http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
성낙준 ( Nak-jun Sung ),이기백 ( Ki-beak Lee ),박두순 ( Doo Soon Park ),홍민 ( Min Hong ) 한국정보처리학회 2014 한국정보처리학회 학술대회논문집 Vol.21 No.2
최근 추천 서비스 시스템의 높은 서비스 만족도와 스마트 디바이스들의 빠른 발전과 높은 보급률로 인해 모바일 환경에서의 추천시스템들이 높은 필요성이 증대되고 있다. 이러한 추천 시스템들 중에서도 개인의 성향을 바탕으로 서비스를 제공하는 추천 시스템들이 큰 인기를 얻고 있는 추세이다. 추천 서비스 중에서도 꾸준하게 국내에서 소비량과 관심이 중가하고 있는 와인에 대한 서비스를 제공하 고자한다. 국내 와인 소비량이 10년 만에 약 84%가 증가함을 통해 소비자들의 와인에 대한 관심이 꾸 준하게 증가하고 있는 점을 알 수 있다. 이를 바탕으로 본 논문에서는 개인의 성향을 바탕으로 선호하 는 와인을 추천해주는 서비스 시스템을 제안 및 구현하고,해당 시스템을 모바일 디바이스를 통해 제공해주는 어플리케이션을 설계 및 구현하였다.
Poser Pro를 이용한 가상 피팅 모델 시스템 연구
박규태 ( Gyu-tae Park ),이기백 ( Ki-beak Lee ),박두순 ( Doo-soon Park ) 한국정보처리학회 2015 한국정보처리학회 학술대회논문집 Vol.22 No.1
사이버 쇼핑몰에서 옷을 구매하는 경우에 사이버 쇼핑몰의 옷의 사이즈가 명시되어 있지만, 그 수치 만으로는 옷을 선택하기가 어렵다. 사이버 쇼핑몰의 단점중 하나는 옷을 직접 입어보지 못한다는 점에 있다. 옷을 직접 입어보지 못함으로써 자신에게 사이즈가 맞는지 맞지 않는지 알기 어렵다. 이러한 문제를 해결하고자 사용자와 비슷한 몸매를 가상 모델을 생성하여 가상의 옷을 입혀보고 사이즈가 맞는 지 아닌지를 미리 예상 할 수 있도록 도와 줄 수 있다. 이^]한 시스템을 생성하기 위하여 Poser Pro라 는 3차원 입체 신체 모델링 프로그램을 이용하여 사용자에게 가상 모델을 제공하여 사용자가 자신과 비슷한 신체를 가진 가상의 모델을 통해 옷을 선택하게 한다.
오세운(Se-woon Oh),이창현(Chang-hyun Lee),김선목(Sun-mok Kim),임덕진(Deok-jin Lim),이기백(Ki-beak Lee) 대한전기학회 2021 전기학회논문지 Vol.70 No.1
In this paper, we propose a novel multi-object distinction method with class-agnostic object detection and class retreival. Multi-object distinction is usually divided into the processes of detecting and classifying an object. Since it is common for industrial applications to add new kinds of objects to be recognized, it is inefficient to re-train the system every time the new object is added. Thus, the propose method employs two deep learning models to solve this problem. 1) Class agnostic object detection model to predict the bounding boxes regardless of the classes of objects and 2) Class retrieval model to determine the classes of the objects. The experimental results show that the proposed method successfully detects and classifies the both experienced and inexperienced objects: the final classification accuracy for 15 learned objects was 98.0%, and for the other 30 new objects that had not been learned. the accuracy was 87.7% on average.