매니코어 CPU 시스템에서의 병렬 I/O 는 현재의 리눅스 시스템의 LRU 관리 방법의 한계로 확장성에 문제를 가지고 있다. 본 연구에서는 이 문제를 해결했던 하기 위한 개선된 FinerLRU 를 제안한다. LRU 락을 최대 코어 개수만큼 증가시키고 세분화된 Lock 관리를 통해 버퍼 캐시를 사용하는 파일 시스템의 병렬 I/O 성능을 향상시킨다. 리눅스 5.18.11 에 제안한 방법을 구현하였으며, 64 개의 물리적 코어와 256 개의 논리적 코어를 가지는 Intel Knights Landing 프로세서를 이용한 실험을 통해 두 배 가량의 성능 향상을 얻을 수 있음을 확인하였다.

병렬처리시스템이 설계와 구축에서 가장 중요한 관점 중의 하나는 비용 대비 성능이다. 본 연구에서는 라즈베리파이 4를 클러스터 방식으로 연결하여 병렬처리 시스템을 구축하였을 때, 클러스터의 병렬처리 성능이 다른 병렬처리 시스템과 유사한 확장성과 병렬처리 성능을 보여주는지를 HPL 벤치마크를 통하여 검증하였다. 실험 결과 라즈베리파이 기반의 병렬처리 시스템이 클러스터의 크기에 따른 병렬 확장성이 있고, 다른 병렬처리 시스템들과 유사한 처리 성능을 가질 수 있음을 확인하였으며, 이를 통하여 라즈베리파이와 같은 저가의 처리장치로도 충분한 크기의 클러스터를 구성할 경우 높은 성능을 기대할 수 있음을 알 수 있다.

본 논문에서는 재난관련 스마트시티 플랫폼의 효율적 운영을 위한 기본단계로서 공개 데이터 사이트에서 다운로드받은 구급활동 일지 기록을 분석하여 환자들의 연령분포, 환자들의 상태, 월별발생추이, 출동 거리 등에 대한 기초자료를 추출한다. 공개에 동의한 환자들의 경우 사전에 자신의 의료 혹은 건강정보들을 기록해 놓음으로써 구급활동 절차를 많이 감소시킬 수 있으며 이 데이터 분석에 의해 추가될 구급 지구대의 위치와 구급차량의 수 등 다양한 의사결정을 수행할 수 있다.

데이터 3 법을 필두로, 기업은 개인정보가 포함된 데이터를 활용하기 위해 비식별 처리가 필요하게 되었다. 기존 방식은, 비정형 텍스트 데이터에서 정규표현식을 통한 개인정보 식별은 데이터의 다양성에 의해 한계가 명확하며, 기존의 Named Entity Recognition(NER) 태스크로 해결하기에는 언어의 중의적 표현과 2 인 대화에서 나타나는 개인정보가 누구의 것인지 판단하지 못한다는 한계가 존재한다. 따라서 우리는 기존의 한계점을 극복하고 개선하기 위해 BERT 언어 모델에 화자 정보를 학습시키고, 하나의 어절에 2 개의 tag 를 labeling 하는 방법을 제안하여 정확한 개인정보 식별을 시도하였다.

세계보건기구에 의해 미세먼지가 1급 발암물질로 지정됨에 따라, 건강에 미치는 영향에 대한 관심이 커지고 있다. 성장기 학생들은 학교에서 오랫동안 머무르게 되며, 따라서 교내 미세먼지는 학생들의 건강에 미치는 영향이 매우 클 수 있다. 본 연구에서는 1년동안 대상 학교에서 수집한 미세먼지 관련 데이터 및 공개된 Air Korea, 기상청 데이터를 활용하여, LSTM 기반 미세먼지 예측 모델을 개발하였다. 수집한 데이터에서 일부 오류나 결측치가 있었지만, 이를 활용한 미세먼지 예측 정확도는 충분히 가치가 있다고 판단된다.

본 앱은 SNS 기능이 탑재된 재무관리 앱으로, 가계부에 전에 없던 SNS 기능을 추가시켜 가계부와 SNS를 동시에 즐길 수 있으며 가계부에 작성한 내용을 공유하여 여러 유저들에게 지식과 정보를 공유할 수 있다.

ARM 아키텍처를 사용하는 임베디드 시스템에서 int8, fp16, fp32 데이터를 조합하여 c/c++로 작성된 mixed precision CNN 을 실행시키기 위한 프레임워크 구성으로, 네트워크의 레이어마다 다른 정밀도를 사용하여 네트워크 경량화 및 추론 정확도 향상을 위한 최적의 설정을 탐색하는 실험 및 분석이 가능토록 하는 것을 목적으로 한다. 주요 구성은 network forwarding 중 레이어의 입력이 레이어에 설정된 정밀도와 다를 경우 실행되는 양자화/반양자화를 c/c++로 바인딩된 tensorflow 의 quantization 모듈을 사용하여 진행하고 ARM 시스템에서 c/c++의 fp16 을 사용하기 위해 fp16 를 컴파일이 가능한 ARM compiler 를 사용하는 프레임워크를 제안한다.

시스톨릭 어레이는 DNN training 등 인공지능 연산의 대부분을 차지하는 행렬 곱셈을 수행하기 위한 하드웨어 구조로 많이 사용되지만, sparsity 가 높은 행렬을 연산할 때 불필요한 동작으로 인해 효율성이 크게 떨어진다. 본 논문에서 제안된 유동적 시스톨릭 어레이는 matrix condensing, weight switching, 그리고 direct output path 의 방법과 구조를 통해 sparsity 가 높은 행렬 곱셈의 수행 사이클을 줄일 수 있다. 시뮬레이션을 통해 기존 시스톨릭 어레이와 유동적 시스톨릭 어레이의 성능을 비교하였으며 8×8, 16×16, 32×32 의 크기를 가진 행렬을 동일 크기의 시스톨릭 어레이로 연산하였을 때 필요 사이클 수를 최대 12 사이클 절감할 수 있는 것을 확인하였다.

최근 인공지능 애플리케이션이 많이 사용되고 이러한 애플리케이션에서 데이터 희소성이 높아지고 있어 이러한 희소 데이터를 효율적으로 처리하기 위한 하드웨어 구조들이 많이 소개되고 있다. 본 논문에서는 희소 데이터 처리 시 전력 소모량을 낮출 수 있는 새로운 하드웨어 구조를 제안한다. 일반적인 인공지능 하드웨어에서 많이 사용되는 시스톨릭 어레이 구조를 기반으로 하며, 제안된 저전력 PE 가 희소 데이터 처리시 희소하지 않은 데이터 처리 시보다 최대 2 배의 전력 소모량을 줄일 수 있는 것으로 나타났다.

다가오는 양자 컴퓨터 시대에 대비하여, 양자 컴퓨터상에서의 암호 분석은 활발한 연구 분야 중 하나이다. 양자 알고리즘을 사용한 암호 분석 시, 대상 암호는 반드시 양자 회로로 구현되어 양자 컴퓨터상에서 동작될 수 있어야 한다. 이에 공개키 암호인 RSA, ECC의 핵심 연산 또는 다양한 대칭키 암호들에 대해 양자 회로로 최적화 구현하는 연구들이 발표되고 있다. AES는 고전 컴퓨터상에서 뿐만 아니라, 양자 컴퓨터상에서 활발한 최적화 구현 대상이다. AES의 양자 회로 구현 시, 가장 많은 양자 자원이 필요한 연산은 S-Box이다. 이에 본 논문에서는 다양한 AES 양자 구현에서의 다양한 S-Box 양자회로 구현에 대해 살펴보고 다양한 최적화 특징에 대해 살펴본다.

Over the last decades, information has increased exponentially due to SNS(Social Network Service), IoT devices, World Wide Web, and many others. Therefore, it was monumentally hard to offer a good service or set of recommendations to consumers. To surmount this obstacle numerous research has been conducted in the Data Mining field. Different and new recommendation models have emerged. In this paper, we proposed a Content-based movie recommendation system using demographic information of users and the average rating for genres. We used MovieLens Dataset to proceed with our experiment.

KISTI(한국과학기술정보연구원)는 슈퍼컴퓨터 5호기 메인시스템인 Nurion과 보조시스템인 Neuron을 연구자들에게 서비스하고 있다. Neuron은 메인시스템인 Nurion이 Intel Knights Landing 프로세서가 장착된 클러스터로 구성됨에 따라 인공지능, 빅데이터에 관한 연구 인프라 수요를 충족시키기 위해 GPU를 장착한 이기종 클러스터로 구성되어 있다. Neuron은 연구자들에게 효율적으로 계산 자원을 배분하기 위해 SLURM 작업배치스케줄러의 공유노드 정책을 이용하여 한 개의 계산노드에서 다수 개의 작업이 수행될 수 있는 환경으로 서비스되고 있다. 본 논문에서는 공유노드 정책으로 운영 중인 클러스터 시스템에서 작업별로 GPU 사용 통계 데이터를 생성하는 기법을 소개한다.

People's focus steadily shifted toward fashion as a popular aesthetic expression as their quality of life improved. Humans are inevitably drawn to things that are more aesthetically appealing. This human proclivity has resulted in the evolution of the fashion industry over time. However, too many clothing alternatives on e-commerce platforms have created additional obstacles for clients in recognizing their suitable outfit. Thus, in this paper, we proposed a personalized Fashion Recommender system that generates recommendations for the user based on their previous purchases and history. Our model aims to generate recommendations using an image of a product given as input by the user because many times people find something that they are interested in and tend to look for products that are like that. In the system, we first reduce data dimensionality by component analysis to avoid the curse of dimensionality, and then the final suggestion is generated by neural network. To create the final suggestions, we have employed neural networks to evaluate photos from the H&M dataset and a nearest neighbor backed recommender.

본 논문은 황반변성 진단 모델 개발을 위해 안저 사진을 이용한 MobileNet2 전이학습 모델 개발과 안정적인 모델 성능을 위한 이미지 증강 방법 및 모델 성능 향상을 위한 파라미터 조정 방법을 제안한다. 보유하고 있는 이미지의 수가 매우 적다고 하더라도 적절한 전이학습 모델을 사용하고 이미지 증강 시 증강 방법과 증강한 이미지와 정상 이미지와의 비율을 적절히 고려할 경우 충분히 안정적인 결과를 얻어낼 수 있다. 또한 파라미터 조정을 통해서 성능 향상을 도모할 수 있다

최근 HPC에서 다양한 사용자 서비스 환경을 지원하기 위해 하드웨어 가상화보다 가벼운 OS 가상화를 제공하는 컨테이너 기술이 활용되고 있다. HPC 환경에서 호스트 운영체제와 격리된 컨테이너에서는 주요 서비스 분야 사용자 애플리케이션의 실행 시 베어메탈노드 대비 성능 오버헤드가 크지 않아야 원활한 서비스가 가능하다. 이에 따라, 본 연구를 통해 서비스 분아별로 많이 사용되는 애플리케이션을 선택하여 싱규레러티 및 도커 컨테이너와 베어메탈 노드에서 성능을 측정하고 오버헤드를 비교 분석했다

대규모 데이터를 처리하기 위해 머신러닝, 딥러닝과 같은 AI 활용 연구가 일반화되면서 시스템 환경 또한 병렬처리 연산에 강화된 가속기 기반의 이기종 아키텍처로 확산되고 있다. CPU 기반의 계산 환경과 달리 상대적으로 성능이 낮은 수천 개의 산술연산장치(ALU)를 활용해 쓰레드 방식으로 연산을 수행하며, I/O의 특성 또한 대규모의 데이터들이 수많은 연산장치에 전달되기 위한 Small I/O, High-throughput 처리 성능이 애플리케이션에 큰 영향을 끼친다. 본 논문에서는 병렬 컴퓨팅 환경에 AI 애플리케이션이 접목되면서 요구되는 스토리지, 파일시스템의 환경을 분석하고 나아가 성능 검증을 통해 I/O 특성을 파악하고자 한다.

