http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
한국산 얼록동사리(Odontobutis interrupta) 자치어의 골격발달
박재민,한지형,윤성민,한경호,Park, Jae Min,Han, Ji Hyeong,Yun, Seong Min,Han, Kyeong Ho 한국수산과학회 2017 한국수산과학회지 Vol.50 No.4
We observed the osteological development in larvae and juveniles of Korean spotted sleeper Odontobutis interrupta bred in the laboratory in April 2014. Immediately after hatching, the prelarvae, which were about 4.27 mm long, showed ossification of the premaxillary bones in the upper jaw and the dentary and articular bones in the lower jaw. At 7.11 mm, the larvae showed complete fusion of the post-cleithra and ossification of the scapulae with the appearance of one hole. At 8.65 mm, the larvae showed ossification of seven ribs from the third abdominal vertebra and an increase in the length of the neural spine and hemal spine. The number of caudal fin rays increased to 19. At 11.9 mm, the juveniles showed ossification of three procurrent rays on the side of the parhypural bone as well as ossification of two procurrent rays on the side of the epural bone, indicating the complete ossification of all spicules.
합성 이미지에 대한 기존 머신 러닝 이미지 분류 모델의 성능 비교
정윤진(Jeong, YoonJin),한지형(Han, Ji-Hyeong) 한국방송·미디어공학회 2021 한국방송공학회 학술발표대회 논문집 Vol.2021 No.6
증강현실은 현실 공간에 가상의 객체를 합성한 영상을 생성하는 기술이다. 증강현실 기술에 대한 지속적인 수요 증가와 기술 발전이 이루어져 왔으며, 앞으로 사용자에게 현실을 기반으로 생성된 이질감이 느껴지지 않는 정교한 영상을 제공할 수 있으리라 기대할 수 있다. 본 논문에서는 증강현실 기술로 생성된 합성 영상이 정교한 영상임을 판단할 수 있는 객관적인 기준을 마련하기 위해 기존의 머신 러닝 기반의 이미지 분류 모델들로 합성 이미지 예측에 대한 실험을 진행하고 그 결과를 비교한다.
설명 가능한 KOSPI 증감 예측 딥러닝 모델을 위한 Layer-wise Relevance Propagation (LRP) 기반 기술적 지표 및 거시경제 지표 영향 분석
이재응(Jae-Eung Lee),한지형(Ji-Hyeong Han) Korean Institute of Information Scientists and Eng 2021 정보과학회논문지 Vol.48 No.12
Most of the research on stock prediction using artificial intelligence has focused on improving the accuracy. However, reliability, transparency, and equity of decision-making should be secured in the field of finance. This study proposes a layer-wise relevance propagation (LRP) approach to create an explainable stock prediction deep learning model, which is trained using macroeconomic and technical indicators as the input features. Also, the definition of the problem is simplified by prediction of an increase or decrease in the KOSPI closing price from the previous day instead of prediction of the KOSPI value itself. To show how the proposed method works, experiments are conducted. The results show that the model trained with data by the selected features via LRP is more accurate than the vanilla model. Moreover, we show that LRP results are meaningful by analyzing the tendency of the positive effect of each feature for the prediction results.
불확실한 환경에서의 이미지 분류 성능 향상을 위한 Mix Channel Split 데이터 증강 기법
윤혁(Hyeok Yoon),강수한(Soohan Kang),한지형(Ji-Hyeong Han) Korean Institute of Information Scientists and Eng 2020 정보과학회논문지 Vol.47 No.6
We propose a new data augmentation method that works by separating the RGB channels of an image to improve image classification ability in uncertain environments. Many data augmentation methods, using technique such as flipping and cropping, have been used to improve the image classification ability of models. while these data augmentation methods have been effective in improving image classification, they have unperformed in uncertain conditions. To solve this problem, we propose the ChannelSplit that separates and reassembles the RGB channels of an image, along with the Mix ChannelSplit, that adopts the concept of MixUp[1,2] to express more diversity. In this paper, the proposed ChannelSplit and Mix ChannelSplit are called ChannelAug because they only utilize channels and do not perform any other image operations. Also, we compare ChannelAug to other image augmentation methods to prove it enhances robustness and uncertainty measures on image classification.
