최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Li J.,Dai Y.,Su X.,Wu W.
2022 / Remote Sensing
데이터가 존재하지 않습니다.
loading...
본 논문은 CCD 카메라 기반 모바일 로봇 시스템에서 실시간 시맨틱 분할을 수행하기 위한 새로운 효율적인 이중 분기 병목 네트워크(EDBNet)를 제안합니다. EDBNet은 입력과 출력 간의 비선형 연결을 개선하고, 지역 정보와 상황 정보를 동시에 추출하며, 파라미터 수를 최소화하여 정확도, 추론 속도 및 파라미터 유연성을 향상시킵니다. CamVid 및 Cityscapes 데이터셋을 사용한 실험 결과, EDBNet은 103만 개의 파라미터로 각각 68.58% 및 71.21%의 MIoU를 달성하며 실용적인 모바일 로봇 시스템의 효과를 입증했습니다.
Neural Information Processing : 26th International Conference, ICONIP 2019, Sydney, NSW, Australia, December 12–15, 2019, Proceedings, Part V
Computer vision--ECCV '92 : Second European Conference on Computer Vision, Santa Margherita Ligure, Italy, May 19-22, 1992 : proceedings
Database Systems for Advanced Applications : 24th International Conference, DASFAA 2019, Chiang Mai, Thailand, April 22–25, 2019, Proceedings, Part II
Computer communication, networking and internet security : proceedings of IC3T 2016
Computer analysis of images and patterns : 7th International Conference, CAIP'97 : Kiel, Germany, September 10-12, 1997 : proceedings
Neural networks : artificial intelligence and industrial applications : proceedings of the Third Annual SNN Symposium on Neural Networks, Nijmegen, The Netherlands, 14-15 September 1995
Artificial Intelligence for Communications and Networks : Second EAI International Conference, AICON 2020, Virtual Event, December 19-20, 2020, Proceedings
Image technology : advances in image processing, multimedia and machine vision
Computer analysis of images and patterns : 6th International Conference, CAIP '95, Prague, Czech Republic, September 6-8, 1995 : proceedings
Computer analysis of images and patterns : 8th International Conference, CAIP'99, Ljubljana, Slovenia, September 1-3, 1999 : proceedings
Image analysis and processing : 9th international confernece, ICIAP '97, Florence, Italy, September 17-19, 1997 : proceedings
Algorithm theory--SWAT '92 : Third Scandinavian Workshop on Algorithm Theory, Helsinki, Finland, July 8-10, 1992 : proceedings
Computing in the 90's : the First Great Lakes Computer Science Conference, Kalamazoo, Michigan, USA, October 18-20, 1989 : proceedings
Theory of computing and systems : ISTCS '92, Israel symposium, Haifa, Israel, May 27-28, 1992 : proceedings
Computing and combinatorics : third annual international conference, COCOON '97, Shanghai, China, August 20-22, 1997 : proceedings
Emerging trends in computing and communication : ETCC 2014, March 22-23, 2014
Deep Learning for Medical Image Analysis
Electronics, Communications and Networks IV : Proceedings of the 4th International Conference on Electronics, Communications and Networks (CECNET IV), Beijing, China, 12-15 December 2014.
