최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 논문은 감시 영상의 저해상도 얼굴 이미지 인식 문제를 해결하기 위해 컨볼루션 신경망 모델 기반의 저해상도 얼굴 인식 솔루션을 제안합니다. 다중 스케일 입력에 대한 CNN 모델을 사용하여 기존의 단순 양방향 보간법 기반 업샘플링 방식의 한계를 극복하고, 고해상도 이미지와 함께 모델 학습 샘플로 활용하여 저해상도 및 고해상도 이미지의 공통 특징 공간을 학습합니다.
Applications of pulse-coupled neural networks
케라스로 배우는 신경망 설계와 구현 : CNN, RNN, GAN, LSTM 다양한 신경망 모델 설계와 구현
Deep learning for remote sensing images with open source software
Deep Learning for Biometrics
Pro deep learning with TensorFlow : a mathematical approach to advanced artificial intelligence in Python
(펭귄브로의) 3분 딥러닝 파이토치맛 : PyTorch 코드로 맛보는 CNN, GAN, RNN, DQN, Autoencoder, ResNet, Seq2Seq, Adversarial Attack
Computer analysis of images and patterns : 5th International Conference, CAIP '93, Budapest, Hungary, September 13-15, 1993 : proceedings
Artificial neural networks -- ICANN 2006 : 16th international conference, Athens, Greece, September 10-14, 2006, proceedings
Computer analysis of images and patterns : 8th International Conference, CAIP'99, Ljubljana, Slovenia, September 1-3, 1999 : proceedings
Computer vision--ECCV '92 : Second European Conference on Computer Vision, Santa Margherita Ligure, Italy, May 19-22, 1992 : proceedings
Human face recognition using third-order synthetic neural networks
Face and facial expression recognition from real world videos : International Workshop, Stockholm, Sweden, August 24, 2014, Revised selected papers
Face detection and recognition : theory and practice
Neural Information Processing : 26th International Conference, ICONIP 2019, Sydney, NSW, Australia, December 12–15, 2019, Proceedings, Part V
Engineering applications of bio-inspired artificial neural networks ; International Work-Conference on Artificial and Natural Neural Networks, IWANN'99, :proceedings
실전! 프로젝트로 배우는 딥러닝 컴퓨터비전 : 영상분석 이론부터 엔비디아 젯슨 나노를 활용한 자율주행 실습까지
Image analysis and processing : 8th international conferenc, ICIAP '95San Remo, Italy, September 13-15, 1995 : proceedings
TensorFlow machine learning cookbook : 다양한 텐서플로 예제를 실행해 보면서 빠르게 익히는 머신 러닝
Computational intelligence in multimedia processing : recent advances
(코딩셰프의) 3분 딥러닝 케라스맛
Image and Vision Computing
Mishra N.K.,Dutta M.,Singh S.K.방송공학회 논문지
서영민, 한종기IEEE Access
Li B.,Wang X.,Zhang W.,Tian M.,Yao H.THIRTY-SEVENTH AAAI CONFERENCE ON ARTIFICIAL INTELLIGENCE, VOL 37 NO 2
Sun, Bin; Zhang, Yulun; Jiang, Songyao; Fu, Yun스마트미디어저널
문해민, 박진원, 반성범Signal, Image and Video Processing
Yulan Han; Qin Gu; Guangxu XiaIEEE Transactions on Image Processing
Yongbing Zhang; Siyuan Liu; Chao Dong; Xinfeng Zhang; Yuan YuanRemote Sensing
Wang B.,He A.,Wang C.,Xu X.,Yang H.,Wu Y.한국산학기술학회논문지
이현기, 마정목IEEE ACCESS
Alhichri, Haikel; Alswayed, Asma S.; Bazi, Yakoub; Ammour, Nassim; Alajlan, Naif A.CSI Transactions on ICT
