http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
객체 중심 증강 기법을 통한 군중 장면에서의 임베딩 유사도 기반 이상 탐지
강재용,곽정환 한국차세대컴퓨팅학회 2021 한국차세대컴퓨팅학회 논문지 Vol.17 No.3
이상 탐지는 비디오 프레임에서 정상 이벤트에서 벗어난 이상 영역의 위치를 검출하는 데 중점을 둔다. 본 논문에서 는 객체 중심 증강 기법을 통한 군중 장면에서의 임베딩 유사성 기반 이상 탐지 기법을 제안한다. 우선 우리가 제안 한 객체 중심 증강 기법을 통해 객체들이 이미지의 모든 영역에 위치하게끔 한다. 그런 다음 사전 훈련된 합성 곱 신경망(CNN)을 사용하여 임베딩 벡터를 추출한다. 그 이후 추출한 임베딩 벡터의 다변량 가우스 분포를 계산하여 정상 클래스의 분포 파라미터를 학습한다. 테스트 이미지에서의 이상 영역을 감지하기 위해 우선 정상 클래스를 나 타내는 참조 벡터와 테스트 이미지에서부터 추출한 임베딩 벡터 사이의 거리를 계산하여 이상치 맵을 생성한다. 그 이후 이상치 맵에서의 높은 스코어를 가지는 영역을 추출하는 방식으로 이상 영역을 감지할 수 있다. UCSD 데이터 셋을 사용하여 실험한 결과 우리가 제안한 방법이 다른 임베딩 유사성 기반 방법보다 이상 영역을 더 잘 감지할 수 있음을 보여준다. Anomaly detection focuses on the problem of localization or classification of anomaly regions in a video frame that deviated from their normal event. In this paper, we present embedding similarity-based anomaly detection in crowd scenes via object-centric augmentation. First, we locate the objects in all possible spaces in the images using our proposed object-centric augmentation technique. Then, we use a pre-trained convolutional neural network (CNN) to extract embedding vectors. After that, a probabilistic representation of the normal class is obtained by calculating multivariate Gaussian distributions of the embedding vectors. To detect the anomalous regions of a test image, the anomaly map is formed by calculating the distance between reference vectors representing normal class and embedding vectors of a test image. Finally, the anomalous regions can be detected by extracting the regions that contain a high anomaly score in the anomaly map. Experimental results show that our proposed method can detect anomalous regions better than another embedding similarity-based method on the UCSD dataset.
강재용,곽정환 한국컴퓨터정보학회 2021 韓國컴퓨터情報學會論文誌 Vol.26 No.5
Coronavirus disease 2019 (COVID-19) has affected the world seriously. Every person is required for wearing a mask properly in a public area to prevent spreading the virus. However, many people are not wearing a mask properly. In this paper, we propose an efficient mask detection system. In our proposed system, we first detect the faces of input images using YOLOv5 and classify them as the one of three scene complexity classes (Simple, Moderate, and Complex) based on the number of detected faces. After that, the image is fed into the Faster-RCNN with the one of three ResNet (ResNet-18, 50, and 101) as backbone network depending on the scene complexity for detecting the face area and identifying whether the person is wearing the mask properly or not. We evaluated our proposed system using public mask detection datasets. The results show that our proposed system outperforms other models. 코로나바이러스-19(COVID-19)의 대유행에 따라 전 세계 수많은 확진자가 발생하고 있으며 국민을 불안에 떨게 하고 있다. 바이러스 감염 확산을 방지하기 위해서는 마스크를 제대로 착용하는것이 필수적이지만 몇몇 사람들은 마스크를 쓰지 않거나 제대로 착용하지 않고 있다. 본 논문에서는 영상 이미지에서의 효율적인 마스크 감지 시스템을 제안한다. 제안 방법은 우선 입력 이미지의 모든 얼굴의 영역을 YOLOv5를 사용하여 감지하고 감지된 얼굴의 수에 따라 3가지의 장면복잡도(Simple, Moderate, Complex) 중 하나로 분류한다. 그 후 장면 복잡도에 따라 3가지ResNet(ResNet-18, 50, 101) 중 하나를 기반으로 한 Faster-RCNN을 사용하여 얼굴 부위를 감지하고마스크를 제대로 착용하였는지 식별한다. 공개 마스크 감지 데이터셋을 활용하여 실험한 결과 제안한 장면 복잡도 기반 적응적인 모델이 다른 모델에 비해 가장 성능이 뛰어남을 확인하였다.
