최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 얼굴 인식 정확도 향상을 위해 LGP 기반 전처리 과정과 해마 구조를 적용한 CNN 알고리즘을 제안합니다. LGP를 기반으로 기울기, 방향, 밝기, 가장자리 등의 다중 특징 채널과 Uniform, Symmetry 특징을 활용하여 얼굴 특징을 추출하고, 이를 CNN에 학습시켜 얼굴 검출 성능을 향상시켰습니다. 실험 결과, 제안하는 알고리즘은 기존 알고리즘 대비 3~9%의 성능 개선을 보였습니다.
Machine learning for face, emotion, and pain recognition
Audio- and video-based biometric person authentication : first International Conference, AVBPA '97, Crans-Montana, Switzerland, March 12-14, 1997 : proceedings
Face detection and recognition : theory and practice
Advances in biometrics : international conference, ICB 2006, Hong Kong, China, January 5-7, 2006 : proceedings
3D face modeling, analysis, and recognition
Computer vision, ACCV'98 : Third Asian Conference on Computer Vision, Hong Kong, China, January 1998 : proceedings
Computer analysis of images and patterns : 8th International Conference, CAIP'99, Ljubljana, Slovenia, September 1-3, 1999 : proceedings
(NVIDIA Xavier NXJeston TX2를 기반으로) 인공지능과 딥러닝 개발환경 구축 및 응용
(아침부터 저녁까지 어디서나 마주치는) 하루 과학
Image analysis and processing : 8th international conferenc, ICIAP '95San Remo, Italy, September 13-15, 1995 : proceedings
Computational algorithms for fingerprint recognition
Computer vision metrics : survey, taxonomy, and analysis
Computer analysis of images and patterns : 5th International Conference, CAIP '93, Budapest, Hungary, September 13-15, 1993 : proceedings
Human face recognition using third-order synthetic neural networks
Recent issues in pattern analysis and recognition
Deep Learning for Biometrics
Connectionist speech recognition : a hybrid approach
Computer analysis of images and patterns : 6th International Conference, CAIP '95, Prague, Czech Republic, September 6-8, 1995 : proceedings
Advances in structural and syntactical pattern recognition : 6th international workshop, SSPR '96, Leipzig, Germany, August 20-23, 1996, proceedings
Computer-aided forensic facial comparison
한국정보기술학회논문지
공기호; 강대성Multimedia Tools and Applications
Karanwal S.Frontiers of Computer Science: Selected Publications from Chinese Universities
Wang, Qicong; Wang, Binbin; Hao, Xinjie; Chen, Lisheng; Cui, Jingmin; Ji, Rongrong; Lei, YunqiMultimedia Tools and Applications
Shi D.,Tang H.한국정보기술학회논문지
권동진; 장언동Journal of Physics: Conference Series
MCP Archana; CK Nitish; Sandhya HarikumarInternational Journal of Pattern Recognition and Artificial Intelligence
Wenqiu Zhu; Haixing Bao; Zhigao Zeng; Zhiqiang Wen; Yanhui Zhu; Huazheng XiangThe Visual Computer: International Journal of Computer Graphics
Bahroun, Sahbi; Abed, Rahma; Zagrouba, EzzeddineAdvances in Human-Computer Interaction
Ton-That A.H.,Cao N.T.KSII Transactions on Internet and Information Systems
Waled Hussein Al河南科技学院学报(自然科学版) / Journal of Henan Institute of Science and Technology(Natural Sciences Edition)
高旭; 黄建琼; GAO Xu; HUANG JianqiongInternational Journal of Computational Intelligence and Applications
Chebah Ouafa; Laskri Mohamed TayebThe Visual Computer: International Journal of Computer Graphics
Lin, Chih-Wei; Hong, SidiInternational Journal of Pattern Recognition and Artificial Intelligence
Peng-Yi Liu; Zhi-Ming LiKSII Transactions on Internet & Information Systems
Uddin, Md. Zia; Jaehyoun KimJournal of Signal Processing Systems
Ren, H.; Sun, J.; Hao, Y.; Yan, X.; Liu, Y.Array
Bah, Serign Modou; Ming, FangKSII Transactions on Internet and Information Systems
