http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
심층학습 기반 멀티 모달 데이터를 활용한 차량 사고 검출
조영완(Youngwan Jo),조익현(Ikhyeon Jo),김대희(Daehee Kim),김인경(Inkyung Kim),김수현(Suhyun Kim),강승은(Seungeun Kang),엄주석(Jusuk Um),이재구(Jaekoo Lee) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
기존의 블랙박스 데이터를 활용한 차량 사고 자동 검출 시스템은 블랙박스의 메타데이터만을 활용하였다. 이 방법은 동영상 데이터를 활용하지 못하는 한계가 있으므로, 본 논문에서는 블랙박스 동영상 데이터와 메타데이터를 융합하여 사용하는 ConvLSTM 기반 모델을 설계하여 제안한다. 실험적으로 동영상 데이터와 가속도 데이터를 함께 학습한 모델은 하나의 데이터만 학습한 모델보다 검출 정확도가 7.5% 향상되어, 97.5%를 달성하였다. 제안하는 멀티 모달 데이터 기반 차량 사고 검출 모델은 실제 환경에서 블랙박스의 모든 데이터를 활용하여 더 정확한 차량 사고 검출을 목적으로 사용될 수 있을 것으로 예상된다.
적응적인 휴머노이드 보행을 위한 CPG 궤적 및 GP 관절 보정의 결합 기법
조영완(Youngwan Jo),김훈이(Hunlee Kim),서기성(Kisung Seo) 대한전기학회 2016 전기학회논문지 Vol.65 No.9
A combined CPG (Central Pattern Generator) based foot trajectory and GP (Genetic Programming) based joint compensation method is presented for the adaptive humanoid walking. The CPG based foot trajectory methods have been successfully applied to basic slops and variable slops with slow rates, but have a limitation for the steep slop terrains. In order to increase an adaptability of humanoid walking for the rough terrains, a GP based joint compensation method is proposed and combined to the CPG (Central Pattern Generator) based foot trajectory method. The experiments using humanoid robot Nao are conducted in an ODE based Webots simulation environmemt to verify a stability of walking for the various aslope terrains. The proposed method is compared to the previous CPG foot trajectory technique and shows better performances especially for the steep varied slopes.