Aerial images are being one of the important aspects of satellite imagery, delivers effective information on landcovers. Their special characteristics includes the viewpoint from space which clarifies data related to land examining processes. Aerial images taken by satellites employed radio waves to wirelessly transmit images to ground stations. Due to transmission errors, images get distorted and unable to perform in landcover examining. This paper proposes an aerial image enhancement method using deep autoencoders. A properly trained autoencoder can enhance an aerial image to a considerable level of improvement. Results showed that the achieved enhancement is better than that was obtained from traditional image denoising methods.

Hypertension is a severe health problem and increases the risk of other health issues, such as heart disease, heart attack, and stroke. In this research, we propose a machine learning-based prediction method for the risk of chronic hypertension. The proposed method consists of four main modules. In the first module, the linear interpolation method fills missing values of the integration of gas and meteorological datasets. In the second module, the OrdinalEncoder-based normalization is followed by the Decision tree algorithm to select important features. The prediction analysis module builds three models based on k-Nearest Neighbors, Decision Tree, and Random Forest to predict hypertension levels. Finally, the features used in the prediction model are explained by the DeepSHAP approach. The proposed method is evaluated by integrating the Korean meteorological agency dataset, natural gas leakage dataset, and Korean National Health and Nutrition Examination Survey dataset. The experimental results showed important global features for the hypertension of the entire population and local components for particular patients. Based on the local explanation results for a randomly selected 65-year-old male, the effect of hypertension increased from 0.694 to 1.249 when age increased by 0.37 and gas loss increased by 0.17. Therefore, it is concluded that gas loss is the cause of high blood pressure.

대규모 분산시스템에서 실행되는 전역적인 스냅샷 알고리즘의 메시지 통신 비용을 낮추기 위해, 일관성 유지에 필요한 최소 프로세스만 스냅샷 갱신에 참여하는 분산 스냅샷 알고리즘을 제안한다. 기존의 알고리즘들과는 다르게 수신 메시지에 대해서만 스냅샷 갱신을 요청하고, 스냅샷 설정 중 송신되는 메시지의 수신 프로세스에 대한 알고리즘 참여도 제한한다.

SYCL은 OpenCL 디바이스를 위해 추상화한 C++ 프로그래밍 모델이다. OpenCL에 비해 SYCL은 높은 생산성 등 C++이 가지고 있는 강점을 보유하며, 인텔이 이기종 컴퓨팅을 위한 개발 언어로 SYCL 기반의 DPC++을 출시함에 따라 많은 주목을 받고 있다. 우리는 여러 SYCL 구현물들 중에서 NVIDIA, AMD 등 다양한 GPU를 지원하고, 코드의 수정 및 추가가 용이한 hipSYCL를 채택하여 여러 연구를 진행하고 있다. 본 논문에서는 hipSYCL 구조 내에 AMD GPU를 위한 HIP 백엔드 플러그인을 대체할 수 있는 새로운 백엔드 플러그인을 제안한다. 이 플러그인은 HSA 런타임 API를 사용하여 기존의 플러그인보다 계층 구조를 줄이고 경량화하였다.

DDI(Drug-Drug Interaction)는 병원에서 발생하는 약물이상반응의 30%를 유발하는 부작용이지만, 현실적으로 모든 약물쌍의 DDI 를 기존 in vivo, in vitro 방식으로 예측하는 것은 불가능하다. 그렇기에, 다양한 in silico 방식의 DDI 예측 모델이 연구되고 있다. 본 연구에서는, 단백질 네트워크 상에서 RWR(Random Walk with Restart) 알고리즘을 통해 약물과 직접적으로 상호작용하는 단백질과 간접적으로 상호작용하는 단백질의 정보를 사용하여 DDI 를 예측하는 모델을 개발하였다. 이 모델을 통하여 기존에 발견하지 못한 DDI 를 새롭게 발견하고, 신약 개발 시에도, 신약과 함께 복용 시 문제를 일으킬 수 있는 약물을 예측하여 약물 이상반응을 방지하고자 한다.

활용도가 높아지고 있는 최근의 딥러닝 애플리케이션 등을 사용하기 위해서 기존의 CPU 구조로는 한계가 있어 GPU, TPU 등의 하드웨어로 가속하려는 노력이 있어왔다. 하지만 물리적인 제약으로 인해 메모리 대역폭에 한계가 있으며, 이를 뛰어넘기 위해 메모리 안에서 직접 연산을 수행하는 Processing-in-Memory 기술이 떠오르고 있다. 본 논문은 PIM 기술을 사용할 때의 불이익을 감수하면서 장점을 최대한 활용하는 방법들에 관해서 서술하였다.

비트코인은 현재 가장 많이 사용하는 전자 화폐 거래 시스템으로, Proof-of-Work를 합의 알고리즘으로 사용한다. 이때 비트코인에 대한 다양한 공격기법들이 연구되었으며 대표적으로 Selfish Mining과 블록 보류 공격이 존재한다. 본 논문에서는 블록 보류 공격에 대한 방지 기법의 동향에 대해서 조사하였으며, 대표적으로 딥러닝, 평판 기반 블록체인, 게임 전략을 통한 방지 기법이 존재하였다.

사물인터넷에 성능이 향상됨에 따라 사물인터넷에 사용되는 저사양 프로세서들의 보안도 주목받고 있다. 이에 따라, 저사양 프로세서 상에서 안전하고 효율적으로 동작하는 경량 암호에 대한 개발과 최적연구가 활발히 진행되고 있다. 경량 블록 암호 중 하나인 SIMECK은 경량 블록 암호인 SPECK과 SIMON의 이점만을 결합한 암호 알고리즘이다. 본 논문에서는 저사양 프로세서 상에서의 경량 블록암호 SIMECK 최적 구현 동향에 대해 살펴본다.

현재 산업용 로봇 팔의 경로 계획을 생성할 때, 로봇 팔 경로 계획은 로봇 엔지니어가 수동으로 로봇을 제어하며 최적 경로 계획을 탐색한다. 미래에 고객의 다양한 요구에 따라 공정을 유연하게 변경하는 대량 맞춤 시대에는 기존의 경로 계획 수립 방식은 부적합하다. 심층강화학습 프레임워크는 가상 환경에서 로봇 팔 경로 계획 수립을 학습해 새로운 공정으로 변경될 때, 최적 경로 계획을 자동으로 수립해 로봇 팔에 전달하여 빠르고 유연한 공정 변경을 지원한다. 본 논문에서는 심층강화학습 에이전트를 위한 학습 환경 구축과 인공지능 모델과 학습 환경의 연동을 중심으로, 로봇 팔 경로 계획 수립을 위한 심층강화학습 프레임워크 구조를 설계한다.

IT기술이 발전함에 따라 전 세계 데이터의 규모는 매년 증가하고 있다. 빅데이터 플랫폼을 사용하는 기업들은 더욱 빠른 빅데이터 처리를 원하고 있다. 이에 본 논문은 하둡 환경에서 GPU를 사용한 Job 처리 방법을 제안한다. 제안하는 방법은 CPU, GPU 클러스터를 따로 구성하여 세 가지 크기로 분류한 Job들을 알맞은 클러스터에 할당하여 처리한다. 향후, 제안하는 방법의 실질적인 검증을 위해 실제 구현과 성능 평가가 필요하다.

최근 소셜 미디어 서비스의 성장과 접근성이 편해짐에 따라 피싱 URL 자동 분류가 필요하다. 그런데 단축 URL 서비스가 대중화되면서 피싱 URL 또한 단축 URL 서비스를 이용하여 피싱 사이트로 통하는지 정상적인 사이트로 통하는지 알 수 없게 되었다. 이런 경우 콘텐츠 기반 탐지를 통해 확인할 수 있지만 URL 기반 방법보다 느리고 리소스를 많이 차지한다는 단점이 있어 본 논문에서는 단축 URL 여부를 판단하고 좀더 효율적으로 피싱 사이트를 탐지 기법을 제안한다.

최초 블록체인 시스템 비트코인이 나온 이후 현재 이를 활용한 다양한 기술들이 나오고 있다. 블록체인은 탈중앙성, 무결성, 보안성, 투명성 등 여러 가지 특성들을 가지고 있다. 블록체인의 투명성은 블록체인의 모든 데이터가 모두에게 공개된다는 특징으로 많은 관심을 가졌으나 이러한 특징은 블록체인이 실생활 도입의 활용도를 낮추고 있는 추세이다. 그래서 이를 보완하기 위해서 블록체인 시스템에서 프라이버시 보호 기술들 즉, 링서명, 영지식 증명, 프라이빗 샌드 등을 활용한 다양한 프로토콜이 등장하고 있다. 이에 본 논문에서는 이러한 기술들의 특징과 장단점을 분석하고자 한다.

고품질 코드를 위한 정적 분석은 아직도 매우 필요한 영역이며, 또한 코드의 가시화는 개발자들에게 코드의 복잡한 모듈에 대한 가이드에 필요하다. 기존의 코드 가시화는 정적 분석의 코드 내부 정보들을 DB 테이블화 및 품질 지표(CK Metrics, Coupling, # function Calls, Bed smell) 질의어화, 그리고 추출된 정보를 가시화하는 것에만 초점을 두었다. 문제는 코드 내부 정보(Class, method, parameters, etc) 테이블들에 대한 join 연산 시 엄청난 시간과 리소스가 소모된다. 이 문제를 해결하기 위해, 우리는 테이블 설계의 정규화를 제안한다. 또한 필요한 품질 지표의 질의를 통해 코드 내부 정보 추출하여 데이터 및 제어 복잡 모듈을 식별하여 refactoring 를 가이드 한다. 앞으로는 이 부분의 AI learning 을 통해 bad/good program 을 식별을 기대한다.

영어 교육 시장이 증대되면서 영어 학습을 효과적으로 지원하는 다양한 학습 시스템들이 개발되고 있다. 영어문장을 구성하는 기본적인 단위는 어휘로 문장 전체의 의미를 파악하기 위해서는 어휘의 의미를 이해하는 것이 필수적이다. 따라서 영어 어휘 능력 향상을 위한 다양한 영어 어휘 학습 시스템들이 개발되고 있으나, 어휘가 사용되는 문맥을 고려하거나 동시에 학습하면 효과적인 어휘 등 어휘 학습에 효과적인 교수학습 방법의 원리가 적용된 영어 어휘 학습 시스템에 대한 연구는 미비한 상황이다. 본 논문에서는 n 개의 영어 단어가 하나의 그룹으로 동시에 제시되면서 그 n개의 영어 단어가 모두 포함된 예문을 제공하는 지능형 영어 어휘 학습 시스템을 설계한다. 임의로 n 개의 영어 어휘가 주어졌을 경우 문맥에 맞게 영어 예문을 자동으로 생성하는 지능형 영어 문장 생성 모델이 본 연구의 핵심이다. 또한, 어휘 능력 평가에서 기존 어휘 학습 시스템과 같이 단순히 어휘를 얼마나 암기하고 있는지에 대한 평과 결과만을 제시하는 것이 아니라, 그룹별 취약 어휘 분석을 통해 효과적인 그룹 어휘 선택 규칙을 파악할 수 있는 기반을 마련하고자 한다. 본 논문에서 제안한 지능형 영어 어휘 학습 시스템을 통해 영어 어휘 학습자들의 학습 능력 향상에 도움이 될 것으로 기대한다.

