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 : 윤하영(Ha-Yeong Yoon) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
자가지도 학습 및 도메인 적응을 이용한 도로 상태 분류 기법
윤하영(Ha-Yeong Yoon),김정화(Jung-Hwa Kim),정재엽(JaeYeop Jeong),정진우(Jin-Woo Jeong) 대한전자공학회 2021 대한전자공학회 학술대회 Vol.2021 No.6
This paper presents a system for classification of road surface conditions based on self-supervised learning and domain adaptation. To this end, depth and infrared road images were taken and domain adaptation was attempted using ImageNet-based pretrained models. Our experimental results show that transfer learning based on self-supervised pretrained models with depth images shows 3% higher accuracy than transfer learning based on the traditional supervised pretrained model.
-
-
사회 안전망 확충을 위한 모바일 360 영상에서의 딥러닝 기반 이벤트 인식 기술
윤하영(Ha Yeong Yoon),김다운(Daun Kim),오지연(JiYeon Oh),홍수민(Sumin Hong),서지흔(Ji-Heun Seo),정진우(Jin-Woo Jeong) 한국HCI학회 2023 한국HCI학회 학술대회 Vol.2023 No.2
최근 공공장소에서의 위험 상황 발생에 의해 사회적으로 국민의 불안감이 심화되면서 범죄 및 사고 예방에 대한 경각심이 높아지고 있다. 그러나 현재 시행되고 있는 사회 안전 관련 방안들의 경우 효과가 불분명하거나 높은 운용 비용으로 지속가능성이 낮다는 단점이 있다. 본 논문에서는 보다 견고한 사회 안전망 확충을 위하여 모바일 360 영상에서의 딥러닝 기반 이벤트 인식 기술을 제안한다. 먼저, 수집한 360 영상에서 위험 상황을 인식하기 위하여 영상에서 추출한 음원 데이터를 바탕으로 트랜스포머 기반 사운드 분류 모델을 학습하고 위험 소리 분류에 대한 정량평가를 진행하였다. 또한, 사운드 기반 관심 영역 탐지기법을 적용하여 360 영상에서 위험 영역에 대한 정보를 실시간으로 시각화할 수 있도록 하였다. 본 연구 결과를 통해 사건/사고 발생 지역을 신속하게 인식 가능하여 사회 안전망 확충에 기여할 수 있을 것이라 기대한다.
-
모바일 환경을 고려한 딥러닝 기반 모델의 유방암 분류 비교 실험
윤하영(Ha-Yeong Yoon),최세운(Se-woon Choe),정진우(Jin-Woo Jeong) 한국HCI학회 2023 한국HCI학회 학술대회 Vol.2023 No.2
유방암은 전 세계적으로 여성들에게서 많이 발생하는 심각한 질병이다. 최근 딥러닝 발전과 더불어 유방암 진단의 보조적인 역학을 하는 Computer-aid detection/diagnosis (CAD) 시스템이 많이 발전했으나 최근 vision transformer (ViT) 나 MLP-Mixer 를 기반으로 하는 최신 모델의 유방암 분류 성능 비교 연구는 미비한 상황이다. 또한 Mobile 환경으로의 CAD 시스템의 이식에 대한 연구가 활발하게 진행되고 있어, 비교연구가 단순히 모델의 정확도에 국한되지 않고 자원이 제한된 모바일 환경으로의 전환이 용이하도록 효율성에 대해서도 같이 살펴보아야 필요성이 높아졌다. 그렇기 때문에 본 연구에서는 전통적인 CNN 모델뿐만 아니라 ViT 및 MLPMixer 기반의 모델들에 대한 정확도 및 효율성에 대한 비교 연구를 진행하였다. 5 개의 모델 중에서 ViT 기반 모델인 MobileViT-S 모델이 가장 높은 정확도인 0.7477 을 달성하였으며, 짧은 훈련 시간을 소모하여 유방암 분류 과제에서의 최선의 모델임을 알 수 있다.
