http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 백진헌 (검색결과 7 건)
- 무료
- 기관 내 무료
- 유료
-
백진헌,이다경,홍채연,안병태 중소기업융합학회 2017 융합정보논문지 Vol.7 No.6
IT 기술의 발달로 유해 멀티미디어가 무분별하게 유포되고 있다. 또한 선정적, 폭력적 유해 콘텐츠는 청소년 에게 약 영향을 끼친다. 따라서 본 논문에서는 선정성, 폭력성이 드러나는 영상 콘텐츠 차단을 위한 다중 기법을 제안 한다. 다중 기법 내에는 선정성, 폭력성을 검출하는 두 가지 모듈이 있다. 선정성 검출 모듈 내에는 성인 점수와 외설 점수를 기반으로 선정성을 검출하는 모델이 있다. 폭력성 검출을 위한 모듈 내에는 RGB 영역을 이용한 피 검출 모델 과 폭력적인 움직임은 방향과 크기 변화가 크다는 것에 착안한 움직임 추출 모델 두 가지가 있다. 이와 같은 총 세 가지 모델의 검출 결과에 따라 해당 콘텐츠의 유해 여부를 판단한다. 본 논문의 유해 콘텐츠 차단 다중 기법은 무분 별하게 유포되는 선정적, 폭력적 유해 콘텐츠를 차단한다. Due to the development of IT technology, harmful multimedia contents are spreading out. In addition, obscene and violent contents have a negative impact on children. Therefore, in this paper, we propose a multimodal approach for blocking obscene and violent video contents. Within this approach, there are two modules each detects obsceneness and violence. In the obsceneness module, there is a model that detects obsceneness based on adult and racy score. In the violence module, there are two models for detecting violence: one is the blood detection model using RGB region and the other is motion extraction model for observation that violent actions have larger magnitude and direction change. Through result of these three models, this approach judges whether or not the content is harmful. This can contribute to the blocking obscene and violent contents that are distributed indiscriminately.
-
-
교과 연계 진로 탐색을 위한 인공지능 기반 고교 선택교과 및 대학 학과 추천 시스템
백진헌 ( Jinheon Baek ),김하연 ( Hayeon Kim ),권기원 ( Kiwon Kwon ) 한국정보처리학회 2021 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.10 No.1
4차 산업 혁명 시대의 도래에 따라 직업 환경의 변화가 가속화되고 있으며, 이와 함께 교육의 패러다임이 자유학기제와 고교학점제에 바탕을 둔 진로교육을 중심으로 변화하고 있다. 하지만, 학생들의 자율적인 진로 탐색을 지향하는 자유학기제 및 고교학점제의 정책적 목표와 달리, 진로교육 콘텐츠의 개발과 이용에 있어 교사 및 학생들의 한계가 존재하고, 이를 뒷받침할 에듀테크 기술 연구 역시 상대적으로 부족한 실정이다. 따라서 본 연구는, 교육 현장에서의 진로교육 실태를 바탕으로, 에듀테크 기술이 교과연계 진로교육과 관련해 갖춰야 할 요구조건을 세 가지로 정의하였다. 다음으로 데이터 기반 인공지능 기술을 통해, 진로탐색용 탐구주제와 고교 과목, 그리고 대학에서 수학 가능한 전공을 아우를 수 있는 데이터 시스템 및 인공지능 추천 모델을 제안하였다. 마지막으로 실험을 통해, 셋 인코딩-디코딩 기반 인공지능 추천 모델이 진로교육 콘텐츠 추천에서 만족할 만한 성능을 보이는 것을 확인하였고, 교육 현장에서의 실제 적용 결과 또한 만족스럽다는 것을 확인하였다. Recent advances in the 4th Industrial Revolution have accelerated the change of the working environment, such that the paradigm of education has been shifted in accordance with career education including the free semester system and the high school credit system. While the purpose of those systems is students’ self-motivated career exploration, educational limitations for teachers and students exist due to the rapid change of the information on education. Also, education technology research to tackle these limitations is relatively insufficient. To this end, this study first defines three requirements that education technologies for the career education system should consider. Then, through data-driven artificial intelligence technology, this study proposes a data system and an artificial intelligence recommendation model that incorporates the topics for career exploration, courses, and majors in one scheme. Finally, this study demonstrates that the set-based artificial intelligence model shows satisfactory performances on recommending career education contents such as courses and majors, and further confirms that the actual application of this system in the educational field is acceptable.