빨래 건조대는 국내에서 빨래 건조를 위해 주로 사용되지만, 건조 알림 기능이 없어 빨래 건조기에 비하여 사용상의 불편함이 따른다. 본 연구에서는 다항회귀(polynomial regression) 기계학습 모델을 사용하여 빨래 건조시간 예측이 가능한 스마트 빨래 건조 알림 시스템을 제안하였다. 제안된 다항회귀 알고리즘은 빨래 건조대에 부착된 수분센서로부터 측정된 수분량 데이터로부터 옷감 종류에 따른 빨래 건조 시간을 예측하는데 선형회귀보다 높은 정확도를 보였다(면 97.5>95.3%, 합성섬유 94.8>92.8%).

4세대 연구 패러다임의 도래와 함께 데이터가 연구의 중심이 되었고, 인공지능(AI)에 대한 연구가 활발히 진행되면서 데이터의 중요성이 심화되고 있다. 인공지능 기술을 다양한 분야에 적용하려는 노력이 증가하고 있으며, 다양한 분야의 데이터를 다루기 위한 융합 연구의 필요성이 높아지고 있다. 본 논문에서는 융합 연구 플랫폼에서 데이터를 분석 및 활용하는데 필요한 메타데이터를 정의하고 다양한 분야에서 데이터 기반 융합 연구를 지원한다.

대규모 양자컴퓨터가 등장하면 기존 암호체계가 더 이상 안전하지 않을 것이라 예상한다. 양자 알고리즘인 Grover's brute-force 알고리즘은 대칭키 암호에 대한 attack을 가속화 시켜 보안강도를 감소시킨다. 따라서 양자컴퓨터의 가용 자원이 암호공격에 필요한 자원에 도달했을 때, 공격 대상 암호가 깨지는 시점으로 보고 있다. 많은 선행 연구들은 암호를 양자회로로 구현하여 공격에 필요한 자원을 추정하고 암호에 대한 양자 강도를 확인하였다. 본 논문에서는 이러한 연구동기로 ARX 구조의 SIMECK 경량암호에 대한 양자회로를 처음으로 제안한다. 우리는 SIMECK 양자회로에 대한 최적의 양자회로 구현을 제시하고 각 함수의 동작을 설명한다. 마지막으로 SIMECK 양자회로에 대한 양자자원을 추정하고 SIMON 양자회로와 비교하여 평가한다.

본 논문에서는 폭우로 인한 피해를 줄이기 위해 공공데이터의 대피소 현황과 과거 침수, 범람 정보를 토대로 재난상황 발생시 시민들이 실시간으로 대비할 수 있는 재난대피소 시각화 시스템을 설계한다. 설계된 재난대피소 시각화 시스템은 인접한 대피소 안내, 과거 침수, 범람 구역 시각화, 예상 침수, 범람 구역 시각화 기능으로 구성되어 있다. 본 시스템을 통하여 시각화 된 예상 침수 구역을 기반으로 수방 시설 대비와 침수로 인한 피해를 최소화할 수 있을 것이다.

최근 기후변화로 인한 태풍과 폭우로 인한 피해가 증가하고 있다. 또한 대피소에 대한 시각화된 정보를 제공하는 애플리케이션이 부족한 실정이다. 본 논문에서는 대피소 정보를 제공하는 애플리케이션을 제안하였다. 제안 애플리케이션은 공공 데이터 포털에서 제공하는 데이터를 활용해 React-Native-Maps 에서 제공하는 마커 기능을 사용하고 구글에서 제공하는 지도 서비스와 결합해 대피소의 위치를 표시한다. 부가적인 특징으로 과거 재난 정보를 시각화 하여 제공하여 피해가 예상되는 지역의 대피소 정보를 동시에 제공하였다. 프로토 타입으로 제작된 애플리케이션을 통해 이후 피해 예상지역을 예측하는데 도움을 줄 수 있을 것으로 사료된다.

한국은 지리적 특성상 매해 태풍과 호우에 의한 침수 피해를 보고 있다. 또한 기후변화와 도시화 등으로 인하여 피해가 대형화되는 추세이다. 본 논문에서는 자연재해 중 침수피해를 최소화하는 대안으로 공공데이터를 활용하여 관련 정보를 시각화한 프로토타입의 앱을 설계 및 구현한다. 구현한 앱을 통하여 침수 피해를 미리 대비하고 침수 시 피해를 줄이는 효과를 기대할 수 있다.

본 연구에서는 오픈소스 소프트웨어를 활용한 온라인 코딩 플랫폼의 설계 및 구현 결과에 대해서 기술하였다. 오픈소스 기술의 주요 모듈을 활용하고 개발 단계에서 도커 기반의 컴포넌트 기술을 적용하여 코딩 플랫폼이 안정적으로 수행이 될 수 있게 구성하였다. 또한 코딩 플랫폼의 설계 및 구현에 있어서 컴포넌트 기반의 소형 모듈의 서비스 연동 방식을 적용하여 시스템이 효율적으로 동작이 될 수 있게 하였다..

본 서비스는 4 차 산업 혁명의 근간에 있는 IoT 서비스가 개인 수준에서 확장되지 않고 있음에 기반하여 여러 IoT 서비스를 통합하여 관리할 수 있는 소프트웨어를 개발, 커뮤니케이션 플랫폼에 삽입하여 원격 제어 및 IoT 서비스를 더욱 편리하게 개인에게 제공하고자 제작된 서비스이다. 플랫폼 사용자가 특정 채팅방에 명령어를 보내면 외부 단말 기기에 대한 원격 제어와 다양한 IoT 서비스가 지원된다. 스마트폰 사용 시간과 가장 많이 사용하는 애플리케이션 통계를 토대로 연동할 커뮤니케이션 플랫폼을 선정하므로 접근성과 서비스 효용성에서 이점을 가지며, 확장성 있는 소프트웨어를 개발하므로 발전 가능성 있는 모델을 제시한다.

치과 진료는 대부분 인간의 시각에 의존하여 진단과 진료가 이루어진다. 하지만 미세한 치아 손상의 경우 의사가 육안으로 확인하기 어려울 수 있으며, 의사의 실력 및 피로 누적에 의해 조기에 발견을 하지 못할 가능성이 높아진다. 만약 미세한 치아 손상을 조기에 발견하지 못할 경우 시간이 지남에 따라 손상 부위가 커지고, 이를 치료하기 위해 더 큰 비용과 고통이 따르기 때문에 치과에서의 조기 발견이 매우 중요하다. 한편, 인류는 디지털 헬스케어 기술을 개발하여 보다 정확한 진단을 할 수 있게 되었고, 의료 서비스를 효율적으로 제공할 수 있게 되었다. 이에 본 논문에서는 위의 문제를 해결하기 위해 디지털 헬스케어를 사용하여 빅데이터와 딥러닝을 활용한 지능형 전자 루페에 대해 탐구하였다.

한국과학기술정보연구원(이하 KISTI)은 지난 13년 간 전사적으로 품질제고전략, 서비스만족전략, 이미지 제고전략 등 3대 고객만족 추진전략을 수립하여 체계적인 "고객만족경영시스템(CSM : Customer Satisfaction Management)"을 구축하고 이를 강화하기 위한 노력을 기울여 왔다. 본 연구의 목적은 순고객추천지수(Net Promoter Score:NPS)를 활용하여 과학기술지식인프라(ScienceON) 정보서비스를 경험한 500명의 의사결정자를 대상으로 과학기술정보서비스에 대한 고객 만족 및 고객충성도를 측정하였다. 특히 연구결과는 정량적인 측정모델(KCSI-ST)을 보완하고 고객만족도 수준에 따라 비추천 고객, 중립 고객, 추천 고객 등을 예측할 수 있는 모델이다. 이와 같은 고객의 긍정적이거나 부정적인 구전으로 급속도로 노출되는 환경에서 고객의 만족도를 분석함으로써 기관의 주요 서비스별 고객을 확보하는데 사전 예측자료로 활용될 수 있다고 본다.

인공지능 기술이 사회 많은 분야에서 활용되고 있으며 인공지능 기술을 도입하여 더 나은 서비스를 제공하려고 하고 있다. 교육 현장에서 교사는 인공지능 기술과 활용 및 가치에 대해 연구하고 학생에게 관련된 교육을 제공해야 한다. 본 연구에서는 중학생을 대상으로 AI 교육 콘텐츠를 개발하였다. 3차시에 걸친 내용을 통해 AI에 대한 흥미를 갖고 간단한 프로그램을 직접 만들어보며, AI에 대한 이해와 관심을 높일 수 있을 거라 기대한다.

공과대학생의 평생학습역량 증진을 위하여 학습역량을 진단하고 수준에 따른 맞춤형 학습역량 향상 로드맵을 제시할 필요가 있다. 이를 위하여 학습역량 진단도구를 선행연구를 분석하였다. 대부분의 연구에서는 핵심역량을 포함하여 학습역량 진단도구를 개발한 것으로 나타났다. 그러나 핵심역량과 별도의 학습-특정적인 진단도구를 개발하기 위하여 학습역량의 구성요인을 정의하고 예비 진단도구 안을 제시하였다.

초고성능컴퓨터를 활용하여 전통적인 병렬처리 기반의 계산과학을 비롯하여 AI, 빅데이터 등의 ICT 기반 연구를 수행할 수 있어야 한다는 수요가 증가하고 있다. 계산과학 연구의 다양성에 맞춰 컴퓨팅 연구환경을 제공하기 위하여 한국과학기술정보연구원(KISTI)에서는 초고성능컴퓨터를 인프라로 활용하는 HPC 클라우드인 KI(KISTI Intelligent) Cloud를 개발하여 서비스하고 있다. 본 논문에서는 KI Cloud의 과금을 위한 기능의 설계 및 구현 현황을 기술하였다. 가상서버(VM) 기반의 서비스와 컨테이너 기반의 서비스의 사용량을 측정하기 위하여 Prometheus로 CPU의 사용량을 수집하여 과금 정책을 적용하고 있는 KI Cloud의 과금 기능에 대해서 살펴보도록 한다.

본 논문에서는 다양한 인공지능을 모듈화하고 모듈들을 서로 결합하여 서비스를 제공할 수 있는 지능형 서비스 로봇에서, 인공지능 모듈들을 라이브러리 간의 의존성을 해소하기 위한 방법 중 하나인 가상 머신의 일종인 도커(Docker)를 활용하여 컨테이너화하여 사용할 때, 인공지능 모듈 내부에서 사용하는 신경망 데이터에 해당하는 지능 모델에 대해 버전 관리를 수행하면서 클라우드 등 외부 서버를 이용하여 증강시킨 지능 모델을 공유하는 기술 개발에 대해 설명한다.

