메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이진희 (경상국립대학교) 부석준 (경상국립대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제31권 제2호
발행연도
2025.2
수록면
84 - 90 (7page)
DOI
10.5626/KTCP.2025.31.2.84

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
초음파 신호의 왜곡은 초음파 수용 기기의 수용 한계를 초과하는 에너지를 가진 음원이 입력될 때 발생하며, 이는 원래 신호의 정보를 인식하기 어렵게 만든다. 특히 초음파 주파수 대역(20kHz 이상)은 고주파 특성으로 인해 가청 주파수나 저주파 대역에 비해 복잡한 패턴을 포함하며, 많은 샘플 수로 인해 왜곡 복구가 어렵다. 이러한 문제를 해결하기 위해 본 논문에서는 인셉션 구조를 활용하여 다양한 크기의 컨볼루션 필터를 적용함으로써 작은 시간 스케일, 큰 시간 스케일에서 특징을 동시에 추출할 수 있도록 설계하였다. 이를 통해 모델은 미시적 및 거시적 관점에서 초음파 신호의 특징을 효과적으로 포착할 수 있다. 추출된 다중 스케일의 특징들은 인코더를 통해 압축된다. 이후, 다중 자가집중 메커니즘이 적용되어 복잡한 초음파 신호 패턴 내에서 중요한 상관관계를 학습한다. 이를 통해 왜곡으로 인해 손실된 중요한 특징들이 식별된다. 최종적으로, 이 특징들은 Wave U-Net 구조를 통해 고해상도의 원시 파형으로 재구축된다. 제안된 방법은 다양한 거리에서 초음파 카메라 센서를 사용하여 녹음된 방전 신호 데이터셋을 대상으로 엄격한 평가를 수행하였으며, 실험 결과 MSE, 코사인 유사도, SSIM 지표에서 타 모델 대비 우수한 성능을 보였다. 특히, 신호 왜곡 측정 지표인 SI-SDR에서 타 모델 대비 +2dB 이상의 성능 개선을 보였다.
#다중 자가집중 신경망 #인셉션 네트워크 #웨이브 유-넷 신경망 #딥 러닝 #초음파 신호 왜곡 복구 #multi head self-attention #inception network #wave u-net #deep learning #ultrasound distortion restoration

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 방법
4. 실험 및 검증
5. 결론 및 향후 연구
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

음성인식 개선을 위한 Variational U-Net 기반 왜곡된 오디오 재구축
이진희 ,  부석준 정보과학회 컴퓨팅의 실제 논문지 2024 .11
Adaptive Database Intrusion Detection based on Michigan-style Deep Learning Classifier System
부석준 ,  조성배 Journal of KIISE 2023 .10

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092459981