Md. Zia Uddin; Jaehyoun Kim정보처리학회논문지. 소프트웨어 및 데이터 공학
김동주, 이상헌, 김현덕Multimedia Tools and Applications
Shoba V.B.T.,Sam I.S.전선 / 대학원
인간의 아름다움을 정의할 때, 얼굴 부위는 빠질 수 없는 중요한 요소이다. 아름다움은 시대, 문화, 환경 및 인종에 따른 차이가 극명할 수 있지만, 아름다움을 이루는 공통된 요소, 예를 들어 대칭성, 어려보임 등 또한 발견할 수 있다. 본 강좌에서는 두개안면부의 계측학을 이용하여 현대인의 아름다움을 이루는 요소를 수치화해서 보다 객관적인 지표를 제시하는 연구에 대해 다루고자 한다.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
고급 확률 그래프 모형(PGM)은 많은 수의 변수가 상호작용하는 복잡한 도메인에 대한 확률 분포를 표현하는 효과적인 방법이다. 따라서 확률 그래프 모형은 의료진단, 이미지 및 음성인식, 스포츠통계, 생물정보학 등과 같은 다양한 분야에 적용되는 머신러닝 방법들의 핵심적인 역할을 한다. 이 강의는 방향성 그래프를 이용하는 베이지안 네트워크; 무방향성 그래프를 사용하는 마르코프 네트워크의 이론적 성질과 학습 방법 그리고 실제 적용 사례를 설명한다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.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 / 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
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.전선 / 대학원
본 강좌는 실제 해부용 시체를 대신하는 가상 인체 구조의 구축에 관한 최신 지견 및 기술 흐름을 파악하고, 국내 현실과 한국인의 특징 및 체형에 맞는 가상 인체 라이브러리 구축에 관한 방법론에 대한 연구를 한다.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 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
컴퓨터 기술의 발전과 함께 과거 사람의 눈과 판단에만 의지하던 조직형태학적인 진단에서 보다 객관적이고 정밀한 결과를 얻을 수 있는 화상분석법이 적용되고 있는 데 이 같은 화상분석장치의 기본적인 구조를 이해하고 그 실제적인 적용을 연구해 본다.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
데이터 마이닝은 빅 데이터를 분석하기 위한 핵심 도구로서 많은 관심을 받고 있다. 특히 컴퓨터 공학 측면에서 고급 데이터 마이닝 알고리즘 및 분석 플랫폼을 설계하고 구현하는 기술을 학습하는 것은 최근 넘쳐나는 빅 데이터에서 실행 가능한 지식을 추출하는데 핵심적인 역할을 한다. 본 과목에서는 빅 데이터를 분석하기 위한 컴퓨터 공학 기반 고급 기술, 알고리즘, 핵심 플랫폼을 다룬다. 또한 초 대용량 데이터, 초고속 데이터 등을 효과적으로 분석하는 기법을 학습한다.전선 / 대학원
본 스튜디오는 인공지능(AI)을 조경의 핵심 설계 도구로 활용하는 것을 목표로 하는 실습 중심의 스튜디오이다. 지난 2년간 진행한 세미나 주제인「조경과 AI」에서 다루었던 이론적 논의를 확장하여, 실제 설계 프로세스 속에서 AI의 잠재력과 한계를 탐구한다. 본 수업은 인간이 직관적으로 해결하기 어려웠던 형태적·공간적 문제를 인공지능을 통해 분석하고 생성하는 과정을 실험하며, 프롬프트 설계(Prompt Design)와 룰 베이스 설계(Rule-Based Design)와 같은 개념을 핵심 학습 주제로 다룬다. 수강생들은 2차원 이미지로부터 3차원 형상을 추출하고, 형태의 특징을 기반으로 기능과 프로그램을 부여하는 과정에서 다양한 AI 도구를 활용한다. 이를 통해 인공지능을 단순한 도구가 아닌 공동 설계자(co-designer)로 이해하며, 디지털 생성 기술을 통해 새로운 형태, 패턴, 그리고 공간 경험을 제안한다. 최종적으로 AI를 활용한 설계 프로토타입 혹은 실험적 디자인 아틀라스를 제작하여, 미래 조경·도시설계의 가능성을 탐구한다.전선 / 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
본 강의에서는 지능시스템을 위한 패턴인식 알고리즘들에 대해서 공부한다. 패턴인식은 문자인식, 지문인식, 얼굴인식, 음성인식 등을 모두 포괄하는 지능시스템을 구현하기 위한 필수적인 분야로 그 응용 분야가 매우 다양하며 풀고자 하는 문제에 따라 분류문제, 회귀문제, 군집화문제 등으로 나눌 수 있다. 본 강의에서는 각각의 문제들을 풀기 위해 대표적으로 사용되는 알고리즘들에 대해서 살펴보며 수강생들로 하여금 학기중 프로젝트를 통해서 패턴인식 기술을 사용하는 지능형 시스템을 구현해 보도록 한다.전선 / 대학원
이 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.전선 / 대학원
최근 인공지능(AI) 기술의 급격한 발전과 함께 다양한 산업에서 AI의 활용이 확산되고 있으며, 보건의료 분야 또한 예외가 아니다. 보건의료 분야에 있어서도 AI는 의료 서비스 혁신을 촉진하고 국민 건강 증진을 위한 핵심 기술로 주목받고 있다. 본 교과목에서는 보건의료 분야에서 AI의 적용 현황과 발전 동향을 분석하고, 간호 과정에서 AI를 효과적으로 도입하기 위한 접근 방안을 탐구한다. 특히, 간호 문제의 발견, 해결책 설계, 성과 평가 등 전 과정에서 요구되는 핵심 역량을 습득하고, 관련 법ᄋ규제 및 윤리적 쟁점에 대한 심층적 논의를 진행한다. 아울러, 본 교과목은 사례 연구 및 실습 중심의 프로젝트를 포함하여, AI 기법을 활용한 간호 문제 해결 방안을 직접 적용하고 평가하는 경험을 제공한다. 이를 통해 AI 기반 간호 혁신을 위한 실무적 역량을 강화하고, 간호 과정의 질적 향상을 도모하는데 필요한 지식을 습득한다.전선 / 대학원
이 과목에서는 자연어처리에 대한 간단한 소개와 함께, 대표적인 인공신경망 기법들이 자연어처리 어떻게 적용되는지 살펴본다. 최근 일상생활에서도 많이 쓰이는 자연어처리는 인공신경망의 성장과 함께 비약적인 발전을 보였다. 인공신경망을 이용한 딥러닝 기법은 이론적인 면뿐만 아니라, 효율적 계산과 최적화 등의 실험적인 요소가 많아 실습이 중요하다. 이 과목을 듣기 위해서는 기계학습에 대한 기본적인 이해와 파이썬, 딥러닝 모형을 사용하는 능력이 요구된다. 이 강좌는 학생들이 자연어처리의 최근 방법론을 학습하고, 실제 구현하는 능력을 배양하며, 마지막으로 최근 방법론이 가진 한계점, 미래 연구주제에 관해 탐구한다.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.