<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
  <channel>
    <title>Repository Collection: null</title>
    <link>https://scholar.dgist.ac.kr/handle/20.500.11750/1084</link>
    <description />
    <pubDate>Sun, 05 Apr 2026 04:06:15 GMT</pubDate>
    <dc:date>2026-04-05T04:06:15Z</dc:date>
    <item>
      <title>초분광 영상의 분광 밴드 선택 방법 및 이를 이용하는 분광 밴드 설정 장치</title>
      <link>https://scholar.dgist.ac.kr/handle/20.500.11750/46574</link>
      <description>Title: 초분광 영상의 분광 밴드 선택 방법 및 이를 이용하는 분광 밴드 설정 장치
Author(s): 김영덕; 정성호; 손진환; 김희강; 송찬호; 손국진
Abstract: 본 출원은 초분광 영상의 분광 밴드 선택 방법 및 이를 이용하는 분광 밴드 설정 장치에 관한 것으로서, 초분광 카메라로 화재현장을 촬영한 초분광 영상을 수신하는 단계; 상기 초분광 영상에 포함된 N개의 분광 밴드 중에서 i번째 분광 밴드와 j번째 분광 밴드를 밴드쌍으로 추출하고, 상기 밴드쌍에 대한 NDI(Normalized Difference Index)를 계산하여 결과영상을 생성하는 단계; M개의 문턱값을 설정하고, 상기 결과영상에 각각의 문턱값을 적용하여 상기 문턱값에 대응하는 M개의 이진화 영상을 개별적으로 생성하는 단계; 상기 이진화 영상에서 화염으로 검출된 픽셀들과, 실제 화염에 대응하는 픽셀들을 비교하여, 상기 이진화 영상의 FPR(False Positive Rate) 및 TPR(True Positive Rate)을 계산하고, 상기 M개의 이진화 영상들의 FPR 및 TPR을 이용하여 ROC(Receiver Operation Characteristic) 곡선을 생성하는 단계; 상기 ROC 곡선에 대한 AUC(Area Under the Curve)값을 계산하여, 상기 밴드쌍에 대한 AUC 인덱스로 설정하는 단계; 및 상기 초분광 영상 중에서 선택가능한 전체 N × N개 밴드쌍 대해 상기 AUC 인덱스를 계산하고, 상기 AUC 인덱스를 비교하여 상기 밴드쌍 중에서 실시간 화재 감지에 사용하는 화재감지 밴드쌍을 설정하는 단계를 포함할 수 있다.</description>
      <guid isPermaLink="false">https://scholar.dgist.ac.kr/handle/20.500.11750/46574</guid>
    </item>
    <item>
      <title>준지도 학습 방법</title>
      <link>https://scholar.dgist.ac.kr/handle/20.500.11750/45808</link>
      <description>Title: 준지도 학습 방법
Author(s): 김진철; 박재형; 권순; 이진희; 최민국; 정우영; 원웅재
Abstract: 일 실시예에 학습 방법은 추론 장치에 의해 수행되며, 소정의 컨텐츠에서 객체들의 동시 출현(co-occurrence) 빈도를 기초로 보정 확률을 계산하는 단계와, 포함된 객체에 관한 주석(annotation)을 갖는 제1 학습용 컨텐츠를 기초로 상기 추론 장치에 포함된 추론부를 학습시키는 단계와, 포함된 객체에 관한 상기 주석을 갖지 않는 제2 학습용 컨텐츠를 상기 학습된 추론부에 입력시키는 단계와, 상기 제2 학습용 컨텐츠의 입력에 대응하여 상기 학습된 추론부가 출력한 결과와 상기 보정 확률을 조합한 결과값을 기초로, 상기 학습된 추론부가 출력한 결과를 상기 제2 학습용 컨텐츠에 상기 주석으로서 부여하거나 부여하지 않는 단계와, 상기 주석이 부여된 상기 제2 학습용 컨텐츠를 기초로 상기 학습된 추론부를 추가적으로 학습시키는 단계를 포함한다.</description>
      <guid isPermaLink="false">https://scholar.dgist.ac.kr/handle/20.500.11750/45808</guid>
    </item>
    <item>
      <title>가상공간정보 생성장치 및 가상공간정보 생성방법</title>
      <link>https://scholar.dgist.ac.kr/handle/20.500.11750/17272</link>
      <description>Title: 가상공간정보 생성장치 및 가상공간정보 생성방법
Author(s): 정성호; 손국진; 손진환; 송찬호; 김희강; 김영덕
Abstract: 본 출원은 가상공간정보 생성장치 및 가상공간정보 생성방법에 관한 것으로서, 본 발명의 일 실시예에 의한 가상공간정보 생성방법은, 도로 상의 기 설정된 위치에 설치된 측정센서를 이용하여, 상기 도로에서 발생한 교통사고현장에 대한 공간정보를 측정하는 측정단계; 상기 공간정보를 이용하여, 상기 사고현장에 대응하는 가상 도로를 생성하는 가상도로 생성단계; 및 상기 가상 도로 내에 위치하는 각각의 차량을 기준으로, 상기 가상 도로 내에 관심영역을 설정하는 관심영역설정단계를 포함할 수 있다.</description>
      <guid isPermaLink="false">https://scholar.dgist.ac.kr/handle/20.500.11750/17272</guid>
    </item>
    <item>
      <title>전달 학습을 통한 운전자의 시선 응시영역 추정 방법</title>
      <link>https://scholar.dgist.ac.kr/handle/20.500.11750/17268</link>
      <description>Title: 전달 학습을 통한 운전자의 시선 응시영역 추정 방법
Author(s): 이만 라만샤 타입나피스; 권순; 정우영; 최민국
Abstract: 본 발명은 운전자의 시선 응시영역 추정 방법에 관한 것으로서, 본 발명은 ADAS(Advanced Driver Assistance System) 환경에서의 운전자의 편의 및 상태 분석을 위해, 시뮬레이션 환경으로부터 실측값(ground truth)을 추출하고, 영상으로부터 특징을 추출한 후, 사전훈련 모델(pre-trained model)에 대해 지식 전달 기법을 활용하여 추출된 특징과 응시 영역을 학습할 수 있는 운전자의 시선 응시영역 추정 방법을 제공한다.</description>
      <guid isPermaLink="false">https://scholar.dgist.ac.kr/handle/20.500.11750/17268</guid>
    </item>
  </channel>
</rss>