-
3.0T MR system에서 TOF-MRA의 유체속도와 신호소실의 정량분석 : 유속조절팬텀 이용
백상훈(Sang-Hoon Back),정진헌(Jin-Heon Jeong),이예은(Ye-Eun Lee),곽민영(Min-Young Gwak),윤준(Jun Yoon),정다빈(Dabin Jung),오현식(Hyun-Sik Oh),허영철(Yeong-Cheol Heo) 한국방사선학회 2020 한국방사선학회 논문지 Vol.14 No.7
본 연구의 목적은 TOF-MRA에서 유체속도의 변화와 신호소실의 상관성을 정량적으로 분석하고자 하였다. 유체속도를 제어할 수 있는 팬텀을 자체 제작하여 유체속도를 8.0 ~ 127.3 mc/s까지 총 16단계로 변화시켰다. 3.0T MRI장치를 이용하여 TOF-MRA검사를 하였고 신호소실의 길이와 영상을 유입부, 중간부, 유출부로 분류하여 각 신호강도를 측정하였다. 신호소실의 길이는 유체속도가 127.3 cm/s였을 때 가장 길게 측정되었고 신호강도는 유체속도가 증가할수록 감소하였다(p<0.05). 유입부(-.547)와 중간부(-.643)는 유체의 속도가 증가할수록 음의 상관성이 있었다(p<0.05). 결론적으로 유체속도의 증가는 TOF-MRA에서 신호소실을 야기하는 주요한 인자였음을 확인하였다. 추후 혈류속도가 빠른 모델에서 신호소실을 줄이는 시퀀스 및 파라메터를 연구할 때 본 연구가 기초자료를 제공할 것이라 사료된다. The purpose of this study was to quantitatively correlate the change of flow velocity and signal voiding in TOF-MRA. We made our phantom to control the flow velocity, and changed the flow velocity in 16 steps from 8.0 to 127.3 mc/s. The TOF-MRA test was performed using a 3.0T MRI system and the signal intensity was measured by classifying the signal voiding length and image into the In flow, Mid flow, and Out flow. The length of signal voiding was the longest when the flow velocity was 127.3 cm/s and the signal intensity decreased with increasing flow velocity(p<0.05). In flow(-.547) and Mid flow(-.643) were negatively correlated with flow velocitys(p<0.05). In conclusion, it was confirmed that the increase in flow velocity was a major factor causing signal voiding in TOF-MRA. In the future, this study will provide basic data when studying sequences and parameters to reduce signal voiding in models with a high flow velocity.
-
-
-
음식의 재료들을 고밀도 벡터 공간상 화학적 조합으로 임베딩하기 위한 방법론
박동현(Donghyeon Park),박용규(Yonggyu Park),장부루(Buru Chang),백진헌(Jinheon Baek),강재우(Jaewoo Kang) 한국정보과학회 2019 정보과학회 컴퓨팅의 실제 논문지 Vol.25 No.1
약 본 논문은 음식의 재료들을 컴퓨터가 이해할 수 있는 벡터로 표현하는 것을 목표로 한다. 식품공학자들이 재료를 화학 분자의 조합으로 규명해 놓은 데이터에 기반을 두어, 최신 기술인 임베딩 방식을 이용해 음식의 재료들을 고밀도 벡터 공간에 화학적인 조합으로 표현하는 시도를 처음으로 도입하는 것이 본 논문의 주 내용이다. 음식 재료의 화학적 조합의 임베딩은 단순히 텍스트들의 동시 출현 빈도를 이용한 연관성이 아닌 재료를 실제 구성하는 화학 분자들의 조합으로 표현되기 때문에, 사람이 인지하지 못하는 재료의 특징을 파악하고, 조화에 맞는 재료를 추천하는 등의 태스크에 활용가능하다. 본 연구에서는 음식 재료를 Doc2vec 방식으로 벡터화한 결과를 카테고리별로 시각화하여 벡터의 성능을 정성적으로 평가한다. The purpose of this study is to represent food ingredients, in vectors that computers can understand. Based on data relative to food-chemical engineers defining ingredients with a combination of chemical compounds, the main contribution of this study is that it is the first to introduce and represent food ingredients, with a combination of chemical compounds in dense vector space. Since embeddings of food ingredients are represented by actual chemical compounds, they can detect chemical characteristics of ingredients that humans may not. So, embeddings can be used to recommend ingredients that go well with other ingredients. For experimental purpose, we visualize embedded vectors by their food category and evaluate performance of vectors qualitatively.
ScienceON
eArticle연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