클라우드 수요의 지속적인 증가로 인해 효율적인 자원 관리를 수행하는 분산 클라우드 서비스가 주목받고 있으며, 컨테이너 가상화에서 여러 노드에 컨테이너 배치 및 관리를 수행하는 오케스트레이터의 컨테이너 스케줄링 기법에 대한 연구가 진행되고 있다. 하지만 클러스터 집합의 컴퓨팅 자원이 부족할 시 프로세스의 저지연 처리를 보장하기 위한 연구는 활발히 수행되고 있지 않다. 본 연구에서는 Docker Swarm 기반 제한된 컴퓨팅 자원을 가진 클러스터 환경에서 다양한 부하가 발생했을 때 일반 프로세스의 평균 수행 시간 및 평균 지연 처리 정도를 측정 및 분석한다. 이를 통해 오케스트레이터 스케줄링 최적화를 위한 연구 방향성을 제시하며, 향후 관련 연구의 활성화에 기여할 것으로 기대된다.

이동성 기반의 기존 엣지 캐싱 연구에서는 인기도가 짧은 시간 급격하게 변화하는 SNM(Shot Noise Model) 콘텐츠를 반영하지 않았다. 동적 인기도 특성을 다루지 않는 경우, 잦은 캐시 미스가 발생하므로 SNM 콘텐츠를 고려하는 것은 중요하다. 이에 본 논문은 이동성을 고려한 기존 연구에 SNM 콘텐츠를 함께 고려하고, 시뮬레이션을 통해 기존 연구 대비 제안 알고리즘의 향상된 캐시 적중률을 확인한다.

시스템은 음식 알레르기가 있는 사용자에게 제공되는 식단을 계획하거나 제공할 때 음식, 식품 또는 레시피에 알레르기 성분이 있는지를 확인하고 표시함으로써 음식 알레르기를 예방할 수 있으며, 더 나아가 음식 알레르기의 대체 식품을 추천하고 선택하는 기능을 제공한다. 또한 음식 영양성분 및 열량을 재산정 함으로써 영양균형을 이룰 수 있는 환경을 제공한다.

풍력 설비 공유 플랫폼은 풍력발전에 참여하고 있는 기업들간에 보유하고 있는 설비나 부품에 대한 정보를 공유하도록 지원해 주는 플랫폼이다. 이를 위해 내 설비관리, 고장이력 관리, 설비공개 현황, 내 계약 현황 기능을 구현하였다. 풍력 설비 공유 플랫폼을 통해 발전소 설비에 문제가 발생했을 시, 주변의 다른 발전소에서 보유하고 있는 예비 부품을 빠르게 공급받을 수 있도록 지원해 줄 뿐만 아니라, 고장이 빈번한 부품에 대한 구매정보, 고장이력정보 등을 사전에 구축 할 수 있도록 관리해줌으로써 추후 문제 발생 시 빠른 대응이 가능하다.

차량 환경에서 발생하는 계산 집약적인 태스크가 증가하면서 모바일 엣지 컴퓨팅(MEC, Mobile Edge Computing)의 필요성이 높아지고 있다. 하지만 지상에 존재하는 MEC 서버는 출퇴근 시간과 같이 태스크가 일시적으로 급증하는 상황에 유동적으로 대처할 수 없으며, 이러한 상황을 대비하기 위해 지상 MEC 서버를 추가로 설치하는 것은 자원의 낭비를 불러온다. 최근 이 문제를 해결하기 위해 UAV(Unmanned Aerial Vehicle)기반 MEC 서버를 추가로 사용해 엣지 서비스를 제공하는 연구가 진행되고 있다. 그러나 UAV MEC 서버는 지상 MEC 서버와 달리 한정적인 배터리 용량으로 인해 서버 간 로드밸런싱을 통해 에너지 사용량을 최소화 하는 것이 필요하다. 본 논문에서는 UAV MEC 서버의 에너지 사용량을 고려한 마이그레이션 기법을 제안한다. 또한 GRU(Gated Recurrent Unit) 모델을 활용한 트래픽 예측을 바탕으로 한 마이그레이션을 통해 지연시간을 최소화할 수 있도록 한다. 제안 시스템의 성능을 평가하기 위해 MEC의 마이그레이션 시점을 결정하는 기준점와 차량의 밀도에 따라 실험을 진행하고, 서버의 로드 편차, UAV MEC 서버의 에너지 사용량 그리고 평균 지연 시간 측면에서 성능을 분석한다.

PIM은 CPU와 메모리 간의 데이터 버스 오버헤드를 완화하기 위해서 메모리 내부에 프로세서를 가지며 낮은 데이터 재사용성을 가지는 데이터 집약형 워크로드에서 지연과 에너지 관점에서 장점을 가진다. 본 논문은 UPMEM사의 PIM을 이용하여 HPC분야에서 자주 사용되는 행렬 연산인 GEMV, SpMV의 벤치마크 구현을 분석하고 성능 분석을 통해 CPU 대비 가지는 장단점에 대해서 논하였다.

F2C(Fog-to-Cloud) 환경에서 클라우드와 포그는 긴밀하게 협업하여, 동적으로 작용하며 서비스를 제공할 수 있어야 한다. 이에 본 논문에서는 기존 클라우드/서버 컴퓨팅에서 클라우드 서버 중심의 단방향 서비스 이미지 배포대신에 레지스트리를 이용하여 클라우드, 포그, 그리고 에지까지 서비스 이미지를 배포 가능하게 하여, 동적인 서비스 상호운용이 가능한 시스템을 제안하였다. 또한, 클라우드, 포그에 레지스트리 이미지를 설치하고, 서비스 이미지 등록을 통해 서비스 배포, 실행되는 시스템을 구현하였다.

차량이 사용자에게 다양한 서비스를 제공하기 위해서 차량의 위치 정보를 요구하는 환경에서 차량의 위치를 예측해 미리 알 수 있다면 높은 품질의 서비스를 만드는 것에 도움이 된다. 차량은 도시 환경에서 비교적 느린 속도를 갖는다는 특징이 있고 차량의 위치를 표시하는 방법도 여러 가지다. 본 논문은 Long Short-Term Memory(LSTM)을 사용해 차량의 이동 경로를 예측하는 과정에서 이동 속도와 위치 표현 방법이 미치는 영향을 분석하였다. 실험 결과 차량의 속도가 증가할수록, 차량의 이동 표현 방법이 세밀할수록 차량 이동 경로 예측이 어렵다는 것을 확인하였다.

클라우드의 동작은 고속의 데이터 처리 부분과 처리된 많은 데이터를 원하는 사용자들에게 전송하는 부분으로 나누어 동작한다. 고속의 데이터를 처리하는 것은 중요하지만 분산형태의 클러스터 클라우드는 중앙 집중 클라우드 보다 클라우드 간의 정보 교환 및 데이터 전송에 관한 네트워크의 중요성이 강조된다. 기존의 IPv4 에서는 네트워크 슬라이싱이 없기 때문에 서비스 별 네트워크의 간소화를 할 수 없었다. 본 논문에서는 클러스터 클라우드의 네트워크를 SDN 환경을 제안하며 SDN 의 핵심 기술인 네트워크 슬라이싱을 클라우드에 적용하는 모델 설계를 제시하고자 한다.

본 논문에서는 차량 ECU(Electronic Control Unit)에서 제한된 메모리 공간의 효율적인 사용과 추가적인 프로세싱 시간(메모리 할당과 해제)을 감소시키는 방안을 제안한다. 메모리 할당을 하고 사용이 된 이후 바로 해제하는 기존의 방식 대신, 버퍼에 넣어두고 이후에 메모리 할당하는 상황이 생기면 버퍼에 넣어둔 할당된 공간을 재사용하는 방법을 사용하여 네트워크 전환 과정에서의 데이터 처리시간 차이를 비교 및 분석하고자 한다.

본 논문은 병원과 지역사회에서 제공하는 재활 서비스를 연계하여 재활 단계별 개인 맞춤 재활서비스를 제공하기 위한 재활운동 빅데이터 플랫폼과 재활 서비스를 지원하는 재활 운동 기기간의 데이터 수집을 위한 인터페이스의 설계에 관한 것이다. 재활 운동 빅데이터 플랫폼은 병원과 지역사회에서 생성되는 재활 관련 데이터를 수집하고 이를 가공, 유통하기 위한 데이터 서비스와 수집된 데이터를 예측, 분석하여 개인 맞춤형의 단계별 재활을 지원하기 위한 다양한 서비스를 제공한다. 본 논문에서는 재활 운동을 보조하는 재활 운동 기기에서 생성되는 다양한 유형의 데이터를 재활 운동 빅데이터 플랫폼으로 전송하고, 수집된 데이터를 플랫폼 내외부에서 활용 가능하도록 제공할 수 있는 인터페이스에 대하여 설명한다.

다양한 종류의 센싱 데이터를 수집·분석하여 하천의 가뭄·홍수·오염 등의 감시·예측을 하기 위한 환경정보 분석·예측 기술, 환경 오염, 홍수 등 재난 상황 발생 시 실시간 대처를 위한 액츄에이터 제어/관리, 센서정보 웹 서비스 등의 환경정보 기반 지식 서비스를 제공하고, 다수의 이종 센서네트워크를 효율적 통합관리를 위한 지능형 환경관리 서비스 기술, 광역 환경관리 센서네트워크 요소 기술의 현장 검증에 필요한 테스트베드 구축을 위한 핵심기술 적용 실증시스템 구축을 위한 네트워크 구성 방안을 제시한다.

자동차의 첨단화·다기능화에 따라 내장되는 프로그램이 점차 복잡해지고 ECU 개수가 증가하고 있다. 이로 인해 리프로그래밍 횟수가 늘어나고, 시간과 비용 또한 증가하였다. 현재 리프로그래밍 시간을 줄이는 다양한 연구가 진행되고 있으며, 앞으로 더 중요해질 것으로 보인다. 사람의 목숨과 직접 연결되는 자동차의 특성을 고려하면, 데이터의 변형 여부 파악도 빼놓을 수 없는 중요한 문제이다. 이 논문에서는 데이터의 빠른 전송에 초점을 맞춘 데이터 포맷과 빠른 전송 및 기존 데이터 전송 포맷의 장점을 살린 새로운 데이터 전송 포맷을 제안하였다.

서로 다른 수중 통신 매체 사이의 각기 다른 장단점을 해결하기 위해 여러 종류의 수중 통신 모듈을 함께 운용하는 통신 기술인 다중매체 통신 기술이 등장하였다. 다중매체 통신은 한 네트워크에서 서로 다른 통신 매체들을 함께 운용하기 때문에 이들의 전송 속도 차이로 인한 흐름 제어 문제가 발생한다. 이에 본 논문에서는 통신 속도 차이로 인한 전송데이터 손실을 미연에 방지하는 수중 다중매체 통신에서 전송데이터 흐름을 제어하는 일종의 DTN (Delay/ Disruption Tolerant Network) 프로토콜을 제안한다. 이 전송 속도 제어 프로토콜을 이용하여 수중 다중매체 통신 네트워크에서 전송 속도 차이로 인해 한 노드에 메시지가 쌓여 전송 큐의 전송데이터 손실이 예측되는 경우 보조 저장장치를 이용하여 큐의 길이를 늘이고, 보조 저장장치 또한 전송데이터 손실이 예측되는 경우 전송 중인 노드에 전송 일시중지를 요청하며 지연상태가 해결된 후 다시 전송을 요청할 수 있다.

