최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
안경민; 이소희; 김선신
2021 / Allergy Asthma & Respiratory Diseases
데이터가 존재하지 않습니다.
loading...
본 논문은 고해상도 CCTV 카메라에 적용하기 위해 빠른 사람 검출 알고리즘을 제안하며, 배경 차감법과 HOG 디텍터를 결합한 2단계 검출 방법을 통해 연산 속도를 향상시켰다. 실험 결과, 약 2.5배의 검출 속도 향상을 보였으며 성능 저하는 거의 없었다.
Wide area surveillance : real-time motion detection systems
Computer analysis of images and patterns : 5th International Conference, CAIP '93, Budapest, Hungary, September 13-15, 1993 : proceedings
Audio- and video-based biometric person authentication : first International Conference, AVBPA '97, Crans-Montana, Switzerland, March 12-14, 1997 : proceedings
지능형 영상감시 시스템의 원리 및 응용 =
Machine learning for face, emotion, and pain recognition
A practical introduction to computer vision with OpenCV
Recent developments in computer vision : Second Asian Conference on Computer Vision, ACCV '95, Singapore, December 5-8, 1995 : invited session papers
Visual analysis of humans : looking at people
Computer analysis of images and patterns : 7th International Conference, CAIP'97 : Kiel, Germany, September 10-12, 1997 : proceedings
Recent issues in pattern analysis and recognition
Computer vision : ACCV 2006 : 7th Asian Conference on Computer Vision, Hyderabad, India, January 13-16, 2006 : proceedings
Motion estimation algorithms for video compression
Human recognition at a distance in video
Image processing of edge and surface defects
컴퓨터 비전을 위한 다중 시점 기하학 : 카메라를 위한 수학
Intelligent image and video compression : communicating pictures
Computer vision, ACCV'98 : Third Asian Conference on Computer Vision, Hong Kong, China, January 1998 : proceedings
Augmented vision perception in infrared : algorithms and applied systems
Modelling and motion capture techniques for virtual environments : International Workshop, CAPTECH'98, Geneva, Switzerland, November 26-27, 1998 : proceedings
한국산학기술학회논문지
박인철IEEE Transactions on Intelligent Transportation Systems, Intelligent Transportation Systems, IEEE Transactions on, IEEE Trans. Intell. Transport. Syst.
Chen, P.; Huang, C.; Lien, C.; Tsai, Y.Mathematical Problems in Engineering
Chao Mi; Xin He; Haiwei Liu; Youfang Huang; Weijian Mi센서학회지
도용태; 반종희Computational Intelligence