Engineering applications of bio-inspired artificial neural networks ; International Work-Conference on Artificial and Natural Neural Networks, IWANN'99, :proceedings
Algorithms and data structures : proceedings
Neural Processing Letters
Li, Yaqian; Li, Moran; Li, Zhongliang; Xiao, Cunjun; Li, HaibinComplex and Intelligent Systems
Shen S.,Zhai Z.,Yu G.,Yan Y.,Dai W.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
Guo, H.; Liu, W.International Journal of Control, Automation, and Systems
Yingpeng Dai, Junzheng Wang, Jiehao Li, Jing LiSignal, Image and Video Processing
Guanhua An; Jichang Guo; Yudong Wang; Yufeng AiNeurocomputing
Zhuang M.,Zhong X.,Gu D.,Feng L.,Zhong X.,Hu H.International Journal of Automotive Technology
Haoran Yang; Dan Zhang; Jiazai Liu; Zekun Cao; Na WangInternational Journal of Automotive Technology
IEEE Transactions on Geoscience and Remote Sensing
Zhang, Xiangrong; Weng, Zhenhang; Zhu, Peng; Han, Xiao; Zhu, Jin; Jiao, LichengIEEE Geoscience and Remote Sensing Letters
He G.,Dong Z.,Feng P.,Muhtar D.,Zhang X.IEEE Geoscience and Remote Sensing Letters
Guangjun He; Zhe Dong; Pengming Feng; Dilxat Muhtar; Xueliang ZhangIEEE Transactions on Instrumentation and Measurement
Ji X.,Tang L.,Lu T.,Cai C.Computers, Materials and Continua
Li N.,Huang S.,Wei D.Neurocomputing
Pan L.,Li G.,Xu K.,Lv Y.,Zhang W.,Li L.,Lei L.IEEE Transactions on Industrial Informatics
Bingyang Guo; Yuting Wang; Shi Zhen; Ruiyun Yu; Zhan SuIEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
Zhai Y.,Li Y.,Zheng X.,Zhou Y.,Mai C.,Xie H.,Tian X.,Chen C.L.P.IEEE Transactions on Industrial Informatics
Guo B.,Wang Y.,Zhen S.,Yu R.,Su Z.Cognitive Robotics
Liping Wang; Guangwei GaoApplied Sciences (Switzerland)
Li Y.,Shi J.,Li Y.IEEE Signal Processing Letters
Yaqian Li; Xiaokun Li; Cunjun Xiao; Haibin Li; Wenming Zhang전선 / 대학원
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 모델을 이용하여 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에서 정상 해부학적 구조물의 자동적 영역분할, CEP 계측점 자동적 탐지, 및 다양한 치과질환의 자동적 탐지 및 분류하는 딥러닝 모델과, 3D 치과 데이터에서 자동적 탐지, 분할과 분류하는 딥러닝 모델의 원리와 구조에 대해 수업함. 인공신경망과 딥러닝 소개 컴퓨터 비전을 위한 심층 컨볼루션 신경망 소개 딥러닝을 이용한 의료 및 치과영상 감지 및 인식 딥러닝을 이용한 의료 및 치과영상 분할 딥러닝을 이용한 의료 및 치과영상 등록 딥러닝을 이용한 컴퓨터 지원 진단(CAD)전선 / 대학원
