공학논문작성법 (8강) 영문 공학논문 작성법 2016년 1학기 Outline version 1 피드백

Slides:



Advertisements
Similar presentations
SPEAKER VERIFICATION SYSTEMS 대화형 사용자 인터페이스 개론 정보와 추론 연구실.
Advertisements

Number Recognizer. Team 이성우 컴퓨터소프트웨어학과 조윤성 전자통신공학과
Big Data & Hadoop. 1. Data Type by Sectors Expected Value using Big Data.
영화 예매 시스템 - 많이 봤다이가 ? CSE Corp. PM 송진희 김성욱 김보람 천창영.
Real Time Systems Lab. rtlab.knu.ac.kr 무인 헬리콥터 자율비행 소프트웨어의 실시간 성능 개선을 위한 CAN 기반 센서 네트워크 경북대학교 실시간 시스템 연구실 이재신.
The Value Chain of Telecommunications Service
Deep Learning.
Deep Learning.
랜덤 포레스트 확률 분포 기반의 바디 파트 인식 및
일반 요구 사항 비즈니스 요구사항 고객/정보/위치/상태 탐색방법 제품/서비스 홍보 및 광고 방법
URLink 팀명: S.B.S. 팀원: 김보성, 박지수.
적분방법의 연속방정식으로부터 Q=AV 방정식을 도출하라.
· 학과별 진행(자세한 심사 일정은 학과사무실 문의) · 논문제목수정, 심사위원 변경, 심사취소 신청은 해당자에 한함
Entity Relationship Diagram
신호처리 실험 (Signal Processing Lab)
졸업 작품 3~4월 진도진행서 김 상 덕 김 영 근 백 강 수
Hybrid INDIGO project 중간보고
OpenCV 이미지 객체 추출.
Learning Classifier using DNA Bagging
6 장. ER-관계 사상에 의한 관계 데이터베이스 설계
UNIT 07 Memory Map 로봇 SW 교육원 조용수.
Number Recognizer.
CHAPTER 02 OpenCV 개요 PART 01 영상 처리 개요 및 OpenCV 소개.
Multimedia Programming 10: Point Processing 5
컴퓨터과학 전공탐색 배상원.
J.A.R.V.I.S 전영재 이민권 박병용 서승민.
랜덤 포레스트 확률 분포 기반의 바디 파트 인식 및
Central Gas Monitoring System 2005
근거리에서의 얼굴 인식 시스템 연구 (BR-1-7)
소프트컴퓨팅 연구실 소개자료 . 소프트컴퓨팅연구실 조성배.
뇌신경정보학 2002 중간발표 근거리에서의 얼굴인식 시스템 연구 중간 발표 연세대학교 컴퓨터과학과 변 혜 란.
동영상 제작과정 (홍보용 CF) Lee Sunghoon 1.
UNIT 07 Memory Map 로봇 SW 교육원 조용수.
군집 분석.
프로그래밍2 및 실습 전 명 중.
논문작성을 위한 English expression 모음 (과제)
MCL을 이용한 이동로봇 위치추정의 구현 ( Mobile robot localization using monte carlo localization ) 한양대학교 전자전기전공 이용학.
시뮬레이션 기반 가상 보조기구 알고리즘 최적화
USN(Ubiquitous Sensor Network)
Computer vision 정보과학부 최영준.
ASP.NET AJAX / AJAX Control Toolkit 응용 2008 컴퓨터공학실험( I )
04. DBMS 개요 명지대학교 ICT 융합대학 김정호.
In-situ Reaction Raman 의 소개 및 응용
기상 레이더 정보를 이용한 획기적인 LID시설 제어 방법 GIST대학 물리학부 정희원 GIST대학 기초교육학부 박연준, 기태윤
차량 번호판 영상인식을 이용한 주차장 출입통제 시스템
데이터마이닝, 빅데이터, 데이터과학: 정의 데이터마이닝(data mining)
자동차 사고 용의 차량 번호판 인식 시스템 개발 디지털정보융합학과 심영복.
공학논문작성법 (3강) 공학논문 작성 방법 개요 2016년 1학기 좋은 공학논문 작성을 위해서는 무엇이 필요한가?
S-Work 2.0 DRM 신규 버전 설치 가이드 SOFTCAMP
Outline 작성을 통한 실험 기획, 논문 구조 잡기
QR Code 김정민 김준보.
알고리즘 알고리즘이란 무엇인가?.
연구 진행 상황 보고서 연구 결과 문제점 및 대책 목표 및 계획 어지럼증 기타
헤드라인 헤드라인 헤드라인 헤드라인 헤드라인 헤드라인 헤드라인 헤드라인 헤드라인 헤드라인 헤드라인 헤드라인 텍스트 샘플 텍스트
네이버 CCL 도입 현황 및 계획 서비스정책센터 최인혁.
· 논문제목수정, 심사위원 변경, 심사취소 신청은 해당자에 한함
2018학년도 2학기 상담심리대학원 학위청구논문 진행 절차
· 학과별 진행(자세한 심사 일정은 학과사무실 문의) · 논문제목수정, 심사위원 변경, 심사취소 신청은 해당자에 한함
여러 가지 집의 같은 점과 다른 점 비교하기 슬기로운 생활 2학년 1학기
2일차 영상처리 교육.
Information Communication Technology
발표자 : 이지연 Programming Systems Lab.
· 학과별 진행(자세한 심사 일정은 학과사무실 문의) · 논문제목수정, 심사위원 변경, 심사취소 신청은 해당자에 한함
영역 기반 처리.
[ 우수활용사례 – 용인 F 학원 ] <학원 정보> 학원명 : F학원 위치 : 경기도 용인시 동백동
2011학년도 졸업작품 주제 발표 -카메라 기반 제스처 인식 UI-
 6장. SQL 쿼리.
Ch12. Deep Learning (Backpropagation)
문제의 답안 잘 생각해 보시기 바랍니다..
LEON3 DBT 엔진을 이용한 ERC32 기반의 하이퍼바이저 프로토 타입 개발
Presentation transcript:

