 않는 문제를 해결하기 위해 Kinect 2 카메라로부터 획득한 깊이 영상을 이용하여 돼지를 탐지하는 방법을 제안한다. 즉, 깊이 영상을 이용하여 깊이 정보 값을 보정한 후 바닥과 돼지의 깊이 정보 값의 차이를 통해 돼지들의 영역을 탐지한다. 실험 결과, 깊이 영상을 이용하여 보온등 조명에 과다 노출된 돼지의 영역을 탐지하고 히스토그램 평활화를 적용함으로써, 컬러 영상에서 돼지들이 탐지되지 않는 문제를 해결하였다.
최윤창 ( Younchang Choi ),사재원 ( Jaewon Sa ),김희곤 ( Heegon Kim ),정용화 ( Yongwha Chung ),김희영 ( Hee-young Kim ),박대희 ( Daihee Park ),윤석한 ( Sukhan Yoon ) 한국정보처리학회 2016 한국정보처리학회 학술대회논문집 Vol.23 No.2
최근 철도는 다양한 분야에서 사용됨에 따라 그 중요성이 점차 증가하고 있다. 따라서 철도의 안전한 주행을 위하여 철도를 구성하는 요소 관리 역시 중요하다. 철도를 구성하는 요소 중 열차의 진행 방향을 결정하는 선로전환기의 비정상 상황 탐지는 열차의 탈선 등과 같은 대형 사고를 예방하기 위해 매우 중요한 문제이다. 본 논문에서는 Fast Shapelets 알고리즘을 이용하여 선로전환기의 전류 패턴을 분류할 수 있는 방법을 제안한다. 실험 결과, Fast Shapelets 알고리즘을 이용하여 선로전환기의 전류 패턴들을 자동으로 분류할 수 있음을 확인하였다.
OpenCL을 이용한 돈사 감시 응용의 효율적인 태스크 분배
김진성,최윤창,김재학,정연우,정용화,박대희,김학재,Kim, Jinseong,Choi, Younchang,Kim, Jaehak,Chung, Yeonwoo,Chung, Yongwha,Park, Daihee,Kim, Hakjae 한국정보처리학회 2017 정보처리학회논문지. 컴퓨터 및 통신시스템 Vol.6 No.10
Pig monitoring applications consisting of many tasks can take advantage of inherent data parallelism and enable parallel processing using performance accelerators. In this paper, we propose a task distribution method for pig monitoring applications into a heterogenous computing platform consisting of a multicore-CPU and a manycore-GPU. That is, a parallel program written in OpenCL is developed, and then the most suitable processor is determined based on the measured execution time of each task. The proposed method is simple but very effective, and can be applied to parallelize other applications consisting of many tasks on a heterogeneous computing platform consisting of a CPU and a GPU. Experimental results show that the performance of the proposed task distribution method on three different heterogeneous computing platforms can improve the performance of the typical GPU-only method where every tasks are executed on a deviceGPU by a factor of 1.5, 8.7 and 2.7, respectively. 다수의 태스크로 구성된 돈사 감시 응용은 내재된 데이터 병렬성을 활용하고 성능가속기를 사용하여 병렬 처리가 가능하다. 본 논문에서는 멀티코어 CPU와 매니코어 GPU로 구성된 이기종 컴퓨팅 플랫폼에서 돈사 감시 응용 수행 시 태스크 분배 방법을 제안한다. 즉, 각 태스크별로 OpenCL을 이용한 병렬 프로그램을 작성한 뒤, deviceCPU와 deviceGPU 각각에서 수행시켜 측정된 수행시간을 기준으로 가장 적합한 처리기를 결정한다. 제안 방법은 간단하지만 매우 효과적이고, CPU와 GPU로 구성된 이기종 컴퓨팅 플랫폼에서 다수의 태스크로 구성된 다른 응용을 병렬화하는 경우에도 적용될 수 있다. 실험 결과, 상이한 이기종 컴퓨팅 플랫폼에서 최적의 태스크 분배로 수행한 경우 가 전체 태스크들을 deviceGPU에서 수행한 GPU-only 방법에 비교하여 각각 2.7배, 8.7배, 2.7배 성능 개선이 되었음을 확인하였다.
이희권 ( Huigwon Lee ),최윤창 ( Younchang Choi ),김진성 ( Jinseoug Kim ),정용화 ( Yongwha Chung ),박대희 ( Daihee Park ),김학재 ( Hakjae Kim ) 한국정보처리학회 2017 한국정보처리학회 학술대회논문집 Vol.24 No.2
감시 카메라 환경에서 돈사 내 돼지들을 탐지 및 추적에 관한 연구는 효율적인 돈사 관리 측면에서 중요한 이슈로 떠오르고 있다. 그러나 돼지의 추적 중 돼지간의 겹침이 발생하였을 때 겹침 돼지를 탐지 및 분리하는 것은 어려우며, 이를 해결하는 것은 매우 중요한 문제이다. 본 논문에서는 이러한 문제를 해결하기 위하여 깊이 정보를 이용하여 돈방의 겹침 돼지들을 탐지한 후, 돼지들의 평균 깊이 값을 이용하여 겹침 돼지를 분리하는 방법을 제안한다. 실험 결과, 깊이 정보 값을 이용하여 겹침 돼지를 탐지한 후 돼지들의 평균 깊이 값을 이용하여 올라탄 돼지와 깔린 돼지로 분리할 수 있음을 확인하였다.