최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Song, Hyemi; Jung, Bong-Kwang; Cho, Jaeeun; Chang, Taehee; Huh, Sun; Chai, Jong-Yil
2019 / The Korean Journal of Parasitology
Ye Zhang, Yan Zhao, Hongwei Pan, Xianzhong Lang, Huili Yang, Huiliang Zhang, Hui Xuan Zhang, Lisong Dong
2016 / 폴리머
데이터가 존재하지 않습니다.
loading...
본 연구는 자율 주행 차량에서 저채널 3D 라이다 데이터를 직접 사용하여 객체 인식 성능을 향상시키는 채널 기반 네트워크를 제안합니다. 제안하는 방법은 각 채널에 컨볼루션을 적용하고 높이 데이터를 활용하여 복잡한 환경에서도 객체 인식률을 높입니다.
Image recognition and classification : algorithms, systems, and applications
Three-dimensional object recognition systems
Visual object recognition
Image technology : advances in image processing, multimedia and machine vision
Recent developments in computer vision : Second Asian Conference on Computer Vision, ACCV '95, Singapore, December 5-8, 1995 : invited session papers
Emerging topics in computer vision
Vision and navigation : the Carnegie Mellon Navlab
Motion deblurring : algorithms and systems
Wide area surveillance : real-time motion detection systems
Shape, contour, and grouping in computer vision
자동차 자율주행 기술 교과서 : 인공지능 시대의 자동차 첨단기술을 이해하는 자율주행 메커니즘 해설
Pro deep learning with TensorFlow : a mathematical approach to advanced artificial intelligence in Python
Lidar : range-resolved optical remote sensing of the atmosphere
파이썬과 OpenCV를 이용한 컴퓨터 비전 학습 : 컴퓨터 비전 애플리케이션을 만들기 위한 강력한 OpenCV 3와 파이썬 활용하기
LiDAR principles, processing and applications in forest ecology
Topographic laser ranging and scanning : principles and processing
Computer vision, ECCV '94 : third European Conference on Computer Vision, Stockholm, Sweden, May 2-6, 1994 : proceedings
The light fantastic : a modern introduction to classical and quantum optics
제어.로봇.시스템학회 논문지
권순섭, 박태형Sensors
Fernandes D.,Afonso T.,Girão P.,Gonzalez D.,Silva A.,Névoa R.,Novais P.,Monteiro J.,Melo‐pinto P.Computer Optics
Pamplona J.,Madrigal C.,Herrera-Ramirez J.IEEE Sensors Journal
Wu Y.,Zhang S.,Ogai H.,Inujima H.,Tateno S.IEEE Transactions on Intelligent Transportation Systems
Lee J.S.,Jo J.H.,Park T.H.Journal of Transportation Engineering Part A: Systems
Zhang, L.; Yu, X.; Adu-Gyamfi, Y.; Aboah, A.Sensors (Switzerland)
Tu X.,Xu C.,Liu S.,Lin S.,Chen L.,Xie G.,Li R.Sensors (Basel, Switzerland)
Hariya K.,Inoshita H.,Yanase R.,Yoneda K.,Suganuma N.IEEE Transactions on Geoscience and Remote Sensing
Song, Tiecheng; Zeng, Zheng; Gao, Chenqiang; Chen, Haonan; Li, JunIEEE Transactions on Multimedia
Liu Z.,Cheng J.,Fan J.,Lin S.,Wang Y.,Zhao X.IEEE Access
Wang Z.,Fu H.,Wang L.,Xiao L.,Dai B.한국자동차공학회 논문집
선민혁, 백동희, 공승현IEEE Embedded Systems Letters, Embedded Systems Letters, IEEE, IEEE Embedded Syst. Lett.
