디지털 라이브러리[ 검색결과 ]
연속된 이미지에서 중심점과 변위 추정을 통한 비디오 객체 탐지 네트워크
http://doi.org/10.5626/JOK.2022.49.6.416
규모가 큰 컨테이너와 물류 기계와 같은 다양한 장애물이 배치되어 있으며, 공간이 넓어 한 번에 감시하기 어려운 항만과 같은 환경에서, 높은 지점에 설치된 CCTV에서 촬영한 작은 크기의 보행자부터 항만 차량 객체까지 훨씬 더 정확하게 탐지하기 위한 객체 탐지 방법을 연구하였다. 형상이 불명확하고 작은 크기의 객체를 학습해야 하기 때문에 고해상도의 정보가 필요하므로 앵커-프리 방식의 네트워크인 CenterNet을 기반으로 훈련하였으며, 매우 작은 객체의 정보를 보완하기 위해 이미지의 한 장씩만 훈련시키는 것이 아니라 연속된 이미지를 여러 장 쌓아 학습하였고, 부족한 데이터셋 문제를 여러 개의 데이터셋을 함께 사용하고 여러 장의 정지 이미지를 랜덤으로 뽑아 하나의 이미지로 만들어 연속된 이미지로 가공하는 데이터 증강을 통해 해결하여 과적합을 방지하였다.
Transient EMG 신호를 이용한 손가락의 움직임 추정
http://doi.org/10.5626/JOK.2022.49.2.157
본 논문에서는 근전도 신호를 기반으로 손가락의 움직임을 추측하기 위한 딥 러닝 모델을 제안한다. 우리는 또한 모델의 정확도를 평가하고 분석하였다. 우리는 의료 영상의 분석에 널리 이용되는 U-Net의 구조를 모델에 적용하였다. 일반적으로 U-Net은 2차원 영상 처리에 주로 사용된다. 그러나 본 논문에서는 8채널 1차원 시계열 근전도 데이터를 입력으로 사용하고 그 결과로 손가락 움직임에 대한 정보를 얻는다. 8,000개의 동작으로 구성된 데이터 세트를 획득했으며, 이는 훈련 데이터 세트와 평가 데이터 세트로 나누어진다. 모델의 예측 정확도는 약 89.32%이다.
