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 : 최재협 (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
수술 도구의 세분화와 행동 인식 기능이 탑재된 AI 서비스 개발
최재협,이해진,정창욱,정희철 대한임베디드공학회 2021 대한임베디드공학회논문지 Vol.16 No.2
In this paper, we propose an artificial intelligence (AI) service that plays a supportive role in robot assisted-surgery using deep learning algorithm that have recently been spotlighted in several fields. The proposed AI service is equipped with the ability to segment surgical tools and the ability to recognize the behavior of surgical tools. In addition, such AI service is opened using public web page to make them easier for surgeons to use. Models mounted on AI service are segmentation deep learning model and action recognition deep learning model. The segmentation deep learning model showed a final mIoU performance of 0.867 for seven surgical tools, and the action recognition deep learning model shows an accuracy of 86.96% for the opening and closing actions of all surgical tools.
-
최재협(JaeHyeop Choi),권도영(Doyoung Kwon),이민호(Minho Lee) 대한전자공학회 2019 대한전자공학회 학술대회 Vol.2019 No.11
A brain tumor is a mass, or lump in the brain which is caused when brain cells divide and grow in an uncontrolled way. Brain tumor surgery may be difficult, but it is also incredibly important. So Detection of tumor is important to make a diagnosis and treat of the disease. Recently, AI would be able to get higher accuracy than a medical image judged by a doctor. In this paper, a model with the best efficiency is proposed in brain tumor detection and Mask R-CNN training and test using enhanced Mask R-CNN by combining group normalization and U-Net. This paper uses brain tumor data from Medical Segmentation decathlon 2018. The results of the proposed Mask R-CNN showed that the brain MRI image was bound boxed in areas containing brain tumors, carefully masking the brain tumor. When using group normalization and U-Net, the dice coefficient is 0.8196. When not using group normalization and U-Net, the dice coefficient is 0.7749, which confirms that the former model has a high average accuracy.
-
딥러닝 기반 벵골어 수기 문자 인식 : Kaggle Bengali.AI 대회를 중심으로
이채현(Chaehyeon Lee),최재협(Jaehyeop Choi),정희철(Heechul Jung) 대한전자공학회 2020 전자공학회논문지 Vol.57 No.9
최근 Kaggle에서는 벵골어 인식을 위한 새로운 데이터 셋이 공개되었고 Bengali.AI라는 국제적인 대회가 열렸다. 본 연구에서는 Bengali.AI 대회에 참가하여 달성한 결과에 대해 공유하고자 한다. 벵골어 문자는 다른 언어에 비해 구조가 복잡하기 때문에 다른 언어의 인식보다 벵골어 문자에 대한 인식이 더 어렵다. 벵골 수기 데이터 셋에 대한 인식 알고리즘을 개발하기 위해서는 주어진 수기 벵골 영상에서 그래핌 루트(Grapheme root), 모음 디아크리틱스(Vowel diacritic), 자음 디아크리틱스(Consonant diacritic) 세 가지 성분을 개별적으로 분류해야 했다. 본 연구에서는 이러한 벵골 수기 데이터 세트에 대해 세 개의 출력을 갖는 branch를 갖는 모델을 기반으로 GhostNet, EfficientNet, SENet 등 세 가지 backbone 아키텍처를 이용하여 인식을 수행하였다. 나아가 Mixup, Cutout, Cutmix, GridMask 등 4가지 데이터 증강 방법에 대해 비교 분석하여 인식률 향상을 꾀하였다. 결론적으로 우리는 GridMask 데이터 증강 기법을 사용한 EfficientNet-B5 1개, SE-ResNeXt-50 2개를 이용한 앙상블 네트워크를 기반으로 93.74%의 최고 정확도를 달성하였으며, 이 결과는 Kaggle 벵갈리 대회에 참가하는 2,059개 팀 중 상위 3.1%에 해당한다. Recently, a new dataset for a Bengali recognition was released at Kaggle and an international challenge called Bengali.AI was held. In this paper, we share the results of our participation in the competition. Since Bengali character has a more complex structure than other languages, recognition of Bengali character is more challenging than the recognition of other languages. To develop the recognition algorithm on Bengali handwritten dataset, we had to classify three components individually: Grapheme root, Vowel diacritics, and Consonant diacritics from a given handwritten Bengali image. We propose a method to improve the performance of recognition for Bengali handwritten dataset in this paper. In order to compare the quality of different models and find the optimal strategy to get better accuracies, we have trained several models based on three modern architectures (GhostNet, EfficientNet, SENet). Furthermore, we have analyzed four kinds of data augmentation methods such as Mixup, Cutout, Cutmix, and GridMask. Finally, we have achieved the best accuracy of 93.74% based on an ensemble network using one EfficientNet-B5 and two SE-ResNeXt-50 with GridMask data augmentation, and this result is the top 3.1% of the 2,059 teams participating in the Kaggle Bengali.AI challenge.
ScienceON
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
