Research Topics – Pattern Recognition & Machine Learning Lab

𝄞 Lab-Introduction

PR&ML Lab (Pattern Recognition & Machine Learning LAB, 지도교수 장원두)은 2020년 부경대학교에 설립된 연구실이다. 영상데이터, 시계열 데이터, 패턴 인식 등 다양한 데이터를 인식/예측하는 것을 주요 연구과제로, 10여명의 석박사 연구원이 활발한 연구를 수행하고 있다.

𝄞 Eye-Writing

눈 쓰기(Eye writing)는 전극을 사용하여 미간 주위에 위치한 근육의 전기 활동(Electrooculography, EOG)을 측정합니다. 이를 통해 눈의 움직임을 감지하고, 해당 움직임을 특정 숫자나 문자로 변환하여 화면에 표시합니다. 사용자는 미간 근육을 이용하여 미리 정의된 동작을 수행하고, 시스템은 그 동작을 인식하여 의도된 숫자나 글자를 생성합니다. 이는 근위축성측삭경화증(ALS) 환자들을 위한 미래의 의사소통 도구 중 하나로 기대되고 있습니다.

<Click Here for details>

𝄞 EEG signal processing

EEG signal is recordings from the human brain. This signal is not much known yet, but we do understand parts of it. We’re trying to find specific patterns from EEG signals, which are the possible signs of diseases. Our subtopics are as follows:

Automatic detection of artifacts from EEGs
Automatic detection of epilepsy-related patterns

𝄞 The similarity between two-time series signals

Calculating the similarity of two time-series signal is not an easy issue. A naive way is directly comparing pointwise after sampling, but it often is not a good idea because it results in completely different results to human perception. Dynamic Time Warping (DTW) is a traditional method to solve this issue, but it does not well fit in 2D environments. We proposed a novel algorithm for this issue, named Dynamic Positional Warping.

𝄞 Cross modal perception을 이용한 감정 분석

우리의 뇌는 매우 복잡한 상호작용을 통해 정보를 처리합니다.
이러한 상호작용을 활용하여 우리의 삶을 더 낫게 만드는 연구는 어떨까요?

악취에 대한 불쾌감은 일상생활에서 불편함을 유발하는 주요 요인 중 하나입니다. 우리는 이 문제를 해결하기 위해 시각적 효과가 향에 대한 인식을 어떻게 변화시킬 수 있는지 연구합니다. VR 기기를 통해 다양한 시각적 효과를 보여주면서 동시에 특정 아로마를 제공하며, 이 과정에서 생체 신호를 측정하여 감정이 어떻게 변화하는지를 분석합니다.

𝄞 Air writing

손짓은 일상생활에서 흔히 접할 수 있는 의사소통 수단입니다. 이러한 손짓을 인식하는 시스템을 통해 음성으로 의사소통하기 어려운 상황에 도움을 줄 수 있는 연구는 어떨까요?

허공에 글자를 쓰는 Air_Writing 방식이 손짓 인식에서 가장 인기 있는 방식이고, 우리는 이를 인식하기 위해 가속도, 선형 가속도, 자이로 값을 측정하여 손짓 인식 연구에 사용합니다. 허공에 글자를 쓰는 동안 수집 된 가속도, 선형 가속도, 자이로 값을 활용하여 데이터셋을 구축하고, 구축된 데이터셋을 딥러닝 학습에 사용하여 허공에 쓰여진 글자를 인식합니다.

𝄞 합성 모델을 이용한 사이드 스캔 소나 이미지 합성

사이드 스캔 소나는 해저의 넓은 면적과 고해상도 소나 영상을 빠르게 얻을 수 있으며, 해저의 다양한 물체를 구분 가능하기 때문에 해저 지형 탐색 및 해저 물체 탐지의 주요 기술입니다.

하지만, 사이드 스캔 소나 데이터는 취득의 어려움, 군사용 및 민감지역 데이터의 미공개, 해저 물체의 희소성 등으로 인하여 데이터 수가 매우 제한적입니다.

최근 딥러닝을 이용한 해저 자동 물체 탐지(Automatic Target Recognition: 이하 ATR) 관련 연구가 상당수 진행되고 있으나 제한적인 데이터 수로 인해 모델의 성능 향상과 검증에 있어 어려움을 겪고 있습니다.

