http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
장종환,Jng, Jong-Whan 배재대학교 공학연구소 1998 공학논문집 Vol.3 No.1
본 논문에서는 가입자가 사업자를 변경하였을 때 SSP와 SCP사이에서 자신의 전화번호를 유지하는 지역번화이동성(LNP)에 대한 응용분야를 연구한다. LNP는 지능망(IN)의 CS-1 표준을 사용하고 지능망에 적합한 응용프로토콜을 제안한다. This paper studies application protocol for local number portability(LNP) between SSP(Service Switching Point) and SCP(Service Control Point) when users switching from one telecommunication carrier to another in local area. Here, this paper considers that LNP uses CS-1 standard of IN(Intelligent Nework). So, this paper will propose application protocol for LNP when used IN.
장종환 배재대학교 공학연구소 2012 공학논문집 Vol.14 No.1
Snake is faster than level set method but is very sensitive to performance of boundary extraction according to topology of objects. Therefore, level set method is applied if and only if topology of objects is complicated, otherwise active contour model is used. A new combined method of Snake with level set method is proposed. A proposed algorithm can improve speed and accuracy of boundary extraction of objects.
장종환,Jang, Jong-Whan 한국정보처리학회 2010 정보처리학회논문지B Vol.17 No.5
객체 윤곽을 추출하는 대부분의 기존 방법들은 단일객체의 윤곽검출에 대해 연구하였다. 그러나, 실 세계에서는 복수객체가 일반적이다. 본 논문에서 제안한 복수객체 윤곽추출 알고리즘은 2 단계로 구성된다. 첫 번째 단계는 외적 및 내적을 사용하여 초기에 복수객체를 포함한 윤곽을 고속으로 분리하고 연결하여 각각이 윤곽이 단일 개체만을 포함하는 방법을 제안한다. 두 번째 단계는 각각의 윤곽에 포함된 단일 객체의 윤곽을 추출하는 개선된 능동윤곽모델 알고리즘을 설명한다. 여러 실험영상에 대한 실험결과는 다른 방법과 비교하여 속도가 빠르며 정확하게 윤곽을 추출한다. Most of previous algorithms of object boundary extraction have been studied for extracting the boundary of single object. However, multiple objects are much common in the real image. The proposed algorithm of extracting the boundary of each of multiple objects has two steps. In the first step, we propose the fast method using the outer and inner products; the initial contour including multiple objects is split and connected and each of new contours includes only one object. In the second step, an improved active contour model is studied to extract the boundary of each object included each of contours. Experimental results with various test images have shown that our algorithm produces much better results than the previous algorithms.
강건한 이미지 초해상도를 위한 적응형 가중치 맵을 사용한 메타 학습
장종환,최장훈 대한전자공학회 2024 전자공학회논문지 Vol.61 No.3
이미지 초해상도(SR)는 저해상도 이미지를 고해상도 이미지로 변환하는 컴퓨터 비전 기술이다. 딥러닝의 등장으로 새롭고 효과적인 SR 방법들이 많이 제안되었지만, 현재 대부분의 SR 방법들은 저해상도 이미지의 저하 과정이 bicubic downsampling이라고 가정하므로, 여러 내/외부 요인으로 다양한 저하 유형을 가지는 실제 이미지에는 잘 적용되지 않는 문제가 있다. 본 논문에서는 SR 네트워크 구조를 변경하지 않고, 입력 이미지의 내부 정보를 활용해 단일 이미지 초해상도 성능을 개선하는 방법을 제안한다. 이미지 내부 정보를 활용하기 위해 입력 이미지에 특화된 적응형 픽셀 단위 가중치 맵(PAW)을 구축하는 메타 러너 네트워크를 사용하는 메타 학습 방법을 사용한다. 이 접근법은 bicubic downsampling뿐만 아니라, blind downsampling에도 빠르게 적응 가능하며, 네트워크가 이미지의 복잡한 부분에 더 집중하도록 유도함으로써 성능을 향상시킨다. 다양한 벤치마크 SR 데이터 세트에서의 실험 결과, 제안 방법이 기존 SR 네트워크의 구조를 유지하면서 성능을 향상시키는 것을 확인했다. Image super-resolution(SR) is a computer vision task that converts low-resolution images into high-resolution images. With the advent of deep learning, many new and effective methods have been proposed. However, most SR methods are conducted under the assumption that the low-resolution degradation process is bicubic downsampling, so there is a problem that they are not well applied to real images with complex degradation types. In this work, we propose a method to improve the performance of Single Image Super-Resolution that is robust against various degradation types, without changing the architecture of conventional SR network, by utilizing the internal information. For utilizing the internal information, we adopt a meta-learning algorithms using a meta-learner network, which constructs an pixel-wise adaptive weight map(PAW) tailored to the given input image. This approach can be quickly applied to bicubic downsampling kernels as well as blind downsampling kernels and improves performance by encouraging the network to focus more on complex parts of the image. Experiments on various benchmark SR datasets show that our proposed method improves the performance while maintaining the structure of the existing SR network.
장종환 배재대학교 공학연구소 2011 공학논문집 Vol.13 No.1
The most important operation in Snake algorithms of extracting boundary of multiple objects is to find the segment intersection and to split and connect segments appropriately. In most of previous algorithms, two 1-D equations are solved to find segment intersection and the nearest distance method is used for splitting and connecting snake points. This method is time-consuming. Connecting snake points using the distance between snake points creates the wrong connection. To solve these problems, new splitting and connecting operation using vectors of snake segments is proposed.