http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
군사용 SAR 이미지 초해상화를 위한 딥러닝 기반의 네트워크 구조에 관한 연구
류제민(Jemin Ryu),마정목(Jungmok Ma) (사)한국CDE학회 2021 한국CDE학회 논문집 Vol.26 No.2
The Republic of Korea military is using SAR(Synthetic Aperture Radar) geographic intelligence to deal with security threats. However, human experts have difficulty on analyzing acquired SAR images and identifying military targets due to low resolution. In this paper, we study the deep learning-based network architecture fit for the super-resolution of military SAR images. Previous military SAR image super-resolution studies mainly conducted on improving the results of super-resolution, but it was difficult to find studies on network architecture. The proposed neural network is a deep learning-based super-resolution networks. And it consists of input, learning, upsampling, and output layers with real military SAR images. We show and experiment with networks for super-resolution of military SAR images, while focusing on the input and upsampling layers. Experiment results show that we able to find a suitable architecture of input and upsampling layers is discussed.
초해상화 기반 CNN을 이용한 군사용 SAR 자동표적인식 모델 연구
류제민(Jemin Ryu),마정목(Jungmok Ma) 제어로봇시스템학회 2022 제어·로봇·시스템학회 논문지 Vol.28 No.1
Herein, we propose employing the super-resolution-based convolutional neural network (CNN) to design the automatic target recognition (ATR) of military synthetic aperture radar (SAR) images. Previous SAR ATR methods showed a good recognition performance with a low depression angle, but poor performance with a high depression angle. In a warfighting environment, good recognition performance is required even with a high depression angle. To address this issue, we combine the super-resolution method and the CNN. In comparison with the conventional VGGnet with a high depression angle, the proposed super-resolution-based CNN showed a 3%-4% improvement in accuracy. The MSTAR SAR dataset was utilized for validation.
류제민 ( Je-min Lyoo ),박석천 ( Seok-cheon Park ),박영섭 ( Young-sup Park ) 한국정보처리학회 2012 한국정보처리학회 학술대회논문집 Vol.19 No.1
고혈압과 같은 만성질환 환자들은 약물치료 외에도 운동, 식습관 조절등과 생활습관 개선을 위해 꾸준한 자가관리가 필요하다. 본 논문은 최근 대중적으로 보급되고 있는 스마트폰을 통해 이러한 고혈압 환자들의 자가관리를 돕기 위한 프로그램을 개발하고자 한다.
노드 중심성을 이용한 효율적 네트워크 토폴로지 시각화 연구
장범환,류제민,권구형 한국융합보안학회 2021 융합보안 논문지 Vol.21 No.2
그래프 시각화 이론에 근간을 둔 네트워크 토폴로지 시각화는 복잡한 네트워크의 전체 구조와 노드간의 상호작용을 보다 이해하기 쉽게 만든다. 네트워크 토폴로지를 시각화하는 도구는 과거부터 많이 개발되었지만, 일정 수준의 기능을 갖춘 도구 들은 도구마다 고유한 네트워크 구성 정보(노드의 식별자, 종류, 속성, 연결된 노드 등)를 입력으로 요구하기 때문에 범용적으 로 사용하기 어렵다. 반면에 최소한의 네트워크 구성 정보인 노드간의 연결만을 사용하는 도구들은 네트워크의 실제 연결 형 태를 표시하는 기능이 부족하다. 본 논문에서는 네트워크 노드간의 연결 정보만을 이용하여 토폴로지를 시각화하는 효율적인 방법을 제안한다. 이 방법은 네트워크에서 노드의 영향력을 나타내는 중심성 지수를 활용하여 중심노드를 찾고, 자식노드의 가중치를 이용하여 전체 노드들의 표시 영역을 동적 분할한 후 3D 공간 상에 노드들을 배치함으로써 토폴로지를 시각화한다. 매우 간단한 방법이지만 노드간의 연결 정보만으로 실제 네트워크 연결 형태를 시각화할 수 있다. Network topology visualization has been studied a lot since the past and developed with many tools. The network topology has strength in understanding the overall structure of a network physically and is useful for understanding data flow between nodes logically. Although there are existing tools, not many can be utilized efficiently while using the general network node data structure and express the topology similar to the actual network structure. In this paper, we propose an efficient method to visualize topology using only connection information of network nodes. The method finds the central node by using the centrality, the influence of nodes in the network, and visualizes the topology by dynamically segmenting all nodes and placing network nodes in 3D space using the weight of the child node. It is a straightforward method, yet it effectively visualizes in the form of an actual network structure.