이 교과목은 대학원생들을 대상으로, 현재 사용되고 있는 최신 암호 알고리즘을 설명한다. 이 과목은 다음과 같이 두 부분으로 구성된다: 첫째, DES, IDEA, RC5, RC6 와 같은 블록 암호 알고리즘들을 각각 키(key) 생성, 암호화, 복호화 하는 과정으로 설명한다. 둘째, 전자 서명에 근거한 다양한 인증 기법을 소개한다. DMDC, MD5, SHA-1, HMAC 와 같은 다양한 해쉬(hash) 함수를 사용하여 문장을 축약하고 인증하는 방식을 제시한다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
딥러닝 모델은 추상화 복잡도를 증가하면서 정보를 표현하는 여러 계층으로 이루어진 신경망으로, 최근 영상/음성/자연어 처리 등의 문제에서 다른 기계 방법론들을 크게 상회하는 뛰어난 성능을 보이고 있다. 본 과정에서는 딥러닝의 기반이 되는 기계학습 및 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델인 Convolutional neural networks와 Recurrent neural networks의 훈련법과 추론법들을 익힌다. 또한 비감독 생성 모델인 Autoencoders와 Restrict Boltzman machines에 대해 자세히 살펴 보고 마지막으로 딥러닝 기반 강화 학습에 대해서도 학습하고 실습을 진행한다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야 (active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야(active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 알고리즘을 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에 적용하여 자동적 영역분할, 치과질환의 자동적 탐지 및 분류하는 방법을 실습함. 치과영상 데이터의 annotation 방법, 신경망 학습, 테스트 및 모델의 성능분석 등을 디지털 치과 데이터를 실제 컴퓨터 서버에 탑재하고 실습하여, 학생 스스로 딥러닝을 이용하여 치과영상을 분석할 수 있는 능력을 제공함. Getting Started with Deep Learning Using PyTorch Building Blocks of Neural Networks Diving Deep into Neural Networks Fundamentals of Machine Learning Deep Learning for Computer Vision Deep Learning with Sequence Data and Text Generative Networks전선 / 대학원
이 강좌에서는 현 시점에서 본 반도체 소자의 각 세부 분야의 주요한 연구 주제에 대한 소개와 토의가 이뤄진다. 개설 학기에 따라 주제가 변하며, 이 강좌 내의 다른 주제에 대한 특강을 수강할 수 있다.전선 / 대학원
기존의 클라우드 의존적 AI 컴퓨팅이 사용자 프라이버시, 네트워크 과부하, 인터넷 단절에 대한 취약성 등 다양한 이슈를 야기함에 따라 AI 컴퓨팅을 클라우드뿐만 아니라 사용자 근처의 소형/저비용 컴퓨터에서도 수행하려는 흐름이 전개되며 앰비언트 인공지능 혹은 엣지 인공지능이라는 개념이 탄생했다. 의료 데이터는 개인의 민감정보를 다량 포함하고 있어 특히 프라이버시가 중요하므로, 앰비언트 인공지능과 결합하였을 때 시너지 창출이 가능하다. 본 강좌는 앰비언트 인공지능의 최신 기술과 플랫폼 익히고 의료 도메인에 응용하는 것을 목표로 하며 구체적인 주제는 다음과 같다. ▪ 딥러닝 모델 경량화 (양자화, 가지치기, 지식 증류) ▪ 연합 학습 ▪ 딥러닝과 경량 신호처리 기법의 하이브리드 운용 ▪ 클라우드와 자원 제한적 엣지 기기의 통합 운용 ▪ 앰비언트 인공지능 소프트웨어 플랫폼 (TensorFlow, TensorFlow Lite) ▪ 앰비언트 인공지능 하드웨어 플랫폼 (Google Coral) ▪ 의료 도메인 데이터의 이해 (일례로, 수면 의학 데이터)전선 / 대학원
