http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
권승준(Kwon Seung Joon),신성웅(Shin Sung Woong) 대한공간정보학회 2009 대한공간정보학회지 Vol.17 No.1
기존의 육상레이더망을 이용한 선박모니터링 시스템(vessel monitoring system)의 경우는 선박을 탐지할 수 있는 범위가 제한적이기 때문에 지속적인 관리와 감시에 어려움이 있다. 본 논문에서는 이런 문제점을 극복하고, 광역의 지역에 대한 효율적인 영상정보의 수집과 기상조건에 상관없는 자료의 취득이 가능한 SAR 위성영상을 활용하여 해양모니터링을 위한 선박감시시스템의 핵심 부분이 될 수 있는 선박탐지에 관한 연구를 수행하고자 한다. 선박탐지에 관한 연구는 크게 선박 대상체 자체를 탐지하는 알고리즘과 항행선박에 의해 발생되는 선형 항적(航跡)을 탐지하는 알고리즘으로 나눌 수 있는데, 본 연구에서는 선박 대상체 자체를 탐지하는 방법을 제안하고, 선박대상체의 위치와 항로를 파악하여 그 정확도를 일부 현장자료를 통해 검증하고자 한다. 1차 다항식 변환을 통해 입력영상을 기하보정하고 잡음제거를 위해 Wiener 필터를 사용한다. Otsu(1979)가 제안한 분산최대 2분할법을 통해 입력영상을 이진화시키고 레이블링 기법을 사용하여 영상화소들의 그룹을 재구성한다. 형태학적 필터링과 화소간 거리 클러스터링을 이용하여 선박후보대상체들을 빠르게 추출하고 중심좌표와 침로를 계산한다. The existing vessel monitoring system using the ground surveillance radar has a difficulty in monitoring ships continuously due to the limited range of detecting ships. For resolving this problem, we carry out a research on ship detection which is to be the core technology of vessel monitoring system for ocean monitoring using SAR imagery. There are two different methods of detecting ships in SAR imagery: detection of the ship target itself and detection of the ship wake. In this paper, we mainly focus on algorithms which detect the ship itself, and also present the accuracy test after extracting positional and directional figures of the ships. After rectifying input SAR imagery using polynomial transformation, we use Wiener filter to remove speckle noises. A labeling technique and morphological filtering in conjunction with Otsu's method are used to automatically detect the ships based on the image processing domain. For ground truth data, information from a radar system is used, which allows assessing the accuracy of the proposed method. The results show that the proposed method has the high potential in automatically detecting the ships and its positional/directional figures in a fast way.
산업부산물의 사용성 확대를 위한 기초연구: 숏크리트의 강도특성
박철우,권승준,심종성,강태성,이현기,심재원,Park, Cheol-Woo,Kwon, Seung-Joon,Sim, Jong-Sung,Kang, Tae-Sung,Lee, Hyeon-Gi,Sim, Jae-Won 한국건설순환자원학회 2009 한국건설순환자원학회지 Vol.4 No.3
The industrial by-products market has increased at a geometric rate worldwide with the rapid economic growth. Among the wide variety of industrial by-products, fly ash which is generated by the combustion of coal is one of the more troublesome industrial wastes because they entail substantial disposal cost and also cause a shortage of disposal sites. In Korea alone, fly ash generation is expected to increase to 5.8 million tons by 2009, and to 6 million tons by 2010. Given the accelerated industrial development in developing countries, the amount of fly ash generation is predicted to reach enormous levels throughout the world. An increasing number of studies have currently focused on the feasibility of recycling industrial wastes i.e., fly ash in terms of environmental advantages. In this study, the optimized mix proportion of high performance shotcrete using fly ash was determined for the purpose of promoting recycling and reuse of resources. 최근 국제적으로 급속한 경제성장으로 인한 산업부산물이 기하급수적으로 늘어가고 있다. 산업부산물중 석탄의 연소과정에서 발생하는 폐석탄회는 산업폐기물로서 막대한 처리비용과 함께 매립장 부족 등 여러 가지 많은 문제점을 발생 시키고 있다. 한국의 경우 2009년에는 580만톤 2010년 이후에는 600만톤 으로 증가될 것으로 전망되고 있으며, 개발도상국의 선진화에 따른 폐석탄회 발생량은 세계적으로 볼 때 엄청난 양이 발생될 것으로 전망 된다. 이에 따라 세계적으로 산업폐기물 재활용 및 환경을 고려한 폐석탄회를 재활용 연구가 활발히 진행되고 있으며, 이 연구에서도 자원재활용을 목적으로 폐석탄회를 이용한 고성능 숏크리트용 최적 배합비를 도출하고자 한다.
김우석(Woosuk Kim),권승준(Kwon, Seung Joon) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
핸드 제스처 인식은 가상 현실 콘텐츠에서 자연스러운 상호작용을 가능하게 하는 주요 기술 중 하나이다. 본 논문에서는 스켈레톤 형태로 주어지는 제스처의 인식을 위한 심층 신경망 모델을 제시한다. 그래프 형태로 기술되는 핸드 스켈레톤 입력에 대해 특징값을 추출하기 위한 GNN기반의 구조를 기술하고 이를 통해 계산된 특징값 시퀀스로부터 제스처 종류를 구분하기 위한 모델을 구성하였다. 설계된 모델의 인식 성능은 공개되어 있는 두가지 데이터 셋인 DHG-14/28 및 SHREC’17에 대해 학습한 결과를 토대로 확인하였다. Hand gesture recognition is one of the important techniques for natural and expressive interaction in virtual environments. In this paper, we propose a method to recognize gestures given in the form of skeletons. A GNN based model which calculates features of hand postures from skeletal input represented as graphs is presented and a classification model which discriminates gesture types from the feature sequence is described. The recognition performance was measured using two public dataset, which are DHG-14/28 and SHREC’17.