임종우(공과대학) 문서 원본 보기

[[파일:임종우 교수.png|섬네일|임종우 교수|200x200픽셀]]
[[임종우]]는 서울캠퍼스 [[공과대학]] [[컴퓨터소프트웨어학부]]  (대학원 [[컴퓨터·소프트웨어학과]])교수이다.
[[분류:교수]][[분류:동명이인]][[분류:컴퓨터소프트웨어학부]][[분류:이달의연구자]]
*전화번호 : 02-2220-2376
*이메일 : jlim@hanyang.ac.kr / jongwoo.lim@gmail.com
*주소 : [[ITBT관]] 505호
*연구실 : [[컴퓨터비전 연구실]]
==학력 및 경력==
* 2012.03~, Assistant professor, Division of Computer Science & Engineering at Hanyang Univ.
* 2011 ~ 2012, Google inc., Software Engineer in StreetView team, main developers of Google Business View
* 2005 ~ 2011, Honda Research Institute USA as a Senior Scientist, robot vision problems
* 2002 ~ 2005, UCSD (kriegman-grp)
* 2000 ~ 2005.12, graduate student of Computer Science dept of UIUC, advised by prof. David Kriegman
* 1997.02, B.S. degree from Department of Computer Science, Seoul National Univ.
* 1993, 서울과학고등학교 졸업
==교내동정==
* 2019.09 [[이달의연구자]] 선정 (R&D)
* 2019.05 [[이달의연구자]] 선정 (논문)
== 연구분야 ==
=== 알고리즘을 통해 동영상 내 사람이나 사물의 위치를 정확하게 추적하다([[이달의연구자]] 2019.05)<ref><뉴스H> 2019.05.01 임종우 교수(컴퓨터소프트웨어학부)</ref>===
* 임 교수는 찾고자 하는 물체의 위치 정확성을 높이기 위해 중요도가 높은 층의 가중치를 자동으로 조절하는 알고리즘을 개발했다. 기존 물체 추적 기술에서 정확성을 높인 임 교수의 ‘Hedging Deep Features for Visual Tracking’ 연구는 패턴인식 및 인공지능 분야의 최고 권위 학술지인 국제전기전자공학회(IEEE)가 발행하는 ‘IEEE TPAMI(Transactions on Pattern Analysis and Machine Intelligence)’지에 게재됐다.
* 임 교수는 중요도가 높은 층의 가중치를 높여 물체의 위치 정확성을 높이는 헤징(Hedging)을 여러 층의 정보를 융합하는 데 적용하자고 제안했다. 기존에는 새 프레임이 입력되면 CNN 각 층에서 연관성 필터(Correlation filter)를 이용해 해당 층의 특징으로 위치를 추정했다. 
* 임 교수는 하얼빈공업대학(Harbin Institute of Technology) 연구진과 캘리포니아 대학교(The University of California, Merced) 양밍 호앙(Ming-hsuan Yang) 박사와 딥러닝(Deep learning)에서 학습한 시각적 특징을 물체 추적에 활용하는 기법을 찾다가 이번 연구를 시작하게 됐다. 이번 연구는 임 교수가 2016년에 발표한 헤징 딥 트랙킹(Hedged deep tracking)을 확장한 결과다.
=== 사물과 사람 추적 기술 ===
  인천국제공항에 설치된 1만 개의 CCTV에서 특정 물체를 찾을 때, 사람의 눈으로 확인하려면 많은 시간이 걸린다. 중요도가 높은 층에 더 많은 가중치를 자동으로 부여하는 새로운 물체추적기술인 ‘헤징(Hedging)’ 알고리즘을 적용함으로써 정확도와 신뢰도를 높였다.<ref><출처> 중앙일보 2019. 8. 12 대한민국 인재 산실, 한양대 80년 기사 중에서</ref>
=== 비전 모델 기반 공간 상황 인지 원천기술 연구([[이달의연구자]] 2019.09)<ref><뉴스H> 2019.09.09 임종우 교수, 알고리즘과 딥러닝 방식을 융합해 컴퓨터 비전 향상</ref>===
* 알고리즘 방식과 딥러닝 방식을 융합하여 연구
* 주요 연구 대상 :  자율주행 자동차와 CCTV 등에 활용될 컴퓨터 비전<ref>컴퓨터 비전이란 동영상과 이미지에서 필요한 정보를 추출하는 기술</ref>
**  예) 차가 주행하는 동안 다양하게 변하는 주위 공간을 3차원으로 인식하는 기술 
* 기존 물체 추적 기술에서 정확성을 높인 기술 ‘Hedging Deep Features for Visual Tracking’ 연구는 패턴인식 및 인공지능 분야의 최고 권위 학술지인 국제전기전자공학회(IEEE)가 발행하는 ‘IEEE TPAMI(Transactions on Pattern Analysis and Machine Intelligence)’지에 게재

== 수상/선정==
* 삼성이 발표한 2016년도 미래기술육성사업([[삼성미래기술육성사업]]) 12개 과제중 하나로 선정 (2016. 7. 11 발표)
** 스마트 기기를 위한 인공지능 분야 : 도심의 혼잡한 환경에서의 자율 주행을 위한 전방향 비전 기반 지능형 상황 인식 기술
==주요활동==
* Organization committee member of Korean Conference on Computer Vision 2014 (KCCV 2014)
* Secretary of 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2016) at Daejeon
* Area Chair of Asian Conference on Computer Vision 2014 (ACCV 2014)
* Tutorial on “RGBD Image Processing for 3D Modeling and Texturing” at ICIP 2013 (Melbourne, Australia), with prof. Seungkyu Lee (Kyung Hee University) and Dr. Hwasup Lim (KIST)
* Local chair of ACCV 2012, Daejeon, Korea
== 주요논문 ==
* Yi Wu, Jongwoo Lim*, Ming-Hsuan Yang, “Online Object Tracking: A Benchmark,” in CVPR 2013
* Vivek Pradeep, Jongwoo Lim*, “Egomotion Estimation Using Assorted Features,” in International Journal of Computer Vision, Vol. 98, Issue 2, Page 202-216, June 2012   
* Jongwoo Lim, Jan-Michael Frahm, Marc Pollefeys, “Online Environment Mapping,” in CVPR 2011 
* David Ross, Jongwoo Lim, Ruei-Sung Lin, Ming-Hsuan Yang*, “Incremental Learning for Robust Visual Tracking,” in International Journal of Computer Vision (Special Issue: Learning for Vision), Vol. 77, No. 1-3, Pg. 125-141, May 2008
* Benjamin Laxton, Jongwoo Lim, David Kriegman, “Leveraging temporal, contextual and ordering constraints for recognizing complex activities in video,” in CVPR 2007  
* Jongwoo Lim, Jeffrey Ho, Ming-hsuan Yang, David Kriegman, “Passive Photometric Stereo from Motion,” in ICCV 2005, vol. 2, pp. 1635 - 1642
* Sameer Agarwal, Jongwoo Lim, Lihi Zelnik-Manor, Pietro Perona, David Kriegman, Serge Belongie, “Beyond Pairwise Clustering,” in CVPR 2005, vol. 2, pp. 838-845
==주석==
<references />