컴퓨터, 모바일기기, 데이터서버, AI 시스템 등 다양한 컴퓨팅 기기들의 성능은 그 시스템을 구성하는 각 칩의 연산 속도뿐만 아니라, 칩과 칩 사이에서 데이터를 주고 받는 통신속도 및 지연시간에 크게 영향을 받는다. 고속인터페이스 회로기술은 바로 칩 간의 데이터를 빠르게 주고받기 위한 회로 및 시스템 기술을 통칭하며, 전송선로 이론에 기반한 채널의 설계, 디지털 통신을 활용한 고속 송수신기 및 등화회로 설계, 그리고 정밀한 타이밍 생성 및 복원을 위한 phase/delay-locked loop 설계의 3요소로 구성되어 있다. 특히, 최근에는 디지털 시스템 설계의 효율성을 활용할 수 있는 ADC 기반의 송수신기, 칩을 구성하는 새로운 방식인 칩렛(chiplet)에 필요한 고밀도 저전력의 die-to-die 인터페이스, 그리고 칩상에 집적되는 광소자를 이용한 광통신 회로인 실리콘 포토닉스 등이 새로운 동향으로 떠오르고 있다. 본 교과목은 다양하게 활용되는 고속인터페이스 설계에 필요한 회로뿐만 아니라, 시스템 설계에 필요한 채널 이론, 통신 이론, 신호처리, 피드백 제어이론 등의 인접분야를 함께 다루고, 이들에 대한 통찰력 높은 이해를 통해 고성능, 저전력, 고밀도의 고속인터페이스를 구성할 수 있는 설계역량을 배양한다.전선 / 대학원
컴퓨터그래픽스 전반에 걸쳐 기본적인 개념들을 설명한다. 컴퓨터 그래픽스의 기본적인 렌더링 파이프라인, 물체들을 표현하는 여러 가지 방법, 빛을 나타내는 방법, 레이트레이싱, 볼륨렌더링 등의 특수한 렌더링 방법, 그림자나 질감을 나타내는 방법에 대해서 개론 형식으로 강의한다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
본 과목에서는 효율적인 알고리즘 설계와 프로그래밍을 위한 고급 방법론과 이론을 깊이 있게 소개하고, 다양한 실습을 통하여 해당 이론들을 체득한다. 이 과정에서 공부하는 내용들은 Sorting, Searching 그리고 Graph Theory, NP―Complete 등이며, 알고리즘 설계 방법으로는 Divide―and―Conquer, Dynamic Programming, Greedy, Randomized 그리고 Approximate 알고리즘 등에 관하여 공부한다. 여러 가지 유용한 문제들에 대해 알고리즘을 설계하고 실제 프로그래밍을 통하여 구현해 봄으로서 강의시간에 소개된 이론을 실습하고 시스템 구현에 필요한 노하우를 습득한다.전선 / 학사
본 교과목에서는 현재 여러 분야에서 적용되고 있는 지능시스템 및 관련연구의 핵심이 되는 확률적 모델링 및 추론, 통계학적 기계학습, 컴퓨터비젼, 로보틱스의 기초를 소개한다. Bayesian networks, hidden Markov models (HMM), Kalman filters, Markov decision processes 등의 확률적 모델링 및 추론방식이 소개되고 선형 regression 및classification 그리고 nonparametric 학습 방법의 기초를 습득한다. 그리고 확률적 모델, 추론방식, 학습방식들이 어떻게 컴퓨터비전 그리고 로보틱스 등의 응용분야에 적용되는지 알아본다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 학사
원격탐사에 대한 기본이론들을 이해하고, 위성영상의 프로세싱기법과 알고리즘을 이해하므로써, 여러 활용분야에 적용가능한 능력을 배양하는데 있으며, 이를 위해 IDRISI, ERDAS, ER-Mapper 등의 영상처리용 소프트웨어 실습을 병행한다.전선 / 학사
심층신경망은 현대의 인공지능 혁신의 중심이며 공학, 과학, 그리고 응용수학 전반에 폭 넓게 활용되고 있다. 이 과목은 심층신경망의 수학적 기반이론을 배운다. 최적화의 기초, stochastic gradient descent의 수렴 정리, 재생핵 힐베르트 공간, multilayer perceptron, 자동 미분법, 콘볼류션 신경망, 잔차 네트워크, regularization, 데이터 증강, universal approximation theorem, 생성모델을 다룬다.전선 / 대학원
기존의 클라우드 의존적 AI 컴퓨팅이 사용자 프라이버시, 네트워크 과부하, 인터넷 단절에 대한 취약성 등 다양한 이슈를 야기함에 따라 최근 AI 컴퓨팅을 클라우드 뿐만 아니라 사용자 근처의 소형/저비용 엣지 컴퓨터에서도 수행하려는 흐름이 전개되며 앰비언트 인공지능이라는 개념이 탄생했다. 본 강좌는 최신 논문 분석, 구현 실습 및 그룹 프로젝트를 통해 앰비언트 인공지능을 위한 핵심 기술과 플랫폼을 익히고 응용하는 것을 목표로 한다. (1) 앰비언트 인공지능 기술: 모델 경량화, 신호처리와 딥러닝 모델의 하이브리드 운용, 클라우드-엣지 통합 운용, 연합 학습, 메타 학습 (2) 앰비언트 인공지능 플랫폼: TensorFlow, TensorFlow Lite, Coral AI, Jetson Nano (3) 앰비언트 인공지능 응용: 혼합현실, CCTV 자체 분석 등