Selvaraj A.,Selvaraj J.,Maruthaiappan S.,Babu G.C.,Kumar P.M.한국컴퓨터정보학회논문지
변오성제어.로봇.시스템학회 논문지
안성태, 이주장, 김정중대한임베디드공학회논문지
박민웅, 정근용, 조중휘대한임베디드공학회논문지
정근용, 정준희, 이희철, 전광길, 조중휘전기전자학회논문지
이윤구; 이재흥전기학회 논문지 P권
서창진, 지홍일Procedia Computer Science
K, Seemanthini; S.S., Manjunath전기학회 논문지 P권
서창진; 지홍일전기학회 논문지 P권
서창진Multimedia Systems
Hu, Min-Chun; Cheng, Wen-Huang; Hu, Chuan-Shen; Wu, Ja-Ling; Li, Jhe-WeiMultimedia Tools and Applications
Essmaeel K.,Migniot C.,Dipanda A.,Gallo L.,Damiani E.,De Pietro G.Measurement: Journal of the International Measurement Confederation
Aslan M.F.,Durdu A.,Sabanci K.,Mutluer M.A.Arabian Journal for Science and Engineering
Khan, Muhammad Attique; Zhang, Yu-Dong; Allison, Majed; Kadry, Seifedine; Wang, Shui-Hua; Saba, Tanzila; Iqbal, Tassawar센서학회지
도용태Journal of Software Engineering and Applications
Shih-Yu Lin; Pei-Yung Hsiao; Shih-Shinh Huang전선 / 대학원
본 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.전선 / 대학원
본 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
계산이론은 컴퓨터공학의 기초학문이며, 중요한 문제에 대한 효율적인 알고리즘들을 소개하고, 그런 알고리즘의 복잡도 분석을 다룬다. 이 교과목에서는 먼저 알고리즘의 성능을 분석하는 기법, 특히 amortized analysis에 대해 배운다. 그리고, 계산이론 분야에서 중요한 알고리즘과 그 응용에 대해 배운다. 구체적으로, (스트링 매칭, 2차원 패턴 매칭, 근사 매칭, suffix trees, 데이터 압축 문제에 대한) 스트링 알고리즘과 bioinformatics에의 응용, (선택 문제, 다항식 확인 문제에 대한) randomized 알고리즘과 그 영향, (페이지 교체 문제, k 서버 문제에 대한) online 알고리즘과 금융문제(일방향 거래와 portfolio 선택 문제)에의 응용을 배운다.전선 / 대학원
본 과목에서는 행렬문제의 Frontal methods등 직접해법, decomposition methods for banded matrices, 야코비 반복법, Seidel 반복법, ADI해법, Conjugate gradient해법, Lancoz해법, Preconditioning등 고급수치선형대수해법과 그 분석을 배우도록 한다. 또한 행렬의 고유치 문제의 풀이법을 다룬다. 특히 이러한 알고리즘을 FORTRAN, HPF, C/C++, Java, Matlab, Maple, Mathematica등의 언어를 이용하여 구현하도록 한다.전선 / 대학원
본 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.전선 / 대학원
인공지능 알고리즘은 현재 물체인식, 음성인식, 번역 등 많은 분야에서 그 응용을 넓혀가고 있다. 최근 가장 우수한 성능을 보이는 신경망 알고리즘은 매우 많은 계산을 필요로 한다. 본 과목에서는 인공지능 알고리즘을 실제 시스템에서 구현하는 방법을 다룬다. 이를 위해서는 인공지능 알고리즘 수준에서의 최적화와 더불어 시스템 구현에 대한 이해가 필요하다. 대상 시스템으로 고성능 GPU 뿐만 아니라 내장형 시스템 또는 하드웨어를 이용한 구현을 다룬다. 본 과목에서는 전반부에서 인공지능 알고리즘을 다루고 후반부에서 시스템 구현 및 최적화를 다룬다.전선 / 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 / 학사
