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 : Jaepil Ko(고재필) (검색결과 28 건)
- 무료
- 기관 내 무료
- 유료
-
고재필(Jaepil Ko),김은주(Eunju Kim),변혜란(Hyeran Byun) 한국정보과학회 2004 정보과학회논문지 : 소프트웨어 및 응용 Vol.31 No.1
얼굴인식은 외관기반(appearance-based) 매칭기법으로 풀어야 할 문제 중의 하나이다. 그러나, 얼굴영상의 외관은 조명 변화에 매우 민감하다. 얼굴인식 성능을 향상시키기 위해서는 다양한 조명 아래에서 다양한 학습 데이타를 수집해야 하나, 실제로는 데이타 수집이 용이하지 않다. 따라서, 성능향상을 위해서 다양한 데이타를 학습시키는 것 보다 다양한 조건의 데이타를 정규화 하는 기법에 주목하는 것이 바람직하다. 본 논문에서는 방향성 조명 아래에서 취득한 얼굴영상을 정규화 할 수 있는 간단한 방법을 제안한다. 조명 문제는 얼굴인식 시스템에서 오류를 일으키는 가장 중요한 요인중 하나이다. 제안하는 방법을 ICR(Illumination Compensation based on Multiple Linear Regression)이라 명명하였다. 본 방법에서는 다중회귀분석 모델을 사용하여 얼굴영상의 화소 밝기 값 분포에 가장 잘 맞는 평면을 찾은 후 이 평면을 이용하여 얼굴영상을 정규화 한다. 제안하는 방법의 장점은 간단하고 실용적이며, 얼굴영상의 밝기 값 분포에 대한 평면 근사가 선형모델에 의해 수학적으로 정의된다는 점이다. 얼굴인식에서 제안하는 방법의 성능 향상을 보여주기 위해 공개 및 자체 구축 데이타 베이스에 대한 실험 결과를 제시한다. 실험 결과 두드러진 얼굴인식 성능 향상을 보여주었다. Face recognition is one of the problems to be solved by appearance based matching technique. However, the appearance of face image is very sensitive to variation in illumination. One of the easiest ways for better performance is to collect more training samples acquired under variable lightings but it is not practical in real world. In object recognition, it is desirable to focus on feature extraction or normalization technique rather than focus on classifier. This paper presents a simple approach to normalization of faces subject to directional illumination. This is one of the significant issues that cause error in the face recognition process. The proposed method, ICR(Illumination Compensation based on Multiple Linear Regression), is to find the plane that best fits the intensity distribution of the face image using the multiple linear regression, then use this plane to normalize the face image. The advantages of our method are simple and practical. The planar approximation of a face image is mathematically defined by the simple linear model. We provide experimental results to demonstrate the performance of the proposed ICR method on public face databases and our database. The experimental results show a significant improvement of the recognition accuracy.
-
-
-
Support Vector Machines을 이용한 다중 클래스 문제 해결
고재필(Jaepil Ko) 한국정보과학회 2005 정보과학회논문지 : 소프트웨어 및 응용 Vol.32 No.12
최근 기계학습 분야에서 커널머신을 이용한 대표적 학습기로 Support Vector Machines(SVM)이 주목 받고 있다. SVM은 통계적 학습이론에 기반하여 뛰어난 일반화 성능을 보여주며, 다양한 패턴인식 문제에 적용되고 있다. 그러나, SVM은 이진 분류기이므로 일반적인 다중 클래스 문제에 곧바로 적용할 수 없다. SVM을 다중 클래스 문제의 하나인 얼굴인식에 도입하기 위한 방법으로는, One-Per-Class와 All-Pairs가 대표적이다. 상기 두 방법은 다중 클래스 문제를 여러 개의 이진 클래스 문제로 분할하고, 이들을 다시 종합하여 최종 결정을 내리는 출력코딩이라는 일반적인 방법에 속한다. 본 논문에서는 이진 분류기인 SVM의 다중 클래스 분류기 확장 방안으로 출력코딩 방법론을 설명한다. 또한 출력코딩 방법론의 대표적인 이론적 기반인 ECOC(Error-Correcting Output Codes)를 근간으로 하는 새로운 출력코딩 방법들을 제안하고, 얼굴인식 실험을 통해 SVM을 기반 분류기로 사용할 경우의, 출력코딩 방법의 특성을 비교 · 분석한다. Support Vector Machines (SVM) is well known for a representative learner as one of the kernel methods. SVM which is based on the statistical learning theory shows good generalization performance and has been applied to various pattern recognition problems. However, SVM is basically to deal with a two-class classification problem, so we cannot solve directly a multi-class problem with a binary SVM. One-Per-Class (OPC) and All-Pairs have been applied to solve the face recognition problem, which is one of the multi-class problems, with SVM. The two methods above are ones of the output coding methods, a general approach for solving multi-class problem with multiple binary classifiers, which decomposes a complex multi-class problem into a set of binary problems and then reconstructs the outputs of binary classifiers for each binary problem. In this paper, we introduce the output coding methods as an approach for extending binary SVM to multi-class SVM and propose new output coding schemes based on the Error-Correcting Output Codes (ECOC) which is a dominant theoretical foundation of the output coding methods. From the experiment on the face recognition, we give empirical results on the properties of output coding methods including our proposed ones.