Bai, L.; Zhao, Y.; Huang, X.IEEE Sensors Journal
Tan B.,Ma Z.,Zhu X.,Li S.,Zheng L.,Chen S.,Huang L.,Bai J.IEEE Sensors Journal
Gao X.,Hu D.IEEE Transactions on Circuits and Systems for Video Technology
He, Z.; Mao, J.; Wang, Y.; Yu, J.; Tao, Z.; Yi, J.; Wang, S.; Zhang, H.WORLD ELECTRIC VEHICLE JOURNAL
Alaba, Simegnew Yihunie; Gurbuz, Ali C.; Ball, John E.Journal of Sensors
Hai Wang; Xinyu Lou; Yingfeng Cai; Yicheng Li; Long ChenSensors (Switzerland)
Lee S.,Lee D.,Choi P.,Park D.Journal of Electronic Imaging
Mai, C.; Zhang, B.; Wang, S.; Wang, H.; Wang, C.; Kodagoda, S.전선 / 학사
로봇은 기술 발전과 수요 증가에 따라 공장 등의 제한된 환경에서 사람들이 생활하는 일상 환경으로 확장되고 있으며, 안전하고 효과적으로 로봇을 적용하기 위해서는 로봇이 사용되는 환경에 대한 이해가 필수적이다. 로봇 비전 과목은 카메라를 이용하여 로봇 주변의 3차원 공간 구조나 보행자, 차량 등 다양한 객체 등 로봇이 사용되는 주변 환경의 전반적인 인식에 관련된 다양한 문제와 해결방법을 학습하는 것을 목표로 한다. 다양한 컴퓨터 비전의 연구 분야 중 로봇에 관련된 카메라 모델, 자세 추정, 3D reconstruction, 딥러닝을 이용한 물체 인식 및 추적 등의 주제에 대해 기초적인 내용을 강의한다.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
디지털 영상 처리 및 분류를 통한 원격탐사 위성영상으로부터 추출 가능한 지리정보의 효과적인 판독 및 분류 기법을 습득하고 실제 실험 프로젝트를 통하여 위성영상의 판독 능력을 배양한다.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
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 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
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 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
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) 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 / 대학원
유체의 속도, 초음속유동장의 충격파, 연소장의 온도, 연소생성물의 농도 등 반응장/비반응장의 특성을 측정하는데 있어, 기존의 방식은 측정장치를 유동장내 삽입하여 교란을 유발시킬 수 있는데 반해 레이저를 이용한 계측방식은 유동장의 교란을 유발시키지 않고 측정(non-intrusive technique) 가능하며, 그 정밀도도 매우 높다. 그러므로 본 과목은 빛(light)의 원리 및 특성, 레이저(LASER)의 기본 원리 및 특성을 기초로 하여 현재까지 개발된 레이저를 이용한 측정기법을 소개한다. 즉, LDV, PIV, PDPA, PLLIF, LIF, CARS 등 속도, 온도, 농도 등을 정확히 측정할 수 있는 기법의 원리, 장점 및 단점을 배우며, 전반적인 이해를 돕기 위해 기초적인 양자역학(Quantum mechanics), Scattering의 원리 및 종류(Rayleich & Raman Scattering), 형광(Fluorescence)의 원리, 분광법(Spectroscopy)에 대한 지식을 습득한다.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 강좌는 영상 데이터를 분석하기 위한 수학적 모델링 기술 및 기계 학습 기술 등을 강의한다. 영상 데이터 분석에 널리 이용되는 기본적인 기계 학습, 특히 딥 러닝 기법을 집중적으로 학습하고, 이러한 기술이 다양한 영상 분석 문제에 어떻게 적용되는지 살펴본다. 이론 강의뿐만 아니라 실습과 프로젝트를 통하여 영상 데이터 분석에 필요한 다양한 기술을 학습한다. ● 기계학습 기초 리뷰 (지도학습, 비지도학습, 준 지도학습) ● 합성곱 신경망 (컨볼루션 신경망) ● 순환 신경망 (리커런트 신경망) ● 이미지 데이터 처리 기법 (이미지 분류, 물체 인식, 이미지 분할) ● 비디오 데이터 처리 기법 (비디오 분류, 행동 인식, 영상 내 검색, 물체 추적) ● 다면성 데이터 처리 (시청각-언어 정보 처리) ● 생성적 모델링전선 / 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.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
푸리에 광학, 회절, 공간 광 변조기, 스펙트럼 분석, 공간 필터, 음향광학, 헤테로다인 스펙트럼 분석, 공간적분 코릴레이터, 시간적분 시스템, 광 컴퓨팅, 광변환, 홀로그램, 광민감 효과, 지연신호처리.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
모빌리티 디자인 프로젝트 1과 연계한 수업으로 본인의 오브젝트에 대한 심도 있는 연구를 진행한다. 오브젝트와 주어진 세계관과의 맥락을 명확히 인지하며 3D 디지털 렌더링, 3D 애니매이션 등의 작업을 통해 높은 완성도의 오브젝트를 디자인 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.