Gauss 소거법, Cholesky 분해, Householder와 Gram-Schmidt 해법, 데이터 맞춤, 비선형 최소자승법, 심플렉스 해법, 행렬의 분할, Jacobi와 Seidel 반복법, 이완해법, 유한차분법, ADI 해법, 켤레 그래디언트 해법 등을 다룬다.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 / 학사
본 과정에서는 머신러닝의 기초를 수업한다. 수업 초반에는 머신러닝의 기초가 되는 확률, 선형대수, 최적화, 신호처리를 간단히 리뷰한다. 중반부에서는 대표적인 머신러닝 문제인 Classification, regression, clustering을 소개하고 예시를 통하여 개념을 학습한다. 후반부에서는 스마트 제조를 위한 센싱, 공간정보구축, 로보틱스 적용의 실습을 조별로 진행한다. 독립전원으로 구동가능한 미니PC 상에 리눅스를 운용하고, ROS SLAM 등 로보틱스와 공간지능 관련 소프트웨어를 배운다. 마지막으로는 실제 센서를 함께 구동하고 직접 데이터를 취득한 후, 수업에서 학습한 머신러닝 알고리즘을 적용해보기 위한 실습을 수행한다.전선 / 대학원
영어의 통사구조, 음운구조, 의미구조, 기타 영어학분야의 주제ㅐ를 선택하여 이를 집중적으로 연구한다.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 / 대학원
패턴 인식은 데이터가 주어졌을 때 데이터에 대한 사전 지식이나 통계적 특성을 사용하여 패턴의 특징을 찾아내고 이를 사용하여 패턴을 분류하는 것이다. 데이터의 차원은 일반적으로 매우 커서 데이터를 파악하기가 매우 어렵다. 데이타가 어떤 부류에 속하는 지에 대한 사전 지식이 있을 경우에는 패턴 분류를 하는 방법으로는 Bayes 분류기, Maximum likelihood 방법, Discriminant Analysis, 신경회로망 등이 있다. 그리고 데이터에 대한 사전지식이 없는 경우에는 clustering 하는 방법을 통하여 데이터를 분류한다. 패턴 인식은 얼굴, 지문 등의 생체인식 분야에 많이 이용되고 있으며, 또한 많이 축적된 데이터로부터 새로운 지식을 찾으려하는데 사용되고 있다. 이 과목에서는 패턴 인식에서 사용하는 여러 방법을 소개하고 그 응용에 대하여 다룬다.전선 / 대학원
강좌에서는 Bayes, MAP, Neyman-Pearson, MMSE 등의 검출 이론과 이의 추정에 대해 다룬다. 또한 최적 수신기의 성능과 이의 분석을 다룬다.전선 / 대학원
대학원생을 위한 교과목으로 인공지능의 핵심 기술인 딥러닝 분야의 고급 이론 및 최신 응용을 다룬다. 구체적으로는 다음과 같은 주제를 다룬다: 트랜스포머 및 메모리-오그멘티드 신경망(메모리네트워크, 뉴럴튜링머신), 생성적대망, 베리에이셔널 오토인코더, 생성플로우 등 심층생성모델; 연속학습, 소수샷학습, 도메인적응, 전이학습 등 메타러닝; 적대적학습; 자동기계학습및 하이퍼파라메터최적화; 자기지도 및 비지도 학습; 보안 및 프라이버시; 딥러닝의 최신 응용 등 - 권장 선수과목: 기계학습 및 전기정보응용(M2608.001300), 딥러닝(M2177.003100)전선 / 대학원
패턴 인식은 데이터가 주어졌을 때 데이터에 대한 사전 지식이나 통계적 특성을 사용하여 패턴의 특징을 찾아내고 이를 사용하여 패턴을 분류하는 것이다. 데이터의 차원은 일반적으로 매우 커서 데이터를 파악하기가 매우 어렵다. 데이타가 어떤 부류에 속하는 지에 대한 사전 지식이 있을 경우에는 패턴 분류를 하는 방법으로는 Bayes 분류기, Maximum likelihood 방법, Discriminant Analysis, 신경회로망 등이 있다. 그리고 데이터에 대한 사전지식이 없는 경우에는 clustering 하는 방법을 통하여 데이터를 분류한다. 패턴 인식은 얼굴, 지문 등의 생체인식 분야에 많이 이용되고 있으며, 또한 많이 축적된 데이터로부터 새로운 지식을 찾으려하는데 사용되고 있다. 이 과목에서는 패턴 인식에서 사용하는 여러 방법을 소개하고 그 응용에 대하여 다룬다.전선 / 대학원
인공지능 분야에서 선택된 최신 연구 주제에 관한 논문들을 세미나 형식으로 진행한다.전선 / 학사
이 과목에서는 주어진 데이터 내에서 최적화를 통해 인간의 학습을 모방하는 머신 러닝과 인간 학습과의 차이점을 소개하고 최근 컴퓨팅 성능의 고도화에 따라 머신러닝을 기반으로 한 인공지능의 활용 분야를 소개한다. 수강생들은 기존 알고리즘 기반 분류 기법 및 머신러닝을 위한 수학적 기초를 이해하고 최신 인공신경망 구조를 기초로 한 머신러닝 패키지를 활용해 본다.전선 / 대학원
인공지능 분야에서 선택된 최신 연구 주제에 관한 논문들을 세미나 형식으로 진행한다.