공학논문작성법 (8강) 영문 공학논문 작성법 2016년 1학기 Outline version 1 피드백 (2) 영문 abstract version 2 피드백 (3) 논문작성을 위한 English expression 모음

(박사과정 1년차 학생의 outline version1 예)

Computer vision & Image Processing Lab. Face Detection Algorithm using Skin Color and Depth Information for Kinect 윤영지 Computer vision & Image Processing Lab.

Abstract 초안 [1-1] 최근 인공지능, 자동화 시스템 분야에 대한 관심이 집중되고 있다. [1-2] 그 중에서도 자동화된 얼굴 분석 시스템에 관한 연구가 활발하게 진행되고 있다. 얼굴 인식, 얼굴 트래킹, 얼굴 감정 인식 등은 얼굴 분석에 사용되는 알고리즘으로 얼굴 검출은 얼굴 분석에 전처리 과정으로 사용된다. [2] 하지만 얼굴을 검출하는 것은 조명, 주변 환경 조건, 검출되는 대상의 자세 등에 영향을 받기 때문에 현재까지도 시스템의 보완이 요구되어진다. [3-1] 본 논문에서는 키넥트 디바이스에서 피부색 검출과 깊이 정보를 기반으로 한 얼굴 검출 알고리즘을 제안한다. [3-2] 제안된 알고리즘은 조명과 배경 등의 영향을 받지 않고, 하나 또는 그 이상의 얼굴을 검출할 수 있다.