현재의 메타버스 서비스는 메타버스 학술대회, 메타버스 입학식 등과 같이 단순히 실제 세계의 대체품 역할만을 수행하고 있으며 앞으로의 메타버스는 실제 세계와 가상 세계가 융합된 실·가상 융합형 메타버스 서비스로 발전할 것이다. 실제 세계와 가상 세계가 융합하기 위해서는 실제 세계에 존재하는 다양한 물리적 개체의 정보가 가상 세계로 반영되어야 하며 메타버스 서비스의 규모가 증가함에 따라 높은 확장성을 지원하는 통신 기술이 요구된다. 본 논문에서는 높은 확장성의 통신 미들웨어인 DDS와 시간 확정적 전송을 보장하는 TSN 표준을 융합하여 메타버스 서비스가 요구하는 방대한 데이터를 시간 확정적으로 전송할 수 있는 DDS-TSN 계층 구조를 설계한다.

최근 차량 플랫폼의 발달로 인하여 차량 내 ECU 간의 정보교환이 증가하였다. 기존의 센트럴 게이트웨이 아키텍처 네트워크에서는 늘어난 정보교환으로 인한 과부하가 발생하였다. 따라서 ECU 들끼리 Domain 을 형성하도록 하여 DCU 를 활용한 Domain 기반 차량용 통신 아키텍처가 해법으로 제시되었다. 본 연구에서는 DCU 와 ECU 간의 네트워크 플랫폼을 소형 전동차를 이용하여 제작한다. 이 네트워크를 검증하기 위하여 목표물 추적 알고리즘을 통해 네트워크가 정상 작동하는지 확인한다.

본 논문에서는 과학빅데이터를 전송하는 방법으로 과학실험장비 에서 발생하는 빅데이터를 유선네트워크에서의 고속전송하는 기술 방안과 과학실험장비 내부에서의 데이터를 송수신하기 위한 근거리 고속 무선네트워크 기술에 대한 적용기술을 살펴보고자 한다. 이러한 유무선 네트워킹 기술이 해결하고자 하는 기술적 요소 등을 살펴보고 적용가능한 기술방안을 제안하고자 한다.

스마트 화분의 일종으로 사용자가 스마트폰 애플리케이션에서 화분의 온도, 조도, 습도 등의 상태를 시각적으로 확인하면 음성 출력을 통해 청각적으로도 확인할 수 있으며 광합성을 위한 RGB-LED, 수분 보충을 위한 물 펌프를 작동시키고 제어할 수 있도록 설계하고 구현하였다.

본 연구에서는 정전류(Constant Current) 방식에 전압강하법을 이용하여 접촉저항 측정 시스템을 구현하고 측정값을 블루투스 통신을 통해 안드로이드 운영체제에서 확인할 수 있도록 앱을 개발한다. 측정가능한 범위로 0 Ω에서 10.24 Ω 사이의 접촉 저항을 MCP3424 18 bit 분해능 ADC를 사용하여 측정할 수 있도록 설계하였다. 기존에는 반고정 저항과 별도의 전류계를 이용하여 정전류를 설정하였으나, 본 연구에서는 측정의 정밀도 및 편리성 개선을 위해 0.1% 고정밀 고정저항을 병렬로 4개 연결하여 구현하였으며, 또한 1:1 Unity Gain Buffer를 구성하고 Ultra High Precision Z-Foil 방식으로 오차 0.01%, 온도 계수 0.05 ppm/℃ 저항을 사용하여 실제로 측정한 샘플 저항 값의 결과를 확인하였다.

유모차 사고는 추락/넘어짐/미끄러움으로 인해 발생하는 사고가 가장 큰 비율을 차지한다. 또한 보행이 불편한 고령자가 유모차 또는 보행기를 보조기구로 사용할 때에도 유모차와 유사한 사고 발생 확률이 높다. 기존의 유모차, 전동 휠체어, 보행기 등 출시 제품들은 넘어짐과 관련된 사고예방 기능은 구현되지 않았으므로 사고를 예방하기 힘들다. 이를 해결하기 위해 본 연구는 기울기에 따라 보행 중 안전을 보조하고, 속도에 따른 넘어짐 관련 사고를 예측하여 보호자 및 주변 사람들에게 위험을 알리는 사고예방을 위한 보행보조시스템을 설계하고 구현하였다. 이 시스템을 통해 유아 및 고령자가 이용하는 보행보조기를 더욱 안전하게 사용하여 2차 사고를 예방할 수 있는 효과를 기대할 수 있다.

최근 대기 오염이 심각해지면서 이와 관련된 다양한 환경 문제가 발생하고 있다. 이러한 대기 오염에 대비하기 위해서 본 논문에서는 대기 오염 데이터를 수집하고 LiDAR 카메라를 활용하여 사각 지역에서 대기 오염을 측정하는 서비스를 제안한다. 이를 위해 대기 오염 데이터의 모니터링과 LiDAR 카메라를 활용할 수 있는 장치를 구축한다.

IoT(Internet of Things) 디바이스가 상호연결됨에 따라 융합환경인 IoBE(Internet of Things Blended Environment)가 발전하고 있다. 그러나 IoBE 내 IoT 디바이스가 상호연결되고, 네트워크가 복잡해짐에 따라 공격 표면도 증가하고 있다. 이를 통해 증가한 공격 표면에서 서로 다른 취약점들이 복합된 보안위협인 BT(Blended Threat)가 나타날 수 있다. 기존에 보안위협 대응을 위한 프레임워크 중 하나로 Cyber Kill Chain이 활용되고 있지만, 이는 공격자가 한 번의 공격을 수행하는 과정을 분석하므로 IoBE에서 발생 가능한 BT에 적용하기 어렵다. 따라서, 본 논문에서는 IoBE 내 BT 기반 공격에 대한 분석이 가능한 IoBE Kill Chain을 제안한다.

임베디드 시스템이 일상생활 및 각종 산업에 밀접하게 연관되어 개인 정보 및 국가 기술 등 지적 자산에 대한 보안의 필요성이 나타나고 있다. 이러한 문제점은 임베디드 시스템에 들어가는 소프트웨어의 역공학으로부터 초래된다. 따라서 본 논문은 소스 코드에 대해 제어 흐름 평탄화라는 난독화 알고리즘을 설계하는 방법을 제안한다. 이는 독자적으로 작성된 난독화 알고리즘이기 때문에 오픈 소스로 공개되어져 있는 다른 난독화 도구들에 비해 안전한 특징을 가진다. 제어 흐름 평탄화는 프로그램의 기능을 유지하면서 소스 코드의 정적 분석을 어렵게 하는 기법으로, 데이터를 탈취하려는 악의적인 행위를 사전에 예방할 수 있다. 본 논문에서 제안하는 제어 흐름 평탄화 알고리즘은 하나의 기본 블록으로 이루어진 단순한 소스 코드를 여러 개의 기본 블록으로 분할하고, 조건문을 통해 연결하는 방법을 사용하여 알고리즘의 복잡도를 높였다. 이처럼 새롭게 작성된 Pass를 통해 소스코드 난독화를 적용시켜 임베디드 시스템의 보안성을 향상시킬 수 있다.

드론과 관련된 기술의 발전으로 인하여, 다양한 민간 및 공공 산업에서 활용되는 실정이며, 이에 따라 드론 시장 역시 확대되면서 일반인들도 드론을 접하거나 활용하는 기회가 많아지고 있다. 특히, 일반인들이 접근하기 용이하고 사용하기 쉬운 WiFi 기반의 상용 드론이 생산되면서 수요 역시 증가하는 추세이다. 이와 같이, 드론이 많이 발전하는 긍정적인 측면과는 반대로, 드론에서 발생하는 다양한 취약점으로 인하여 보안 위협이 발생한다. 최근에는 WiFi 기반의 드론들을 대상으로 공개된 도구를 사용하여 DHCP 고갈 공격의 취약점을 분석하는 연구가 진행되었으며, 공격 결과로 실제 드론이 DHCP 고갈 공격으로 인하여 IP 주소를 할당받지 못하는 보안위협이 도출되었다. 하지만, 이 연구는 대표적인 DHCP 공격 도구인 DHCPig와 Yersinia를 활용하였으며, 이 도구들은 무선이 아닌 유선 네트워크를 기반으로 제작되었기 때문에, 드론 환경에 그대로 적용하기에는 한계점이 존재하며, 실제로 발생 가능한 취약점을 검증하지 못하는 한계점도 존재한다. 따라서 본 논문에서는 WiFi 기반 상용 드론을 대상으로 DHCP 고갈 공격의 취약점을 분석하기 위하여, 공개된 도구들의 문제점을 분석하고 개선함으로써, 드론 환경에서의 DHCP 고갈 공격의 가능성을 검증한다. 본 연구 결과는 DHCP를 제공하는 드론 환경의 안전성을 향상하기 위한 지표로 활용될 것으로 사료된다.

차량용 통신 시스템은 다양한 센서 정보, 제어 정보를 주고받게 되며 자율주행 등 차량 시스템이 고도화됨에 따라 보안성이 중요해지고 있다. 이에 따라 기존 MCU 구조에서 고성능의 ARM 아키텍처를 사용하는 것이 일반화됨에 따라 본 논문에서는 ARM 기반의 시스템에서 다양한 암호화 알고리즘의 속도와 메모리, CPU 리소스 사용량을 비교 분석한다.

4차 산업혁명의 시대적 요구에 따라 스마트워크, 원격진료, 메타버스 등 원격 접속 기반의 사회 인프라 환경이 확산되고 있으며, 코로나19는 이와 같은 원격접속 환경을 가속화하였다. 원격 접속 환경에서는 공간, 시간, 단말 등의 제약으로부터 비교적 자유롭게 기업 내부의 중요 자원 및 서비스를 이용할 수 있기 때문에 노동 생산성을 증대시킨다는 이점은 있으나, 충분히 검증받지 않은 작업 환경이기 때문에 보안적 측면에서는 문제를 야기시킬 수 있다. 또한 전통적인 정보보호 관리체계에서는 원격접속 환경은 허용하지 않거나 최소화한다는 기본 사상을 바탕으로 설계되어 있기 정보보호 전략적 한계가 존재한다. 본 논문에서는 이와 같은 정보보호 전략적 한계를 개선하기 위해 제로 트러스트 아키텍처 기반의 정보보호 관리체계 구축에 대한 방안을 제언한다.

빅데이터, 인공지능, 클라우드 등의 기술이 발전함에 따라서 개인 정보나 중요 데이터가 많이 노출되고 있다. 동형암호는 암호화된 데이터에 대해서 직접 연산이 가능한 암호체계이다. 이러한 특성은 오늘날 클라우드 컴퓨팅 플랫폼에 매우 중요한 기술이지만, 많은 연산으로 인해 처리 시간이 오래 걸려 많이 사용되어 오고 있지 않다, GPU는 병렬 연산의 특성을 활용하여 CPU가 담당하는 작업을 훨씬 효율적으로 작업하는 것이 가능하다. 본 논문에서는 GPU를 활용하여 동형 암호의 속도 향상을 위한 기법 연구 동향에 대해 알아본다.