-
딥러닝 기반 전동킥보드 헬멧 착용여부 감지 기법의 제안 및 성능 평가
김다운(Daun Kim),윤하영(Ha-Yeong Yoon),정진우(Jin-Woo Jeong) 대한인간공학회 2021 대한인간공학회 학술대회논문집 Vol.2021 No.11
Objective: 전동킥보드에 거치된 스마트폰의 전면 카메라를 활용하여 사용자의 헬멧 착용 여부를 감지할 수 있는 시스템을 제안하고, 다양한 객체 인식 알고리즘들을 활용해 도출한 성능을 비교 분석하고자 한다. Background: 최근 전동킥보드 사용량이 급증함에 따라 안전사고도 증가하고 있다. 이에 정부는 헬멧 착용을 의무화하도록 도로교통법을 개정했으나, 헬멧 착용자는 16%에 불과한 상황이며 단속과 처벌 또한 어려운 상황이다. CCTV를 통한 단속을 진행한다고 하더라도 즉각적으로 제재하는 데 어려움이 있기 때문에 헬멧 미착용 시 사용자에게 즉각적인 규제를 적용할 수 있고 헬멧 착용률도 향상시킬 수 있는 새로운 방법이 필요한 상황이다. Method: 킥보드의 넥 중앙부에 얼굴을 올려다보는 각도로 스마트폰을 설치하고 주행 장면을 촬영하여 2,400장의 이미지를 수집하였다. 총 6명의 사용자를 대상으로 주간에 평평한 지형에서 촬영을 진행하였으며, 사용자별로 헬멧 착용 이미지, 헬멧 미착용 이미지를 각각 200장씩 수집하였다. 객체 인식을 위한 딥러닝 모델인 Faster-R-CNN, YOLOv3, DETR, Deformable DETR을 이용하여 30/100epoch 동안 학습을 진행하여 헬멧 착용 여부 판별 결과를 도출하였다. 딥러닝 학습 시, 학습 데이터는 1,680장, 검증 데이터는 240장, 테스트 데이터는 480장을 이용하였다. Results: 30 epoch 동안 학습을 진행한 경우 Faster-R-CNN, YOLOv3-320, YOLOv3-416, YOLOv3-608, DETR, Deformable DETR의 mAP는 각각 0.9, 0.693, 0.631, 0.38, 0.853, 0.879로 나타났다. 한편, 100 epoch 동안 학습한 경우, mAP는 각각 0.899, 0.785, 0.819, 0.783, 0.882, 0.905로 변화하였다. Epoch을 증가시켰을 때 YOLOv3가 다른 모델에 비해 더욱 큰 차이를 보였으며, 416 416 입력 기반모델의 성능이 가장 높은 것으로 평가되었다. 한편, 사용자의 정면에서 촬영된 헬멧 공개 데이터 730장으로 학습을 진행하고 본 연구에서 수집한 데이터를 대상으로 테스트를 진행한 경우 0.065~0.241의 현저히 낮은 ㎃P 수치를 확인할 수 있었다. Conclusion: 본 연구에서 제안한 환경에서 다양한 딥러닝 기반 객체 인식 모델들이 0.78 이상의 ㎃P를 보이며 주행 중 사용자 헬멧 착용 여부 감지 가능성을 확인할 수 있었다. 반면, 사용자 정면에서 촬영된 공개 헬멧 데이터만을 이용하여 학습한 모델의 경우 헬멧 착용 여부 판별에 한계가 있음을 알 수 있었다. Application: 본 연구 결과를 토대로 사용자의 편의성과 안전성을 고려하여 킥보드 내부에 소형 카메라를 탑재하고 헬멧 착용 여부를 인식할 수 있는 방향으로 확장 연구를 수행할 계획이며, 이는 헬멧 착용률 향상을 위한 인프라로 활용될 수 있을 것으로 기대된다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