그래서 우리는 합성 신경망을 기반으로 사이드 스캔 소나 이미지를 합성하여 해저 ATR을 고도화 하는 기술을 개발하고자 합니다.

𝄞 Construction of Generative Network Model for Bio-signals Pattern Recognition

생체신호 데이터를 이용한 패턴인식 연구는 많이 수행되었지만, 높은 정확도를 위해선 많은 양의 데이터가 필요합니다. 하지만 생체신호 데이터는 사람에게서 측정하는 데이터이므로, 측정 비용과 윤리적 문제 등으로 대형 데이터셋을 구축하기 어렵습니다. 소형 데이터셋을 이용한 딥러닝 연구에서는 생성 모델을 이용하여 데이터 갯수를 늘려 정확도를 향상시키기도 하는데, 이 방법을 이용하여 생체신호 중 하나인 EOG(안전도) 데이터를 생성 모델을 이용하여 생성하고, 패턴인식 정확도를 향상시키는 연구를 수행합니다.

𝄞 악천후 기상의 카메라 촬영 영상 노이즈 제거

악천후 조건에서의 카메라 촬영 영상에는 노이즈가 발생하는 경우가 많습니다. 특히 비바람, 폭우, 눈보라 등과 같은 극단적인 기상 조건에서 촬영된 영상에서 뚜렷하게 나타납니다. 악천후 기상 조건에서의 노이즈 제거 연구는 객체 탐지, 추적, 영상 인식 등과 같은 알고리즘의 성능을 향상시킬 수 있습니다.

𝄞 EAG(Electroarthrography)

우리 몸에는 다양한 종류의 생체신호가 발생합니다. 우리는 그중 무릎 관절연골에서 발생하는 새로운 생체신호인 EAG에 대해 연구합니다.

현재 임상에서는, 관절연골에 발생하는 구조적 변화가 MRI, 초음파 등 영상검사로 확인되기 전까지, 초기 연골의 병태 정보를 얻는 것에 어려움이 있습니다. EAG 전위 값 변화를 분석해 연골 열화 정도를 추정할 수 있다면, 골관절염으로 진행하기 전 단계의 초기 연골 변화의 정보를 비침습적으로 얻을 수 있어 현재 의료기술의 한계를 보완할 수 있을 것이라 기대됩니다. 따라서, 딥러닝을 활용해 EAG 신호를 분석하여 무릎 연골의 퇴행과 골관절염 진단에 활용하기 위한 연구를 진행 중입니다.

𝄞 Estimation of wave height using radar image sequences

해양의 파도 정보는 선박 항해, 해양 구조물 설계 등 바다의 직간접적인 영향을 받는 다양한 분야에서 중요하게 여겨집니다. 그 중에서도 특히, 유의파고는 통계적 유의성 확보를 위해 활용될 수 있습니다.

부이를 활용하는 유의파고의 측정은 가장 널리 사용되는 방법입니다. 하지만, 특정 지점에 고정되어 있어야 하기 때문에 계류가 필수적이며, 수심이 깊은 지역에서 높은 설치 및 운영 비용을 필요로 한다는 단점이 있습니다.

반면에, X-band 레이더는 넓은 면적을 스캔하여 해상의 파도 정보를 획득할 수 있고, 야간 관측과 유지관리에 용이합니다. 이에 따라, 경제성과 정확도의 장단점을 보완할 수 있는 X-band 레이더를 활용하는 연구가 다양하게 진행되고 있습니다.

따라서, 우리는 X-band 레이더 이미지 시퀀스를 활용하여 딥러닝 모델을 구현하고, 기존의 전통적인 방식보다 빠르고, 정확하게 유의파고를 예측하는 방법을 연구합니다.

𝄞 음향신호를 활용한 딥러닝 기반의 수중소음원 탐지

물속에서도 육상처럼 다양한 소리가 존재합니다. 자연적인 소음·인간에 의한 소음·생물 소음 등 다양한 소음원에 의한 신호가 복합적으로 존재합니다. 연구자들을 이를 탐지·분류하여 해양 소리의 특성을 파악·분석하고 이를 연구합니다. 대표적으로 선박 소리의 특성을 가시화하여 이를 탐지·분류합니다. 또한 돌고래, 새우등이 내는 생물소리를 통해 생물의 종류를 식별하고 포유류의 발성특성, 해양 생물의 군집유무 등을 파악할 수 있습니다.