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 : 한승회 (검색결과 17 건)
- 무료
- 기관 내 무료
- 유료
-
한승회,Han, Seung-Hoe 대한디지털의료영상학회 2002 대한디지털의료영상학회논문지 Vol.5 No.1
대조도와 관용도사이의 손실 교환은 투사 방사선 촬영에 있어서 잘 알려져 있고 또한 오랫동안 지속되어온 영상의 질에 있어서의 제약이었다. 전자적인 영상획득의 도입으로 한 영상 내에 넓은 영역의 X-Tay 노출을 포획하는 것이 가능해 졌다. 그러나, 진단에 필요한 세부영역 들을 위해 적절한 대조도를 유지하는 반면, 일반적으로 기대되는 관용도 범위 이외의 정보가 시각화 되어지는 것과 같은 영상의 rendering과 displaying의 문제가 남아 있었다. 이 문서에 묘사되는 EVP(Enhanced Visualization Processing)는 이 문제를 중점적으로 다룬다. 방대한 진단용 CR 영상 데이터베이스로부터 선택된 14개의 검사유형 당 각각 5개의 영상들을 포함한, 총 70개의 영상들을 사용하여 임상 보고서가 제출되었다. 각 영상에 대해, control rendering은 현재 개발되어 있는 automatic tone scaling algorithm(자동 톤 스케일 알고리즘)에 의해 생성되었고, test rendering은 그 control of image에 EVP를 인가함에 의해 생성되었다. 10명의 radiologist들은 각자 개별적으로 140개의 이미지들(70개의 test renderings와 70개의 control renderings)을 9점의 진단 상의 품질 척도로 평가했다. EVP는 세부 대조도의 부당한 손실 없이 증가된 노출 관용도를 제공했다. 많은 영상에서 EVP는 과소 투과 영역에서의 정보의 손실을 줄여주고, 반면 과다 투과 영역의 밝게 빛나는 현상을 실제적으로 감소시켰다. 진단상의 품질 평가는 EVP image와 control image 모두 평균적으로 높았다. 그럼에도 EVP images의 평균 등위는 control image의 그것보다 1 단계 완전히 높은 범위에 있는 것으로 평가되었다. 쌍으로 그 영상들을 보면, EVP images의 76%가 일치하는 control images의 평가 단계보다 1 또는 그 이상 높은 범주인 것으로 평가되었고, 반면 control image의 6% 만이 일치하는 EVP 영상보다 우수한 것으로 평가되었다. 유사한 결과가 연구된 14개의 검사유형에 대해 획득되었다.
-
Gold-sapphire Plasmonic Nanostructures for Coherent Extreme-ultraviolet Pulse Generation
한승회 한국광학회 2022 Current Optics and Photonics Vol.6 No.6
Plasmonic high-order harmonic generation (HHG) is used in nanoscale optical applications because it can help in realizing a compact coherent ultrashort pulse generator on the nanoscale, using plasmonic field enhancement. The plasmonic amplification of nanostructures induces nonlinear optical phenomena such as second-order harmonic generation, third-order harmonic generation, frequency mixing, and HHG. This amplification also causes damage to the structure itself. In this study, the plasmonic amplification according to the design of a metal-coated sapphire conical structure is theoretically calculated, and we analyze the effects of this optical amplification on HHG and damage to the sample.
-
-
-
-
-
-
임의배율 초해상도를 위한 하이브리드 도메인 고주파 집중 네트워크
윤준석,이성진,유석봉,한승회,Yun, Jun-Seok,Lee, Sung-Jin,Yoo, Seok Bong,Han, Seunghwoi 한국정보통신학회 2021 한국정보통신학회논문지 Vol.25 No.11
최근 이미지 초해상도는 정수배율만 가능한 모델에만 집중적으로 연구되고 있다. 하지만 관심 객체 인식, 디스플레이 화질 개선 등 실제 초해상도 기술의 대표 적용 분야에서는 소수 배율을 포함하는 임의배율 확대 필요성이 대두되고 있다. 본 논문에서는 기존 정수배율 모델의 가중치를 활용하여 임의배율을 실행할 수 있는 모델을 제안한다. 이 모델은 정수배율에 의해 우수한 성능을 가진 초해상도 결과를 DCT 스펙트럼 도메인으로 변환하여 임의배율을 위한 공간을 확장한다. DCT 스펙트럼 도메인에 의한 확장으로 인해 발생하는 이미지의 고주파 정보 손실 문제를 줄이기 위해 고주파 스펙트럼 정보를 적절히 복원할 수 있는 모델인 고주파 집중 네트워크를 제안한다. 제안된 네트워크는 고주파 정보를 제대로 생성하기 위해서 RGB 채널간의 상관관계를 학습하는 레이어인 channel attention을 활용하고, 잔차 학습 구조를 통해 모델을 깊게 만들어 성능을 향상시켰다. Recently, super-resolution has been intensively studied only on upscaling models with integer magnification. However, the need to expand arbitrary magnification is emerging in representative application fields of actual super-resolution, such as object recognition and display image quality improvement. In this paper, we propose a model that can support arbitrary magnification by using the weights of the existing integer magnification model. This model converts super-resolution results into the DCT spectral domain to expand the space for arbitrary magnification. To reduce the loss of high-frequency information in the image caused by the expansion by the DCT spectral domain, we propose a high-frequency attention network for arbitrary magnification so that this model can properly restore high-frequency spectral information. To recover high-frequency information properly, the proposed network utilizes channel attention layers. This layer can learn correlations between RGB channels, and it can deepen the model through residual structures.