최근 공인인증서가 폐지되고 보다 발급이 간편하고 유효기간이 긴 사설인증서가 부상했다. 더불어 탈중앙화를 핵심 개념으로 하는 블록체인 기반 분산 신원 증명(Decentralized Identity, DID)기술이 대두되고 있다. 서비스 환경의 변화에 따라 사용자 인증 기술도 변화가 요구된다. 더욱이 메타버스라는 새로운 인터넷 환경이 조성되고 있는 바 현재 사용자 인증 기술의 동향을 살펴보고 미래에 사용자 인증이 나아갈 방향성을 제시하는 것은 의미가 있어 보인다. 본 논문에서는 사용자 인증 기술의 개요와 사용자 인증 기술의 변천과정을 시작으로 공개키 기반 구조(Public Key Infrastructure, PKI)와 분산 신원 증명을 중심으로 시장에서의 사용자 인증 기술의 동향을 살펴본다. 나아가 메타버스가 상용화되었을 시기에 사용자 인증 기술이 나아가야할 세가지 방향성(분산화, 플랫폼 초월, 생체 기반 인증 중심)을 제시한다.

현재 사물인터넷 플랫폼이 활발히 개발됨에 따라, 이를 기반으로 사용자에게 많은 서비스가 제공되고 있다. 그러나 플랫폼들이 독자적으로 개발되고 있어 상호운용이 보장되지 못하고 있는 상황이다. 특히, 플랫폼마다 리소스를 표현하는 방식이 서로 불일치하여 리소스가 공유되더라도 이기종 플랫폼의 사용자는 리소스를 사용할 수 없는 문제가 있다. 더욱이 각각의 플랫폼들이 다양한 접근제어 모델을 사용함에 따라, 이기종 플랫폼의 사용자가 리소스 접근을 요청하더라도 인증/인가를 수행할 수 없는 상황이다. 결과적으로, 이러한 상호운용성 문제는 사물인터넷의 주요 목적인 초연결성을 달성하는 데 한계를 가져오고 있다. 이에, 본 논문에서는 이기종 사물인터넷 플랫폼 간의 상호운용이 가능한 속성기반 접근제어 프레임워크를 제안하고자 한다. 본 프레임워크는 MDR(Metadata Registry)를 기반으로 속성기반 접근제어를 위한 속성 불일치 문제를 해결하고 허가형 블록체인을 이용하여 속성기반 접근제어를 사용하지 않는 플랫폼이라도 접근제어에 대한 상호운용을 달성할 수 있도록 한다.

미국 국립표준기술연구소는 사물 인터넷 환경 상에서 원활하게 구동할 수 있는 경량암호의 표준화 공모전을 개최하였다. 경량암호 표준화 공모전은 2019년 Round 1 결과가 발표되었고, 2021년에는 최종 라운드 후보를 발표하였다. 최종 선정된 알고리즘은 총 10종이다. 선정된 알고리즘은 동작 방식에 따라서 순열 기반, 블록암호 기반, 트위커블 블록암호 기반, 그리고 스트림 암호 기반으로 분류된다. 또한 필수적으로 AEAD 기능을 제공할 것을 요구하며, 추가적으로 해시 기능을 제공하기도 한다. 본 논문에서는 국립표준기술연구소에서 진행한 경량암호 표준화 공모전의 최종 라운드에 대해서 확인해본다.

CFI(Control Flow Integrity)는 제어 흐름을 검증해 프로그램을 보호하는 기법이다. Windows에서는 CFG(Control Flow Guard)란 이름으로 CFI 를 지원하고 LLVM 에서는 동일하게 CFI 란 이름으로 지원한다. 본 논문에서는 Windows CFG 의 몇 가지 한계점을 LLVM IFCC 와 비교해서 찾아보고 대안책을 제안한다. CFG 에 성능, 확장성, 보안 측면에서 LLVM IFCC 와 비교하여 한계점이 존재한다는 것을 확인하였다. 본 논문에서는 각 항에 대한 이론적 근거를 제시하고 문제를 해결할 수 있는 몇 가지 대응책을 소개한다.

딥러닝 기반의 인공지능 기술이 발달함에 따라 이상 탐지 방법에도 딥러닝이 적용되었다. 네트워크 트래픽으로부터 요약 및 집계된 Feature 를 학습하는 방법과 Packet 자체를 학습하는 등의 방법이 있었다. 그러나 모두 정보의 제한적으로 사용한다는 단점이 있었다. 본 연구에서는 Http Request에 대한 사전학습 기반의 효과적인 이상 탐지 방법을 제안한다. 사전학습에 고려되는 토큰화 방법, Padding 방법, Feature 결합 방법, Feature 선택 방법과 전이학습 시 Numerical 정보를 추가하는 방법을 소개하고 각 실험을 통해 최적의 방법을 제안한다.

액티비티 삽입(Activity Injection) 공격은 공격자가 만든 악의적인 화면을 사용자에게 강제로 표시되게 하는 공격으로, 이를 악용하여 다양한 피싱(Phishing) 공격이 가능하다. 액티비티 삽입 공격은 특별한 권한없이 수행될 수 있으며 사용자가 정상적인 앱을 실행했을 때 공격이 수행되기 때문에 사용자 입장에서는 공격의 수행 여부를 판단하기 쉽지 않다. 이렇게 액티비티 삽입 공격이 강력한 반면, 안드로이드 멀웨어(Malware)에서 이러한 공격을 어떻게 활용하고 있는지에 대한 연구 결과가 없어, 액티비티 삽입 공격을 활용하는 멀웨어를 대응하기가 쉽지 않은 실정이다. 본 논문에서는 1,498 개의 안드로이드 멀웨어를 정적 및 동적 분석하여, 안드로이드 멀웨어에서 액티비티 삽입 공격의 활용도를 분석하고 이해하고자 한다.

딥러닝 원격 컴퓨팅 서비스(Deep Learning as a Service, DLaaS)가 널리 활용되면서 클라우드에서의 개인 정보 보호에 대한 우려가 커졌다. 신뢰실행환경(Trusted Execution Environment, TEE)는 운영체제의 접근까지 차단한 메인 프로세서의 보안 영역으로 DLaaS 환경에서의 개인 정보 보호 기법으로 채택되고 있다. 사용자의 데이터를 보호하면서 고성능 클라우드 환경을 활용하기 위해 신뢰실행환경을 활용한 딥러닝 모델 추론 연구들을 살펴보고자 한다.

최근, 여러 국가에서 전과정평가를 바탕으로 한 차량 온실가스 배출규제에 대한 검토를 진행중이다. 차량 전과정평가를 수행하기 위해서는 각 부품에 대한 데이터들이 수집되어야 하며, 해당 데이터에 대한 무결성과 유효성 검증이 필요하다. 본 논문에서는 전과정평가를 위한 데이터수집 시 데이터 제공자에 대한 검증과 데이터의 유효성, 무결성을 검증하기 위한 DID 기반 전기차 전과정평가를 위한 데이터수집 모델을 제안한다.

양자 컴퓨터의 발전과 양자 알고리즘의 등장이 암호 시스템의 위협을 야기함에 따라 양자 알고리즘을 활용하여 기존 암호의 공격 비용을 추정하는 연구가 꾸준히 증가하고 있다. 대칭키 암호에 자주 사용되던 Grover 암고리즘이 가진 단순 양자 완전 탐색의 한계를 보완하기 위하여 최근 Simon 기반의 알고리즘 관련 연구가 등장하였다. 본 논문에서는 두 가지 Simon 기반 알고리즘과 해당 알고리즘을 적용하여 단순한 구조의 암호 키를 복구한 사례에 대해 살펴본다.

다양한 분야에서 심층 신경망 기반 모델이 사용되면서 뛰어난 성능을 보이고 있다. 그러나 기계학습 모델의 오작동을 유도하는 적대적 공격(adversarial attack)에 의해 심층 신경망 모델의 취약성이 드러났다. 보안 분야에서는 이러한 취약성을 보완하기 위해 의도적으로 모델을 공격함으로써 모델의 강건함을 검증한다. 현재 2D 이미지에 대한 적대적 공격은 활발한 연구가 이루어지고 있지만, 3D 데이터에 대한 적대적 공격 연구는 그렇지 않은 실정이다. 본 논문에서는 뉴럴 렌더링(neural rendering)과 적대적 공격, 그리고 3D 표현에 적대적 공격을 적용한 연구를 조사해 이를 통해 추후 뉴럴 렌더링에서 일어나는 적대적 공격 연구에 도움이 될 것을 기대한다.

최근 블록체인 기술이 발달함에 따라 사이버 범죄자의 공격 대상이 되고 있다. 특히, 암호화폐가 등장하게 되면서 화폐를 관리하는 전자지갑의 보안이 중요해지고 있다. 전자지갑은 내부에 저장된 개인 키를 통해 네트워크에 트랜잭션을 요청하게 되고 사용자 인증을 위해 중앙 기관에 검증을 요청한다. 이때, 전자지갑은 서드파티 취약점에 영향을 받아 공격 대상이 될 수 있다. 따라서, 본 연구에서는 블록체인 환경에서 서드파티 의한 위협으로부터 전자지갑을 보호하는 메커니즘 연구를 진행했다.

Hyperledger Indy는 탈중앙 신원증명을 위한 블록체인 기반 분산원장으로 디지털 신원증명을 위한 여러 기능을 제공한다. 디지털 신원증명은 디지털 생태계의 핵심 요소이기 때문에 디지털 신원증명 시스템의 가용성 확보는 끊김이 없는 서비스를 제공한다는 관점에서 중요하다. 본 논문에서는 Hyperledger Indy 기반 신원증명 시스템의 가용성을 높이는 핵심 아이디어의 검증 결과를 근거로 모니터링 시스템의 설계 내용을 기술한다.

임상의사결정지원시스템(Clinical Decision Support System)은 환자의 질병을 진단하고 치료할 때 의사결정을 도와주는 시스템이다.[1] 본 논문에서는 블록체인과 XAI 기술을 활용해 임상의사결정지원시스템의 아키텍처를 제안한다. 제안 아키텍처는 데이터의 중앙화, 의료데이터의 보안을 블록체인기술로 해결하고 블록체인을 기반으로 한 보반 기술인 DID 기술을 활용해 데이터의 신뢰성과 보안성을 확보하였다. 또한 XAI 모듈을 활용해 예측 결과의 신뢰도와 투명성도 제공해 의료인의 의사결정을 지원하였다.

대체 불가능 토큰 (NFT, non-fungible token)은 고유하고 더 이상 분할할 수 없는 특성을 가지고 있다. NFT 는 디지털 콘텐츠에 대한 소유권을 증명해 주지만 현재 1) 소유권 증명 이상의 유틸리티가 명확하지 않고, 2) 토큰이지만 유동성이 거의 없으며, 3) 가격이 예측 불가능하다. 특히, 부동산의 경우 가격이 매우 높은 특징으로 인하여 투자 진입장벽이 매우 높다. NFT 분할을 하면 유동성의 증가, 그리고 접근성 증가에 따른 커뮤니티 볼륨의 증가를 기대해 볼 수 있다. 이러한 특성을 활용하여 기존에 투자하기 어려웠던 부동산을 다양한 기술을 활용하여 쉽게 투자를 할 수 있게 된다. 또한, Black Litterman 모델을 활용하여 보다 여러 종류의 NFT 들에 대한 최적 포트폴리오를 구성할 수 있는 알고리즘을 설계하고 구현하였다.

