최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 논문은 반려견 생체인식률 향상을 위해 실시간 영상에서 반려견 얼굴이 정면을 향하고 있는지 판별하는 방법을 제안합니다. 딥러닝 기반의 YOLOv4와 RF 분류기를 활용하여 95.25%의 높은 정면 판별 성능을 달성했으며, 실시간 처리도 가능함을 확인했습니다.
임베디드 보드 기반 딥러닝 응용 : NVIDIA Xavier NXJetson TX2를 기반으로
(아침부터 저녁까지 어디서나 마주치는) 하루 과학
(NVIDIA Xavier NXJeston TX2를 기반으로) 인공지능과 딥러닝 개발환경 구축 및 응용
Human recognition in unconstrained environments : using computer vision, pattern recognition and machine learning methods for biometrics
데이터 마이닝 : 데이터 속 숨은 의미를 찾는 기계 학습의 이론과 응용
Human recognition at a distance in video
Face and facial expression recognition from real world videos : International Workshop, Stockholm, Sweden, August 24, 2014, Revised selected papers
거실의 사자 : 고양이는 어떻게 인간을 길들이고 세계를 정복했을까
Face detection and recognition : theory and practice
OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝
Person re-identification
개의 뇌과학 : 반려견은 어떻게 사랑을 느끼는가
반려견 증상 상식 사전 : 24시간 우리 아이 곁을 지켜주는 내 손안의 주치의
침입종 인간 : 인류의 번성과 미래에 대한 근원적 탐구
(파이썬을 이용한) 머신러닝, 딥러닝 실전 앱 개발 : 실무에서 즉시 활용 가능한 머신러닝, 딥러닝 실전 앱 개발
(나에게 꼭 맞는)애견 선택 백과
Computational algorithms for fingerprint recognition
Veterinary diagnostic imaging : birds, exotic pets, and wildlife
Dermatologic diagnosis in the dog : an approach based on skin patterns
Machine learning for face, emotion, and pain recognition
Journal of Software Engineering and Applications
Santosh Kumar; Sanjay Kumar SinghMultimedia Tools and Applications
Thierry Pinheiro Moreira; Rafael de Oliveira Werneck; Eduardo Valle; Mauricio Perez한국산학기술학회논문지
김종복, 장동화, 양가영, 권경석, 하태환, 이준환방송공학회 논문지
이동수, 박구만Multimedia Tools and Applications: An International Journal
Moreira, Thierry Pinheiro; Perez, Mauricio Lisboa; Werneck, Rafael de Oliveira; Valle, EduardoJournal of Physics: Conference Series
Han Gao; Amir Ali Mokhtarzadeh; Shaofan Li; Hongyan Fei; Junzuo Geng; Deye WangExpert Systems with Applications
Chan Y.K.,Lin C.H.,Ben Y.R.,Wang C.L.,Yang S.C.,Tsai M.H.,Yu S.S.Animal Cognition
Eatherington C.J.,Mongillo P.,Lõoke M.,Marinelli L.Animal cognition
Somppi S; Törnqvist H; Hänninen L; Krause CM; Vainio O한국정보통신학회논문지
박태주, 송특섭한국콘텐츠학회 논문지
백종우; 권보순; 이승은; 정회경iScience
Guo S.,Xu P.,Miao Q.,Shao G.,Chapman C.A.,Chen X.,He G.,Fang D.,Zhang H.,Sun Y.,Shi Z.,Li B.방송공학회 논문지
김지혜, 고정환, 권철희Proceedings. Biological sciences
Allen WL; Higham JPAPPLIED SCIENCES-BASEL
Chen, Huan-Yu; Lin, Chuen-Horng; Lai, Jyun-Wei; Chan, Yung-KuanApplied Sciences (Switzerland)
Jang D.H.,Kwon K.S.,Kim J.K.,Yang K.Y.,Kim J.B.European Journal of Wildlife Research
Petso, Tinao; Jamisola, Jr., Rodrigo S.; Mpoeleng, DimaneJournal of Physics: Conference Series
Chandra, R.; An-Nissa, S.; Zamzami, E.M.한국통신학회논문지
정택현, 김기천Neurocomputing
Ruan, Z.; Wang, G.; Lin, X.; Xue, J.-H.; Jiang, Y.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
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
인공신경망의 원리와 종류를 살펴보고 그 동작을 이해한다. 이를 기반으로 딥러닝 네트워크의 원리를 공부하고 설계하여 그 동작을 이론과 실습을 통해 이해한다. 또한 응용 분야에 따른 다양한 딥러닝 네트워크를 알아보고 학습과 검증 과정을 통해 설계 및 응용분야에 적용하는 예제를 공부한다.전선 / 학사