-
임의배율 초해상도를 위한 하이브리드 도메인 고주파 집중 네트워크
윤준석,이성진,유석봉,한승회,Yun, Jun-Seok,Lee, Sung-Jin,Yoo, Seok Bong,Han, Seunghwoi 한국정보통신학회 2021 한국해양정보통신학회논문지 Vol.25 No.11
최근 이미지 초해상도는 정수배율만 가능한 모델에만 집중적으로 연구되고 있다. 하지만 관심 객체 인식, 디스플레이 화질 개선 등 실제 초해상도 기술의 대표 적용 분야에서는 소수 배율을 포함하는 임의배율 확대 필요성이 대두되고 있다. 본 논문에서는 기존 정수배율 모델의 가중치를 활용하여 임의배율을 실행할 수 있는 모델을 제안한다. 이 모델은 정수배율에 의해 우수한 성능을 가진 초해상도 결과를 DCT 스펙트럼 도메인으로 변환하여 임의배율을 위한 공간을 확장한다. DCT 스펙트럼 도메인에 의한 확장으로 인해 발생하는 이미지의 고주파 정보 손실 문제를 줄이기 위해 고주파 스펙트럼 정보를 적절히 복원할 수 있는 모델인 고주파 집중 네트워크를 제안한다. 제안된 네트워크는 고주파 정보를 제대로 생성하기 위해서 RGB 채널간의 상관관계를 학습하는 레이어인 channel attention을 활용하고, 잔차 학습 구조를 통해 모델을 깊게 만들어 성능을 향상시켰다. Recently, super-resolution has been intensively studied only on upscaling models with integer magnification. However, the need to expand arbitrary magnification is emerging in representative application fields of actual super-resolution, such as object recognition and display image quality improvement. In this paper, we propose a model that can support arbitrary magnification by using the weights of the existing integer magnification model. This model converts super-resolution results into the DCT spectral domain to expand the space for arbitrary magnification. To reduce the loss of high-frequency information in the image caused by the expansion by the DCT spectral domain, we propose a high-frequency attention network for arbitrary magnification so that this model can properly restore high-frequency spectral information. To recover high-frequency information properly, the proposed network utilizes channel attention layers. This layer can learn correlations between RGB channels, and it can deepen the model through residual structures.
-
박선후,윤준석,유석봉,한승회 한국정보통신학회 2022 한국정보통신학회논문지 Vol.26 No.8
Object recognition is carried out using RGB images in various object recognition studies. However, RGB images in dark illumination environments or environments where target objects are occluded other objects cause poor object recognition performance. On the other hand, IR images provide strong object recognition performance in these environments because it detects infrared waves rather than visible illumination. In this paper, we propose an RGB-IR fusion model, high-frequency interchange network (HINet), which improves object recognition performance by combining only the strengths of RGB-IR image pairs. HINet connected two object detection models using a mutual high-frequency transfer (MHT) to interchange advantages between RGB-IR images. MHT converts each pair of RGB-IR images into a discrete cosine transform (DCT) spectrum domain to extract high-frequency information. The extracted high-frequency information is transmitted to each other's networks and utilized to improve object recognition performance. Experimental results show the superiority of the proposed network and present performance improvement of the multispectral object recognition task. RGB 이미지를 활용하는 다양한 객체 인식 분야에서 조도가 어둡거나 특정 물체에 의해 가려진 환경에서의 RGB 이미지는 객체 인식 성능 저하를 일으킨다. IR 이미지는 가시광선이 아닌 적외선 파동을 감지하기 때문에 이러한 환경에서 강인한 객체 인식 성능을 가질 수 있고, RGB-IR 이미지 쌍을 가지고 각자의 강점을 결합 하는 것을 통해 객체 인식 성능을 향상시킬 수 있다. 본 논문에서는 RGB-IR 이미지 쌍의 강점만을 결합하여 객체 인식 성능을 향상시키는 다중 스펙트럼 융합 모델인 high-frequency interchange network (HINet)을 제안한다. HINet은 RGB-IR 이미지 간 주요 정보를 교환하기 위해 두 가지 객체 인식 모델을 mutual high-frequency transfer (MHT)를 이용하여 연결하였다. MHT에서는 RGB-IR 이미지 쌍 각각을 discrete cosine transform (DCT) 스펙트럼 도메인으로 변환하여 고주파 정보를 추출한다. 추출된 고주파 정보는 서로의 네트워크에 전달되어 객체 인식성능 향상을 위해 활용되어 진다. 실험 결과는 제안하는 네트워크의 우수성을 보이며 다중 스펙트럼 객체 인식 성능을 향상시키는 것을 확인할 수 있다.
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