목조 문화재 영상에서의 크랙을 감지하기 위한 임베딩 유사도 기반 딥러닝 모델
강재용(Jaeyong Kang),김인기(Inki Kim),임현석(Hyunseok Lim),곽정환(Jeonghwan Gwak) 한국컴퓨터정보학회 2021 한국컴퓨터정보학회 학술발표논문집 Vol.29 No.2
본 논문에서는 목조 문화재 영상에서의 변위 현상 중 하나인 크랙이 발생하는 영역을 감지하기 위한 임베딩 유사도 기반 모델을 제안한다. 우선 변위가 존재하지 않는 정상으로만 구성된 학습 이미지는 사전 학습된 합성 곱 신경망을 통과하여 임베딩 벡터들을 추출한다. 그 이후 임베딩 벡터들을 가지고 정상 클래스에 대한 분포의 파라미터 값을 구한다. 실제 추론 과정에 사용되는 테스트 이미지에 대해서도 마찬가지로 임베딩 벡터를 구한다. 그런 다음 테스트 이미지의 임베딩 벡터와 이전에 구한 정상 클래스를 대표하는 가우시안 분포정보와의 거리를 계산하여 이상치 맵을 생성하여 최종적으로 변위가 존재하는 영역을 감지한다. 데이터 셋으로는 충주시 근처의 문화재에 방문해서 수집한 목조 문화재 이미지를 가지고 정상 및 비정상으로 구분한 데이터 셋을 사용하였다. 실험 결과 우리가 제안한 임베딩 유사도 기반 모델이 목조 문화재에서 크랙이 발생하는 변위 영역을 잘 감지함을 확인하였다. 이러한 결과로부터 우리가 제안한 방법이 목재 문화재의 크랙 현상에 대한 변위 영역 검출에 있어서 매우 적합함을 보여준다.
친환경 검정색 염료 개발을 위한 Ketapang과 오배자의 특성 비교
강재용 ( Jae-yong Kang ),이정은 ( Jung-eun Lee ),김성연 ( Sung-yeon Kim ),박근태 ( Geun-tae Park ),박장수 ( Jang-su Park ) 한국환경과학회 2018 한국환경과학회지 Vol.27 No.6
The purpose of this study was to develop environmentally friendly black dye by comparing Ketapang and Gallnut, that have been traditionally used as a black dye. As a result of FT-IR and UV-Vis spectrophotometer analysis, Ketapang was characterized by condensed tannin, while Gallnut showed hydrolyzable tannin. Due to the dyeability characteristic analysis, the color fastness of the non-mordant dye was slightly lowered to grades 1-3. In the dry-cleaning fastness test, both non-mordant and iron mordant were excellent, in grade 4-5, and the daylight fastness was excellent grade 3-5 too. The L* values of Ketapang were 26.93 (pre-mordant) and 29.39 (post-mordant), which were higher than those of Gallnut, 41.90 (pre-mordant) and 43.02 (post-mordant), indicating that Ketapang was more easily colored as a black dye than Gallnut. Key words
전시영,변종필,강재용,전재홍 대한비과학회 1998 Journal of rhinology Vol.5 No.2
Allergic fungal sinusitis (AFS) is a benign, noninvasive form of fungal sinusitis. Histologically, AFS is characterized by allergicmucin, which consists of eosinophilic mucinous material with occasional laminar deposits of eosinophils. A diagnosis ofAFS can be made when there is a demonstration of characteristic allergic mucin and an appearance of fungal hypae scatteredwithin the mucin with no evidence of tissue invasion, or when fungi cultures yield positive results. Until now, no cases of AFShave been reported in Korea, though there have been many cases of mycetomas and a few cases of invasive fungal sinusitis. Wepresent the first two cases of AFS in Korea. The patients demonstrated characteristic allergic mucin, fungal hypae scattered withinthe mucin, and no evidence of tissue invasion on histopathology. Nasal polyps, involvement of the unilateral sinuses, peripheraleosinophilia, an elevated total IgE, and hyperattenuated masses observed in the CT supported the diagnosis of AFS. Thepatients recovered and did not display recurrence after surgery and treatment with topical steroids and saline irrigation.