http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
양안 이미지를 사용하는 실시간 심층 합성곱 신경망 지화 인식 방법
문성필(Moon Sungphill),김용년(Kim Yongnyeon),서일홍(Suh Ilhong) 한국HCI학회 2017 한국HCI학회 학술대회 Vol.2017 No.2
본 논문은 메모리와 연산 시간 등의 자원 한계를 고려하여 심층 학습(Deep learning)을 활용한 실시간 지화 인식 방법을 제시한다. 또한, 본 논문에서는 양안 이미지와 단일 이미지를 활용한 두 가지 실험의 비교를 통해 심층 합성곱 신경망의 3 차원 정보 해석 가능성을 검증한다.
연태민(Taemin Yeon),고동욱(Dongwook Ko),서일홍(Ilhong Suh),정제창(Jechang Jeong) 대한전자공학회 2022 대한전자공학회 학술대회 Vol.2022 No.11
본 논문에서는 모바일 로봇이 정적 환경이 아닌 변화하는 동적 환경에서 장기간 주행 (Life-long SLAM and Navigation)을 할 수 있는 방법을 제안하고자 한다. 제안하는 방법은 자율 주행을 하면서 초기에 학습시킨 지역지도(Local-grid maps) 경험과 실시간 주행 중에 취득한 경험을 지속적으로 비교, 추론하며 현재 위치에서 다음 위치로 이동 시, 추천된 경험을 기반으로 현재 위치를 추정하는 방법이다. 구조적 변화가 크게 생긴 부분 이동지역은 기존에 저장된 경험들에서 찾을 수 없는 새로운 경험이라고 분류하여 경험 메모리에 저장한다. 방대한 양의 경험이 축적된 경험 메모리 내에서 실시간으로 다음에 나올 경험을 예측하기 위한 베이지안 모델을 제안한다. 실험 방법은 추천된 경험으로 작성한 지도와 초기에 작성한 지도를 가지고 각각 동적 환경에서 주행을 하며 위치를 추정한 결과를 비교 평가하였다. 실험 결과 , 제안한 방법은 고정된 지도 정보가 아닌 변화하는 동적환경에 맞게 로봇 스스로 주행을 하며 지속적으로 환경정보를 축적하여 보다 신뢰성 높은 정보를 추천함으로써 장기간 위치추정에 효과적이다.
센서 데이터와 Semantic 정보를 이용한 모바일 로봇의 Execution Monitoring
강정호(JungHo Kang),임기현(GiHyun Lim),방희범(HeeBeom Bang),서일홍(IlHong Suh) 대한전자공학회 2007 대한전자공학회 학술대회 Vol.2007 No.7
자율적인 모바일 로봇의 행동은 불확실하거나 변화하는 환경에서 강건하고 안전하게 움직일 수 있어야 한다. 이러한 행동을 하기 위해서는 로봇이 실행하면서 발생하게 되는 움직임과 계획 또는 환경적 요소에서 비롯된 예외적 상황을 발견하고 이를 구분할 수 있는 능력이 필요하다. Execution Monitoring이란 로봇이 이러한 예외적 상황을 구분하고 분류하는 것을 말한다. 본 논문에서는 이러한 예외적 상황을 구분하는 데 있어서 Sensor Data와 Semantic 정보를 이용한 Execution Monitoring을 제한하고 있다.