딥 러닝의 핵심 개념, 모델 및 활용 사례를 강의한다. 강의 전반부에는 deep neural network의 정의, stochastic gradient descent, backpropagation, activation, optimization 등 딥 러닝의 핵심 개념을 강의하며, 후반부에는 convolutional neural network, recurrent neural network, generative adeversarial network, transformer 등 실제로 활용되는 딥 러닝 모델들의 특징과 활용 사례를 다룬다. 또한 각 모델들을 PyTorch를 통해 실제로 활용해볼 수 있도록 과제/프로젝트를 구성한다.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.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 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 / 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 / 대학원
근래의 의료 빅데이터의 축적 및 인공지능 기법의 발달은 많은 의학 분야에서 빅데이터에 기반한 정확한 예측 및 환자 맞춤형 진료를 가능하게 하고 있다. 주술기 의학 분야에 있어서도, 이러한 기술적 발달은 기존의 위험도 분류, 예후 예측, 조기 경보 및 의료 자원 분배 등 주술기 의학의 접근 방식에 큰 변화를 가능하게 하고 있다. 따라서 미래 임상 의사, 의학자들에게 있어 이러한 기술을 이해하고, 활용하는 것을 배우는 것이 점차 중요해지고 있다. 이 강좌에서는 먼저 VitalDB나 MIMIC, eICU 데이터셋 등 주술기 의학 분야의 오픈 데이터셋에 대해 알아보고, 이러한 데이터를 효과적으로 활용할 수 있는 기계 학습 기법에 대해 배울 것이다. 또한 실습을 통해 최신 기계 학습 기법들을 본인의 연구에 적용할 수 있는 방법을 배울 것이다.전선 / 대학원
개와 고양이를 비롯한 애완동물은 물론 말, 산업동물, 조류, 실험동물, 모델동물, 야생동물 등 특수동물의 안과질환에 대한 진단법 및 치료법에 대해 강의하며, 신경 안과 질환을 가진 동물의 검사법, 뇌신경 장애시 나타나는 임상증상, 자율신경 이상, 전정기관의 질환, 소뇌의 질환, 중심 시각로 및 시각 장애 질환에 대해 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
소셜 컴퓨팅과 라지데이터 분석 등이 커뮤니케이션 분야에서도 중요한 이슈로 부상함에 따라 컴퓨터공학을 전공하지 않은 연구자들도 소셜 네트웍 시스템의 기술적, 구조적 특성을 이해할 필요가 있다. 이 수업에서는 Ruby나 Python 등을 사용한 기초 프로그래밍 학습과, 웹 기반 기술(web technology), 데이터베이스 등의 관련 기술에 대한 학습을 통해 실제로 소셜 네트웍을 개발하고 분석하는 방법을 배운다. 또한, 이 과정에서 트위터 등의 소셜 네트웍의 데이터 마이닝 기법을 배우고 소셜 네트웍 분석을 실습을 통해 학습한다.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 / 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 / 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.전필 / 학사
이 과목은 4학년생을 위한 과목으로 임상순회실습의 일환으로 병원 영상의학과에 직접 머물면서 일반 방사선 촬영의 정확한 방법과 교정, 현상작업, 라운드의 참석, 영상의 판독 및 특수 조영법 그리고 초음파 및 전산화단층촬영, 자기공명영상 등의 진단기법에 대해서도 경험할 기회를 갖게 된다. 주로 일반 방사선 촬영에서는 의료진을 도와가면서 어느 정도 숙지된 이후에는 직접 환자를 촬영할 수 있으며, 현상작업에도 참여한다. 라운드(Rounds)는 1주일에 2번 오전 8:30에 실시되는데 참여하여 그 주간에 교육적인 가치가 있는 증례에 대해서 토론하고 공부한다. 영상 판독 부분에서는 두 교수의 지도아래 전 신체부위 관련 질환 영상 teaching files (films)를 공부하고 토의한다. 또한 일부 영상은 스스로 공부해서 발표하는 시간도 갖는다. 특수 촬영은 환자가 있을 때 영상의학과 의료진의 도움을 받아 경험하게 된다. 이 과목을 통해 학생들은 수의영상의학에 있어 실제 임상에서 활용할 수 있는 필수적인 정도의 지식과 기술을 습득하게 될 것이다.전선 / 학사
수많은 기업과 조직들은 머신러닝과 AI를 빅데이터에 적용하여 의사결정을 내리고 가치를 창출하고 있습니다. 하지만 그 과정에서 점점 커져가는 데이터와 점점 복잡해져 가는 알고리즘을 의사결정자인 사람이 이해하는 것이 필수적으로 선행되어야 합니다. 데이터 시각화는 데이터와 알고리즘을 사람이 직관적으로 이해할 수 있도록 도와주는 강력한 도구입니다. 이 수업을 통해 학생들은 다양한 유형의 데이터를 요약하고 시각적으로 표현하여 다른 사람과 효과적으로 커뮤니케이션 할 수 있는 방법들에 대해서 배울 것입니다.전선 / 대학원
AI와 빅데이터는 안과 영역에서 기초 및 임상 연구를 너머 실제 임상현장에도 큰 영향을 미치고 있다. 안과 영역에서 빅데이터를 이용한 연구들의 방법론과 실제 연구들을 살펴보고 최신 연구 동향을 알아보고자 한다. 최근 transformer의 발전에 이어 foundation model의 보급, 그리고 이를 바탕으로한 Large Language Model들의 성능이 향상되면서, 이를 안과를 포함한 의료 영역에 적용하는 다양한 연구들과 실제 사용례들이 늘어나고 있다. 이에 대해 살펴보고 실제 연구와 임상현장에 적용되는 경우를 알아보도록 하겠다. 이 강좌를 통해서 학생들은 안과 영역의 AI와 빅데이터의 활용에 대한 최신 지견을 배울 수 있다.