최근 몇 년간 블록체인 기술은 빠르게 발전하여 많은 산업에 영향을 끼쳤다. 하지만 동시에 비트코인, 이더리움 등 블록체인 네트워크 내에서 많은 금융 범죄들이 발생하고 있다. 최근에는 이와 같은 비정상적인 활동을 탐지하기 위해 많은 연구가 진행되고 있다. 본 논문에서는 딥러닝을 기반으로 블록체인 네트워크 내의 악성 노드를 탐지하는 기법에 대해 살펴본다. 대부분의 연구가 높은 정확도를 달성하였으며, 악성 노드뿐만 아니라 악성 노드가 수행한 사기 트랜잭션을 탐지하는 연구도 진행되고 있었다.

공유 모빌리티 시장의 발전으로 인해 공유 전동킥보드 사용자의 수가 증가하고 있다. 하지만 무분별한 공유 전동킥보드 주차와 방치 문제가 있어 안전한 도시 환경에 위협이 되고 있다. 이를 해결하기 위해 본 연구는 블록체인 기반의 시민 참여형 공유 전동킥보드 관리 모델을 제안한다. 공유 전동 킥보드 회사들은 스마트 컨트랙트를 통해 사용자의 공유 전동킥보드 반납 내역을 기반으로 신뢰 점수를 관리하고 공유한다. 사용한 공유 전동킥보드를 올바르게 주차 및 반납을 하여 높은 신뢰 점수를 갖는 사용자에게 인센티브를 지급하여 사용자가 스스로 전동킥보드를 잘 주차하도록 유도한다.

최근 블록체인 기술이 부상하면서 이를 이용한 암호화폐가 범죄의 대상이 되고 있다. 특히 피싱 스캠은 이더리움 사이버 범죄의 과반수 이상을 차지하며 주요 보안 위협원으로 여겨지고 있다. 따라서 효과적인 피싱 스캠 탐지 방법이 시급하다. 그러나 전체 노드에서 라벨링된 피싱 주소의 부족으로 인한 데이터 불균형으로 인하여 지도학습에 충분한 데이터 제공이 어려운 상황이다. 이를 해결하기 위해 본 논문에서는 이더리움 트랜잭션 네트워크를 고려한 효율적인 네트워크 임베딩 기법인 trans2vec 과 준지도 학습 모델 tri-training 을 함께 사용하여 라벨링된 데이터뿐만 아니라 라벨링되지 않은 데이터도 최대한 활용하는 피싱 스캠 탐지 방법을 제안한다.

한의 복진은 복부를 검사하기 위해 수행되지만 정량화되지는 않았다. 이 연구의 목표는 소화불량의 주요 증상인 흉협고만이 있는 그룹과 아닌 그룹 사이에 유의하게 차이나는 복부 측정기기의 변수를 식별하는 것이다. 정량적인 진단을 위해 규칙에 따라 구획한 복부를 적외선 열화상 카메라, 디지털 압통기, 3D 카메라 및 디지털 청진기를 포함한 기기로 측정하였다. 연구방법으로 임상연구를 수행하여 한의사들이 진단한 복부 증상인 흉협고만과의 일치도를 조사하였다. 기기 측정 중 깊이, 압력, 깊이에 대한 압력의 비율은 흉협고만 그룹이 비 흉협고만 그룹보다 유의하게 작았다. 따라서 물리적 압통 특성이 감소하고, 복부 경직도가 감소하며, 민감도가 증가했다. 좌측과 우측 늑골 사이의 거리, 흉늑골 각도는 흉협고만 환자에서 유의하게 더 컸다. 또한, 깊이 차이, 표면 법선 벡터 및 깊이 값 사이의 각도 차이는 흉협고만 그룹에서 대부분 작았다. 복부 측정기기는 다양한 질환 및 증상에 사용될 것으로 기대한다.

본 논문에서는 제주지역의 전기자동차 충전 로그를 분석하여 일일 충전회수, 충전시간, 최대 동시 충전수 등의 데이터를 추출한다. 이 요소들에 의해 전기자동차 충전 수요, 전력량, 전력 등의 흐름을 파악할 수 있으며 전반적인 수요는 계절적 요인, 즉 휴가철 혹은 태풍 등의 영향을 받는다. 전력 수요는 아직 제주도 전체적인 전력소비에 비해 1.3 % 정도인 것을 파악되고 있으며 추후 태양발전과 같은 신재생 에너지와의 결합이나 광고 등의 비즈니스 모델 개발에 근거자료로 활용할 수 있다.

본 연구는 웹캠을 기반으로한 시선 추적 알고리즘에 대한 성능을 실시간으로 분석함과 동시에 그 결과를 직관적으로 비교해볼 수 있는 프로그램 개발에 대한 것이다. 시선 추적을 위한 훌륭한 알고리즘들과 학습 모델이 개발되고 있으나 개발 대상 어플리케이션에 적합한 알고리즘을 선별하거나 파라미터를 최적화하기 위해서는 알고리즘의 성능을 빠르고 효과적으로 가늠해볼 수 있는 테스트베드 개발이 동반되어야한다. 따라서 본 연구는 웹캠을 기반으로 시선 추적 알고리즘을 구현한 사례와 함께 개발된 알고리즘의 성능을 테스트해볼 수 있는 프로그램 개발에 대한 내용을 기술하였다.

본 연구는 3차원 포인트클라우드로부터 단면 정보를 자동으로 추출할 수 있는 알고리즘에 관한 것이다. 3차원 스캐너로부터 획득한 포인트클라우드 데이터는 다양한 제조 공정의 결과물인 산업 제품의 접합 상태를 파악하는데 자주 사용된다. 하지만 많은 노이즈를 포함하는 포인트클라우드 데이터로부터 제조 상태에 대한 수치적인 결과를 반복적으로 획득하기에는 많은 비용이 수반된다. 따라서 본 연구는 산업 제품의 접합부에 대한 포인트클라우드로부터 단면 정보를 자동으로 추출할 수 있는 알고리즘을 소개하고자 한다.

지역 영세 중소기업들은 노동력 감소와 제조 공정의 자동화가 절실히 필요하고 품질관리 기능을 자동화할 수 있기를 희망하고 있다. 이를 위하여 본 논문에서는 중소기업 제품들의 물성에 따른 공통된 품질관리 수요를 파악하고 수요에 따라 다양한 품종의 가공부품 또는 제품의 비전시스템을 구축하고 이를 원격으로 관리할 수 있는 시스템을 개발하였다. 특히 물성이 다른 4가지 품목을 선택하여 적합한 지그를 제작하고 개발된 품질관리 시스템의 운영을 통해 플랫폼을 검증하였다.

본 논문에서 기존의 혈액투석기는 회전하는 모터를 사용하여 구성하였으나 이러한 모터는 정밀도, 반복정밀도가 50um 이하로 가공물 가공시에 치기공사나 치과의사가 사람에 맞추어 다시 작업을 해야하는 불편함과 시간적, 작업자의 피로도를 높일수 있는데 이러한 모터에 스크류나 밸트를 연결하여 선형적으로 움직일 수 있는 리니어모듈과 리니어모터를 적용하게되면 20um수준의 고정밀의 위치 제어가 가능한 혈액투석기를 만들 수 있었다. 또한 MEMS센서를 이용하여 모터의 상태를 모니터링하고 임계값을 지정하여 이상 신호 발생시 모터를 멈추어 위험상황에 대해서 인공지능기법을 이용하여 정지하거나 관리자에게 알림을 주어 효과적으로 혈액투석기를 운영할 수 있도록 하였다.

4차 산업환경에서 스마트 팩토리는 자동 자재 관리 시스템(Automated Material Handling System, AMHS)의 사용이 증가되고 있으며, 이로 인한 자재 관리의 효율성이 중요시되고 있다. 자동 무인 운반차(Automated Guided Vehicle, AGV)는 이러한 분야에 활용성이 높기 때문에 많은 연구와 발전이 이루어지고 있다[1]. 기존의 AGV System에 대한 연구들은 운영 방식 그리고 경로 유도 방식에 대한 연구가 집중되고 있어서, 실질적인 산업현장에서 요구하는 가격 절감에 대한 연구가 부족한 상황이다[2]. 따라서 본 논문에서는 AGV를 구동시키기 위해서 2개의 BLDC Motor를 하나의 DSP로 구현하는, 새로운 형태의 BLDC Motor 구동방식을 제안하고 실험으로 확인하였다.

In this paper, we propose a method of obtaining high density geometric information using multi-view structured light. Reconstruction error due to the difference in resolution between the projector and the camera occurs when reconstruction a 3D shape from a structured light system to a single projector. This shows that the error in the point cloud in 3D is also the same when reconstruction the shape of the object. So we propose a high density method using multiple projectors to solve such a reconstruction error.

점심이나 저녁을 위한 간단한 음식을 주문하고자 할 때 배달료가 비싸서 망설이거나 포기하는 경우가 많다. 이 발표에서는 가까운 지인이 아니더라도 배달 장소가 동일한 어느 누구와도 함께 주문함으로써 배달비를 절감할 수 있는 앱을 설계하고 구현한다. 개발된 앱은 여러 음식점을 등록하여 각 음식점에서 판매하는 다양한 메뉴 주문과 배달지 선택 기능을 제공한다.

본 논문은 3 차원 이미징 기술과 컴퓨터 그래픽스 기반의 시뮬레이션 분야에서 매우 성공적인 두 기술의 융합을 기반으로 진행한 연구를 제안한다. 먼저 3 차원 디스플레이 시스템에 재생할 집적 영상 이미지를 생성하는 방법에 대해 설명한다. 이는 3 차원 포인트 클라우드에서 가상 핀홀 배열로 입사각을 역투영하는 계산방식을 통해 해당 이미지를 생성한다. 우리는 재생되는 3 차원 영상의 초점면을 자유롭게 선택하는 방법에 대해서도 설명한다. 또한, 복수의 관찰자에게 동시에 다양한 시점 정보를 기반으로 몰입감 넘치는 3 차원 영상을 제공하는 3 차원 디스플레이 시스템을 소개하고, 다양한 실험결과를 기반으로 결론을 제시한다.

작물을 경작 해충과 질병은 오랫동안 주요 관심사였다. 농업에서 병해충을 탐지하기 위해 전통적인 방법을 사용하는 것은 더 이상 높은 효율성을 제공하지 않는다. 오늘날 과학과 인공 지능의 폭발적인 발달로 인해 농업분야의 연구원들은 병해충을 탐지하기 위해 딥 러닝을 적용하고 있다. 최근에 다양한 분야의 문제들을 해결하기 위해 수많은 모델들이 발표되었지만, 많은 병해충 진단 딥러닝을 사용한 방법들은 하드웨어 리소스를 낭비하고 실제 농장에서 사용하기 어렵다. 따라서 본 논문에서는 작물의 병해충을 분류하기 위해 Select Kernel Attention(SK Attention)을 Channel Attention Module 로 변경하여 Decoupling-and-Attention network (DANet)을 하드웨어 리소스 사용을 최소화한다.