효율적인 모델 학습을 위한 심층 특징의 평균값을 활용한 의미 있는 비디오 프레임 추출 기법
윤혁(Yoon, Hyeok),김영기(Kim, Young-Gi),한지형(Han, Ji-Hyeong) 한국방송·미디어공학회 2021 한국방송공학회 학술발표대회 논문집 Vol.2021 No.6
최근 정보통신의 발달과 함께 인터넷에 접속하는 사용자 수와 그에 따른 비디오 데이터의 전송량이 늘어나는 추세이다. 이렇게 늘어나는 많은 비디오 데이터를 관리하고 분석하기 위해서 최근에는 딥 러닝 기법을 많이 활용하게 된다. 일반적으로 비디오 데이터에 딥 러닝 모델을 학습할 때 컴퓨터 자원의 한계로 인해 전체 비디오 프레임에서 균등한 간격 또는 무작위로 프레임을 선택하는 방법을 많이 사용한다. 하지만 학습에 사용되는 비디오 데이터는 항상 시간 축에 따라 같은 문맥을 담고 있는 Trimmed 비디오라고 가정할 수가 없다. 만약 같지 않은 문맥을 지닌 Untrimmed 비디오에서 균등한 간격 또는 무작위로 프레임을 선택해서 사용하게 된다면 비디오의 범주와 관련이 없는 프레임이 샘플링 될 가능성이 있기 때문에 모델의 학습 및 최적화에 전혀 도움이 되지 않는다. 이를 해결하기 위해 우리는 각 비디오 프레임에서 심층 특징을 추출하여 평균값을 계산하고 이와 각 추출된 심층 특징들과 코사인 유사도를 계산해서 얻은 유사도 점수를 바탕으로 Untrimmed 비디오에서 의미 있는 비디오 프레임을 추출하는 기법을 제안한다. 그리고 Untrimmed 비디오로 구성된 데이터셋으로 유명한 ActivityNet 데이터셋에 대해서 대표적인 2가지 프레임 샘플링 방식(균등한 간격, 무작위)과 비교하여 우리가 제안하는 기법이 Untrimmed 비디오에서 효과적으로 비디오의 범주에 해당하는 의미 있는 프레임 추출이 가능함을 보일 것이다. 우리가 실험에 사용한 코드는 https://github.com/titania7777/VideoFrameSampler에서 확인할 수 있다.
AutoEncoder 기반 역난독화 사전학습 및 전이학습을 통한 악성코드 탐지 방법론
장재석 ( Jae-seok Jang ),구본재 ( Bon-jae Ku ),엄성준 ( Sung-jun Eom ),한지형 ( Ji-hyeong Han ) 한국정보처리학회 2022 한국정보처리학회 학술대회논문집 Vol.29 No.2
악성코드를 분석하는 기존 기법인 정적분석은 빠르고 효율적으로 악성코드를 탐지할 수 있지만 난독화된 파일에 취약한 반면,, 동적분석은 난독화된 파일에 적합하지만 느리고 비용이 많이 든다는 단점을 가진다. 본 연구에서는 두 분석 기법의 단점을 해결하기 위해 딥러닝 모델을 활용한 난독화에 강한 정적분석 모델을 제안하였다. 본 연구에서 제안한 방법은 원본 코드 및 난독화된 파일을 grayscale 이미지로 변환하여 데이터셋을 구축하고 AutoEncoder 를 사전학습시켜 encoder 가 원본 파일과 난독화된 파일로부터 원본 파일의 특징을 추출할 수 있도록 한 이후, encoder 의 output 을 fully connected layer 의 입력으로 넣고 전이학습시켜 악성코드를 탐지하도록 하였다. 본 연구에서는 제안한 방법론은 난독화된 파일에서 악성코드를 탐지하는 성능을 F1 score 기준 14.17% 포인트 향상시켰고, 난독화된 파일과 원본 파일을 전체를 합친 데이터셋에서도 악성코드 탐지 성능을 F1 score 기준 7.22% 포인트 향상시켰다.