http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
황광복,박진현,Hwang, Kwang-Bok,Park, Jin-Hyun 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.7
시각센서 기반 자율주행 시스템 중 소실점을 이용한 제어기법은 자율주행에 있어 가장 보편적인 방법이다. 그러나 차선이 존재하지 않거나 소실된 경우, 차선검출과 소실점 추정이 매우 어렵다. 본 논문에서는 카메라 영상 이미지를 CNN에 적용하여 도로의 소실점과 소실점을 만드는 좌, 우측의 소실점 라인을 예측하고, 예측된 결과로부터 자율주행을 위한 조향 제어기를 설계하였다. 모의실험 결과 CNN을 적용한 제안한 방법이 실선 차선의 유무와 관계없이 도로의 중심을 잘 추종하였으며, 일반적인 소실점을 사용한 제어기법보다 성능이 뛰어남을 확인하였다. Among the autonomous driving systems based on visual sensors, the control method using a vanishing point is the most general method for autonomous driving. However, if the lane is lost or does not exist, it is very difficult to detect this and estimate the vanishing point. In this paper, we predict the vanishing point of the road and the vanishing point lines on the left and right sides using CNN for the camera image and design the steering controller for autonomous driving from the predicted results. As a result of the simulation, it was confirmed that the proposed method well tracked the center of the road regardless of the presence or absence of a solid lane, and was superior to the control method using a general method using the vanishing point.
박진현,황광복,박희문,최영규,Park, Jin-Hyun,Hwang, Kwang-Bok,Park, Hee-Mun,Choi, Young-Kiu 한국정보통신학회 2019 한국정보통신학회논문지 Vol.23 No.1
본 연구에서 외래어종 퇴치를 위한 시스템 개발에 앞서 물 안의 어류 이미지를 CNN으로 학습하여 어종을 분류하는 알고리즘을 제안하고자 한다. CNN 학습을 위한 원데이터(raw data)는 각 어종에 대해 직접 촬영한 영상을 사용하였으며, 어종 분류성능을 높이기 위해 영상 이미지의 개수를 늘린 데이터세트 1과 최대한 자연환경과 가까운 영상 이미지를 구현한 데이터세트 2를 구성하여 학습 및 테스트 데이터로 사용하였다. 4가지 CNN의 분류성능은 데이터세트 1에 대해 99.97%, 데이터세트 2에 대해 99.5% 이상을 나타내었으며, 특히 데이터세트 2를 사용하여 학습한 CNNs이 자연환경과 유사한 어류 이미지에 대해서도 만족할 만한 성능을 가짐을 확인하였다. 그리고 4가지 CNN 중 AlexNet이 성능에서도 만족스러운 결과를 도출하였으며, 수행시간과 학습시간 역시 가장 짧아 외래어종 퇴치를 위한 시스템 개발에 가장 적합한 구조임을 확인하였다. In this study, before system development for the elimination of foreign fish species, we propose an algorithm to classify fish species by training fish images with CNN. The raw data for CNN learning were directly captured images for each species, Dataset 1 increases the number of images to improve the classification of fish species and Dataset 2 realizes images close to natural environment are constructed and used as training and test data. The classification performance of four CNNs are over 99.97% for dataset 1 and 99.5% for dataset 2, in particular, we confirm that the learned CNN using Data Set 2 has satisfactory performance for fish images similar to the natural environment. And among four CNNs, AlexNet achieves satisfactory performance, and this has also the shortest execution time and training time, we confirm that it is the most suitable structure to develop the system for the elimination of foreign fish species.
최부림(Boo-Rim Choi),황광복(Kwang-Bok Hwang),배강열(Kang-Yul Bae) 한국기계가공학회 2013 한국기계가공학회지 Vol.12 No.1
In order to obtain the relation between the cutting force and the process parameters in the chamfering process for the gear of a gear shaft, analysis of the process was performed with a simplified model instead of considering the whole actual 3-dimensional cutting situation produced between cutting tool and gear. The model divided the actual situation into the accumulation of hundreds of 2-dimensional layers with a small thickness in the direction of the height of gear and derived cutting force at a cutting position by accumulating each cutting force calculated in a layer. With proposed method to analyze the cutting forces in the chamfering process, it was revealed that the cutting position and size were exactly searched to calculate the cutting force in each layer. The total cutting force was the highest in the corner where the cutter encountered the gear first during the relative motion between them. The cutting forces were changed in proportion to the cutting parameters such as feed rate and trajectory.