Abstract 초안 (영문)

Introduction : technical background • 얼굴 검출은 얼굴 분석 시스템(얼굴 인식, 얼굴 트래킹, 얼굴 감정 인식 등)에서 전처리 과정으로 사용 • 3D 분야가 발전함에 따라 얼굴 분석 시스템에도 도입되기 시작 • 3D 디바이스에서 가격이 저렴하고 접근성이 용이한 키넥트를 사용 • 기존의 방법은 사람의 자세, 얼굴의 각도, 주변 환경의 영향에 따라 얼굴이 제대로 검출되지 않는 경우가 발생 • 본 논문에서는 사람 수, 자세, 각도, 주변 환경에 영향을 받지 않는 효율적인 얼굴 검출 알고리즘 제안 .

그림 2. 가우시안 혼합 모델을 이용한 피부색 모델 생성 결과 Experiment • 컬러 영상을 이용한 피부색 검출 그림 1. 피부색 학습을 위한 데이터 샘플 그림 2. 가우시안 혼합 모델을 이용한 피부색 모델 생성 결과 → 140개의 Caucasian과 Asian의 영상을 학습 데이터 베이스로 생성하고 하나의 영상 당 약 10,000개 정도의 피부색 픽셀을 학습에 사용하였다. 피부색 모델은 가우시안 혼합 모델을 이용하여 생성하였다. 7

Experiment • 컬러 영상을 이용한 피부색 검출 • 깊이 영상을 이용한 배경 제거 (a) (b) → Kinect의 컬러 부분에서 피부색을 검출한다. • 깊이 영상을 이용한 배경 제거 (a) (b) 그림 4. 배경 제거 결과, (a) 원본 영상, (b) 배경 제거 영상 8 → Kinect의 깊이 영상에서 이진화를 통해 배경을 제거한다. 빠른 속도를 위해 임계 값은 깊이 값들의 평균으로 한다.

Experiment • 컬러 영상과 깊이 영상의 결합과 LUT를 이용한 얼굴 검출 (a) (b) (c) 그림 5. 얼굴 검출 결과, (a) 원본 영상, (b) 피부색과 깊이 영상의 결합 영상, (c) LUT를 이용한 최종 얼굴 검출 영상 → 컬러 영상에서 피부색 검출 결과와 깊이 영상에서 이진화 결과를 AND하고, 라벨링을 통해 각 영역에 해당하는 넓이를 구하고, LUT를 참고하여 노이즈를 제거한다. 9

Results and discussions • 사람 수, 자세에 따른 얼굴 검출 결과 비교 (Kinect SDK vs proposed method) (a) (b) (c) 그림 6. 얼굴 검출 결과 비교, (a) 원본 영상, (b) Kinect SDK, (c) 제안한 알고리즘 → 정면을 바라보고 있는 얼굴에 대해서는 Kinect S아, 제안한 알고리즘 모두 얼굴을 잘 검출한다. 하지만, Kinect SDK 방법은 각도가 틀어지거나, 측면을 바라보고 있는 얼굴 검출이 제대로 이루어지지 않는다. 제안한 방법은 사람 수, 자세에 영향을 받지 않고 얼굴 검출 결과가 제대로 이루어진 것을 확인할 수 있다. 10

Results and discussions • 사람 수, 자세에 따른 얼굴 검출 결과 비교 (Kinect SDK vs proposed method) (a) (b) (c) 그림 6. (앞에 포함) 11

Results and discussions • 제안한 방법의 문제점 (a) (b) 그림 7. 제안한 방법의 문제점, (a) 원본 영상, (b) 제안한 알고리즘 → 사람의 얼굴은 모두 잘 검출하였지만, 손 부분도 얼굴로 인식된 문제점이 있다. LUT의 최적화를 통해 이것을 개선시킬 예정이다. 12

Conclusions • 피부색과 깊이 정보를 이용한 단일/다중 얼굴 검출 알고리즘 제안 • 사람의 자세나 얼굴의 각도에 대한 제한을 받지 않음 • LUT를 이용하여 FPR(false positive rate)를 효율적으로 감소

Homework #6 영문 abstract 작성의 예 (석사과정 1년차 학생) Version 04

Homework #6 영문 abstract 작성의 예 (박사과정 1년차 학생) Version 04

Homework #7 수업 웹하드 공지사항 폴더 확인