Sawat, Dattatray D.; Hegadi, Ravindra S.Systems Science and Control Engineering
Lu P.,Song B.,Xu L.Journal of Electronic Imaging
Zhai, H.; Zhuang, Y.Neurocomputing
Banaeeyan, R.; Lye, H.; Ahmad Fauzi, M.F.; Abdul Karim, H.; See, J.Cognitive Neurodynamics
Zheng, Kechao; Zhou, Yue; Duan, Shukai; Hu, XiaofangMultimedia Tools and Applications
Priyanka S.Mobile Information Systems
Daegyu Choe; Eunjeong Choi; Dong Keun KimMultimedia Tools and Applications
Shiv Ram Dubey; Soumendu ChakrabortyRemote Sensing
Seydgar M.,Naeini A.A.,Zhang M.,Li W.,Satari M.Journal of Ambient Intelligence and Humanized Computing
Nguyen L.D.,Gao R.,Lin D.,Lin Z.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 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.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 / 학사
AI를 이용하여 주차장 게이트에서 번호판을 인식후 주차장 게이트를 Open/deny 하는 과정을 구현한다. 자동차 번호판을 인식하기 위해 object-detection, Text Detection, OCR, Image Captioning, Generative Model 등 다양한 컴퓨터 비전 에 사용되는 딥러닝 모델들의 개요에 대해 배우고, GPU 서버를 이용하여 이 과정들을 구현한다.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 Networks전필 / 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
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
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
전산화단층촬영의 기본 원리를 이해하고, 최근 발전되고 있는 나선식 CT, multidetector-row CT의 물리학적 특성과 임상적용에 대하여 소개한다.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.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
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 / 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
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
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
데이터마이닝 (Data Mining)은 대용량 데이터베이스에 존재하는 데이터 간의 관계, 패턴, 규칙 등을 찾아내고 모형화해서 의사결정을 돕고, 유용한 정보로 변환하는 일련의 과정이다. 본 강좌에서는 기술모델링과 예측모델링에 사용되는 통계학, 기계학습, 신경회로망 기법들을 공부하고, 응용 사례 연구와 패키지를 이용한 프로젝트를 수행한다.전선 / 대학원
Shortest path, Network flow 등의 그래프 문제를 해결하는 최근에 개발된 알고리즘과 알고리즘 분야에서의 최근의 연구결과를 학습한다. 분산 시스템의 여러 모델들과 분산 시스템에서 발생하는 중요한 문제들을 해결하는 분산 알고리즘에 관하여 연구한다.전선 / 학사
여러 가지 통계 모형에서 나타나는 함수에 대하여 비모수적 추정 방법을 배우며, 이론적인 측면보다는 주로 방법론 및 그 응용에 초점을 맞춘다. 비모수 방법으로서 커널 추정법, 국소 다항 적합법, 웨이블릿 추정법, 스플라인 추정법 등을 다룬다. 밀도함수, 회귀함수, 생존함수, 분위수함수 등의 추정 방법을 배우며, 분류 및 판별분석, 일반화 선형모형, 중도절단회귀 모형, 비례위험 모형 등에 응용하는 방법을 간략하게 소개한다.전선 / 대학원
방사선, MR, 초음파, 감마카메라, SPECT, PET을 이용하여 획득한 영상의 정합, 정규화, 도시, 정량화, 영상처리, 전송 등을 주요 주제로 PACS 기술을 포함한다. 삼차원 영상, 동적영상, 영상의 통계적 해석 등을 포함한다. 각 영상처리 기술의 공통적인 바탕을 교육하고 이어서 각 방법의 차이에 따른 영상 신호의 특질을 이해하고 의료 영상을 구성하는 토대를 파악하여 실제 임상에 응용되는 의료 영상을 터득하게 된다. 특히 영상의 디지털 처리와 의료환경의 변화에 따른 영상처리의 발전을 이해한다.전선 / 학사
본 교과는 인공지능의 중요한 문제중의 하나인 컴퓨터비전의 기초를 소개하는 과목으로서 컴퓨터비전 관련 이론의 이해는 물론 알고리즘의 설계 및 분석을 통하여 다양한 공학적 응용예를 익힌다. 본 교과의 내용으로는 영상형성과정의 광학적 모델링, 영상전처리 및 복원문제로 부터 영상특징추출, 그리고 물체검출 및 인식문제 등의 고차원 문제가 포함될 것이며, 이의 해결을 위한 고전적인 접근 방법 뿐 아니라 최신 연구경향 및 방법론들을 공부한다.