http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 윤상빈(Sang Bin Yun) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
-
단체줄넘기 운동이 초등학생의 작업기억력과 주의집중력에 미치는 영향
윤상빈(Sang-Bin Yun),호은석(Eun-Seok Ho),김경래(Kyeong-Lae Kim) 한국교원대학교 뇌기반교육연구소 2019 Brain, Digital, & Learning Vol.9 No.3
The purpose of this study is to investigate the effect of group jump rope program for 12 weeks on working memory and attention in elementary school students. In order to achieve the purpose of this study, we conducted a task memory test for fifth grade students at J elementary school in T city. The participants were 24 students which they were divided into 2 groups randomly(EG: 12, CG: 12). The exercise program was performed for 40 minutes, 3 times a week for 12 weeks. The t-test was used to analyze the differences within and between two groups. After the experiment for 12 weeks, there were a significant differences statistically in number of memorization, sequential connection, arithmetic(working memory) in exercise group and sequential connection in control group. There was a significant difference between two groups in sequential connection. After the experiment for 12 weeks, there were a significant differences statistically in P and C, but no differences in the control group. There was a statistically significant difference in Q and C between two groups. In conclusion, the 12-week group jump rope program was an effective program to help improving working memory and attention in fifth grade elementary school girls. It can be used as an important data for development of exercise program.
-
실내 조명변화 환경에서 깊이 정보를 활용한 의미론적 영상 분할 방법
윤상빈(Sang Bin Yun),정순기(Soon Ki Jung) 한국정보과학회 2022 정보과학회 컴퓨팅의 실제 논문지 Vol.28 No.2
실내 환경은 주로 조명이 다양한 장면을 가지고 있다. 실내 환경에서 기존의 의미론적 영상 분할 방법을 이용할 경우 영상이 가지는 평균적인 조명 값보다 많이 어둡거나 강한 조명이 물체의 표면에 적용될 경우 해당 물체의 경계면에서 매끄럽게 영상 분할을 하지 못한다. 따라서 본 논문에서는 실내의 조명변화가 있는 환경에서 기존의 의미론적 영상 분할 모델에서 깊이 정보를 통합하여 조명변화에 강인하게 물체를 영상 분할 할 수 있는 방법을 제안한다. 제안하는 모델은 ESANet을 기반으로 하고 깊이 이미지로는 깊이 카메라를 통해 나온 원본 깊이 이미지에서 3개의 채널로 인코딩한 HHA 깊이이미지를 사용한다. 이때 깊이 이미지는 RGB 모델의 특징맵에 통합되어 네트워크가 학습된다. 본 논문의 실험에서는 제안된 모델을 NYUv2데이터 셋을 이용하여 학습을 진행하였고 조명변화가 있는 데이터셋을 이용하여 조명에 의해 불분명한 경계 부분을 기존의 의미론적 영상분할 모델보다 강인하게 분할할 수 있는 실험 결과를 보였다. 또한 제안된 깊이 이미지가 모델 최종 성능을 향상시킬 수 있다는 것을 mIoU 성능을 통해 비교 분석하였다. The indoor environment has a variety of lighting scenes. When using the existing semantic segmentation methods in indoor environments, that is not segment precisely at the boundary of the object if illumination stronger and darker than the average illumination value of the image is applied to the surface of the object. Therefore, in this paper, we proposed a method to integrate depth information from the existing semantic segmentation models in an environment with indoor illumination changes so that objects can be image segmented robustly to illumination changes. The proposed model was based on ESANet and uses HHA depth images encoded in three channels from the raw depth images of depth cameras as the depth images. At this time, depth information is integrated into the feature map of the RGB model so that the network is learned. In the experiments in this study, the proposed model was learned using NYUv2 datasets,. and the illuminated datasets, the experimental results showed that the boundaries unclear due to illumination changes could be more robustly segmented than by using the existing semantic segmentation model. Furthermore, the mIoU metric was compared and analyzed, and showed that the proposed depth image could improve the model"s final performance.
-
KCI연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