-
-
고재필(Jaepil Ko),변혜란(Hyeran Byun) 한국정보과학회 2000 정보과학회논문지 : 소프트웨어 및 응용 Vol.27 No.11
얼굴영역을 추출하기 위한 방법은 크게 얼굴의 지형적 특징추출에 기반한 방법과 얼굴형판 정합에 기반한 방법으로 분류할 수 있다. 일반적으로 복잡한 배경의 영상에서는 형판정합 방법이 우수하나, 형판의 대표성을 부여하기가 어렵다는 점이 문제시되어 왔다. 본 논문에서는 얼굴영역을 추출하기 위하여 복잡한 얼굴패턴을 몇 개의 주성분 값으로 표현할 수 있는 Hotelling변환 과정을 이용하여 얼굴형판을 생성하고 이를 적용하여 얼굴의 크기, 영상의 명암, 얼굴의 위치에 무관하게 얼굴영역을 추출한다. 또한 휴리스틱한 임계치를 이용하여 두 사람 이상의 얼굴영역을 추출하고 기울어진 얼굴영역을 추출하기 위한 방법도 제시한다. 실험을 통하여 다양한 입력영상에 대한 추출 결과와 고유얼굴에 기반한 방법의 특징을 살펴 보았다. There are two general approaches for face detection. One is based on the geometric feature extraction of face image and the other on a face-template matching. In general, template matching method shows better performance in a complex background. However, template matching method heavily relies on a template, which can't represent various face images. In this paper, face templates are generated through the Hotelling transform, which can compact a complex face pattern into a few principal components and the face detection system was designed to be invariant to scale, position, image intensity and to be able to detect two or more face regions by using some heuristic knowledge obtained from the test. In addition, we attempted to deal with the rotated faces in the image plane. The test showed the detection results of various input images and characteristics of the method based on eigenfaces.
-
-
고속 객체 검출을 위한 적분 히스토그램 기반 프레임워크
고재필(Jaepil Ko),안정호(Jung-Ho Ahn),홍원기(Won-Kee Hong) 한국산업정보학회 2015 한국산업정보학회논문지 Vol.20 No.2
본 논문에서는 스마트폰 카메라의 객체기반 자동초점 기능을 위해, 움직이는 물체의 고속 추적 방법을 제안한다. 사양이 낮은 플랫폼에서의 비-학습 제약을 고려하여 히스토그램 특징 기반의 슬라이딩 윈도우 검출 기법을 사용한다. 각 부분 윈도우에 대한 히스토그램의 계산 시간문제는 적분 히스토그램을 통해 해결한다. 본 논문에서는 지역적 후보 검출, 적응적 템플릿 크기 방법을 제안한다. 또한 추적 위치의 안정화를 위해 정합 함수에 안정화 항을 추가하는 기법을 제안한다. 자체 수집한 데이터에 대한 실험결과는 PC 환경에서 초당 100 프레임 수준의 높은 처리 속도 달성을 보여주었다. In this paper we propose a very rapid moving object tracking method for an object-based auto focus on a smart phone camera. By considering the limit of nonlearning approach on low-performance platforms, we use a sliding-window detection technique based on histogram features. By adapting the integral histogram, we solve the problem of the time-consuming histogram computation on each sub-window. For more speed up, we propose a local candidate search, and an adaptive scaling template method. In addition, we propose to apply a stabilization term in the matching function for a stable detection location. In experiments on our dataset, we demonstrated that we achieved a very rapid tracking performance demonstrating over 100 frames per second on a PC environment.
-
-
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