현재 우리나라는 낮은 재활용률로 인해 불필요한 자원과 노동력이 낭비되고 있다. 이러한 낮은 재활용률은 올바르지 않은 분리배출로 인해 발생된다. 이를 해결하기 위해 관련 객체 인식 연구가 활발히 진행되고 있지만, 현재의 분리배출 체계를 통합적으로 관리하기 위한 관리체계 시스템은 여전히 미흡한 상태이다. 이러한 문제를 해결하기 위해 본 연구에서는 React와 Node.js를 이용하여 객체 인식 알고리즘의 분리배출 분석 데이터를 그래프 형태로 시각화시켜 관리자에게 분리배출 현황을 직관적으로 보여주어 현 분리배출의 문제점에 대해 인지하고, 체계적이고 효율적인 분리배출을 위한 보완점과, 대책을 마련할 수 있는 시각화 시스템을 제안한다.

Palm vein identification has attracted attention due to its distinct characteristics and excellent recognition accuracy. However, many contactless palm vein identification systems suffer from the issue of having low-quality palm images, resulting in degradation of recognition accuracy. This paper proposes the use of U-Net architecture to correctly segment the vascular blood vessel from palm images. Attention gate mechanism and residual block are also utilized to effectively learn the crucial features of a specific segmentation task. The experiments were conducted on CASIA dataset. Hessian-based Jerman filtering method is applied to label the palm vein patterns from the original images, then the network is trained to segment the palm vein features from the background noise. The proposed method has obtained 96.24 IoU coefficient and 98.09 dice coefficient.

근골격계 질환 재활환자들의 신체 능력을 평가하기 위한 주요 측정 도구로 관절 가동 범위(ROM: Range of Motion)가 사용된다. 본 논문에서는 근골격계 환자들의 재활운동을 통한 관절 가동 범위 정보를 시각적 이해하기 용이하도록 서비스하기 위하여 3차원 아바타를 이용한 관절 가동 범위 시각화 시스템을 제안한다. 제안하는 3차원 아바타를 이용한 관절 가동 범위 시각화 시스템은 근골격계 질환 재활환자들의 관절 가동 범위 데이터를 3차원 아바타의 대응하는 관절 작동 범위로 사상하고 다양한 시점으로 시각화하거나 애니메이션으로 재현함으로써 재활 수준의 변화를 직관적으로 제공할 수 있다.

농촌 깊숙한 산이나 외딴 곳에서는 치안이 허술해 침입자를 늦게 감지하고, 절도 사고 이후에도 늑장 대응으로 큰 피해가 발생할 수 있다. 아두이노와 라즈베리 파이를 이용하여 침입자를 1차, 2 차로 구분하여 탐지 후 사용자에게 실시간으로 알림과 영상을 전송함으로써 신속하고 효율적으로 대응할 수 있는 도난 탐지 시스템을 구현하였다.

With the rise of the Al wave, task-oriented dialogue systems have become one of the popular research directions in academia and industry. Currently, task-oriented dialogue systems mainly adopt pipelined form, which mainly includes natural language understanding, dialogue state decision making, dialogue state tracking and natural language generation. However, pipelining is prone to error propagation, so many task-oriented dialogue systems in the market are only for single-round dialogues. Usually single- domain dialogues have relatively accurate semantic understanding, while they tend to perform poorly on multi-domain, multi-round dialogue datasets. To solve these issues, we developed a paddle-based multi-domain task-oriented Chinese dialogue system. It is based on NEZHA-base pre-training model and CrossWOZ dataset, and uses intention recognition module, dichotomous slot recognition module and NER recognition module to do DST and generate replies based on rules. Experiments show that the dialogue system not only makes good use of the context, but also effectively addresses long-term dependencies. In our approach, the DST of dialogue tracking state is improved, and our DST can identify multiple slotted key-value pairs involved in the discourse, which eliminates the need for manual tagging and thus greatly saves manpower.

홍수재난 예방 서비스 및 수질 모니터링에 대한 연구개발이 미흡하다는 문제점을 발견했다. 실생활에서 간편하게 댐의 수질·수위를 관리할 수 있는 시스템 연구를 진행했다. 이는 사용자가 수질 변화에 빠른 대응을 할 수 있을 것이다. 또한, 홍수로 인한 물적·인적자원 손실을 최소화하고, 홍수에 대한 경각심을 높이는 시너지 효과도 거둘 수 있을 것이다.

코로나 19로 인해 일회용품 사용량이 증가함에 따라 쓰레기에 대한 환경문제가 발생하고 있다. 이러한 문제점을 개선하기 위해 집에서도 간편하게 쓰레기 배출 정보를 확인할 수 있는 연구를 진행했다. 스마트 관리 기계 사용을 통해 쓰레기가 환경에 미치는 악영향이 최소화되기를 기대한다.

최근 의료데이터 표준화에 대한 중요성이 보건의료 빅데이터 구축과 맞물려 보건의료데이터 표준화와 마이데이터 생태계 조성을 추진하고 있다. 그리고 개인들의 휴대용 기기 이용증가와 모바일 환경으로 전반적인 디지털헬스의 패러다임 변화에 따라 HL7 FHIR의 사용이 점차 확대될 것으로 예측된다. 본 논문에서는 의료정보 표준인 HL7 FHIR와 의료영상 표준인 DICOM으로 환자 정보를 전달하기 위한 다중 의료 정보 중재 플랫폼에 대해서 기술한다. 이를 구현하기 위해 HL7 FHIR의 Patient, Observation, DiagnosticReport, Bundle 리소스를 활용하여 환자 정보와 임상 리포트 정보를 전달하여 StudyList에서 보여줄 수 있도록 구현하였다. 현재 구현된 내용은 FHIR 기반의 임상데이터로 의료영상을 포함한 표준화된 정보로 제공하여 마이데이터 실증 플랫폼으로 활용될 것으로 기대된다.

삼킴 장애 환자는 뇌졸중, 치매, 외상성 뇌손상, 파킨슨병, 암이 주요 원인으로 급속히 증가하고 있다. 특히 고령화 사회가 되면서 더욱 삼킴 장애 환자는 늘어날 것으로 전망하고 있다. 고령 환자의 삼킴 이상의 진단을 위해 가장 많이 사용하고 있는 검사법으로는 비디오 조영 삼킴 검사(VFSS)이다. VFSS는 진단에 있어서 숙련된 전문의가 필요하기 때문에 대학병원 급에서 주로 시행하며, 고령 환자에게는 분석 결과를 상담받을 때까지 오랜 시간을 소요해야하는 문제점들이 있다. 본 논문에서는 삼킴 장애 진단을 위한 의료영상 관리 및 라벨링 시스템에 대해서 기술한다. 이를 구현하기 위해 서버에서 대용량 멀티프레임 영상을 성능 저하 없이 핸들링 하고 라벨링 데이터 생성을 위한 라벨링 툴을 구현하였다. 차후 라벨링 데이터를 생성하고 학습을 통하여 삼킴 장애 진단을 위한 인공지능 모델을 개발하고자 한다.

'제로 푸드 웨이스트'란 생산과 소비, 폐기 과정에서 음식물이 버려지지 않는 것을 말한다. 이를 위해 본 논문은 유통 기한을 관리하며 동시에 타인에게 식품을 무료 나눔 할 수 있는 어플리케이션을 개발하였다. 본 어플리케이션은 식품을 유통기한 입력을 통해 관리하고, 식품 리스트에서 무료 나눔 버튼을 통해 추가 입력 없이 쉽게 나눔 게시글을 작성할 수 있다. 또한 식품의 이름을 바코드 인식으로 처리해 편리한 입력이 가능하다.

어플리케이션을 통해 전염병 및 감염병등을 쉽게 알려줌으로써 전염과 감염에 앞장서서 예방하고 또한 각종 정보들을 빠르게 알려주는 어플리케이션

최근, 팬데믹 상황이 나아지면서 줄었던 해외출장이 늘어나고 있다. 해외출장 시 주 교통수단으로 사용하는 항공기는 기상상황에 따라 변동이 잦고 이런 변경된 일정을 확인하기 위해서는 항공사 마다 로그인해서 일정을 확인하거나 공항 홈페이지에서 직접 항공편명을 검색해야 한다. 그렇기 때문에, 일정을 열람하기가 번거로우며 제 3 자와 일정을 공유하고자 할 때에는 제 3 자가 공항 홈페이지에서 항공번호를 직접 입력하는 방법 밖에 없으므로 더욱 불편하다. 본 연구에서는 이런 불편사항을 개선하기 위하여 하나의 웹사이트에서 자신의 일정을 등록하고 열람하며 제 3 자와 쉽게 공유할 수 있는 방법을 고안하였다.

원격 하드웨어 관리 기술은 BMC 관리 기술을 사용하여 자사의 하드웨어를 원격으로 제어하고 모니터링 할 수 있는 여러 기능들을 제공하며, 이를 기반으로 대규모의 클러스터 관리를 담당한다. 자체적인 서버 관리 기술로 Dell의 iDRAC, HP의 iLO, Supermicro의 SSM 등이 있으며, 클러스터 관리 도구로는 BCM, Warewulf, xCAT, Grendel 등이 활용된다. 그러나 대부분의 자체 하드웨어 서버 관리기술은 단일 서버 관리 기능만 지원하거나, 하드웨어 센서를 추가하거나 수정할 수 있는 관리 기능을 지원하지 않는다. 또한 대규모를 지원하는 주요 클러스터 관리 도구도 관리되는 서버의 종류가 제한되거나, 지원되는 하드웨어 센서를 추가하거나 수정하기 어렵다. 이를 위해 본 논문에서는 각각 다른 하드웨어 센서 아이디를 가지고 있는 여러 서버들로 이루어진 대규모 이기종 하드웨어를 통합적으로 관리, 제어, 모니터링하기 위한 센서 템플릿 기술을 소개한다.

본 논문에서는 환경공단이 제공하는 전기자동차 충전기의 운영기록 분석하는 과정에서 주기적으로 공개 데이터를 수집하여 지역 데이터베이스에 저장하고 데이터의 오류를 정제하는 방안에 대해 연구한다. 전력시스템 부하에 직접적으로 영향을 주는 급속충전기 운영기록만을 추출하고 날짜필드에서의 오류 혹은 역전을 포함하는 트랜잭션을 제거한 후 일차적으로 충전시간길이를 히스토그램으로 분석한다. 대부분의 충전이 20분 이내에 완료되었지만 23%는 충전완료 후에도 충전기에서 플러그를 제거하지 않은 것으로 보인다.

연구개발 활동을 지원하는 웹서비스 ScienceON은 논문, 특허, 연구보고서, 정책동향 정보뿐만 아니라 연구에 필요한 다양한 기능과 인프라를 통합적으로 제공하고 있다. 하지만 개인 데스크톱에서 활용이 용이한 검색 중심의 웹서비스는 언제 어디서나 쉽게 학술정보를 활용하고자 하는 사용자 요구를 충족시키기 어려운 문제가 있다. 연구자가 모바일 환경에서 쉽게 학술정보를 이용할 수 있는 환경을 제공하기 위해 본 논문에서는 검색 중심이 아닌, 개인의 관심정보와 논문 저자 식별 기반의 논문 피딩(feeding) 프로세스를 제안한다. 관심 분야 및 키워드 기반의 최신논문과 인기논문을 실시간으로 제공하고, 공저자 네트워크 및 저자 식별정보를 활용하여 최적화된 추천 논문을 제공한다. 또한 논문 중심의 커뮤니티를 제공하여 연구 활동 및 논문에 관한 다양한 의견 교환 채널로도 활용될 수 있다.

온실가스 배출 문제가 세계적인 현안으로 부각되면서 수소를 에너지원으로 사용하는 수소경제가 주목받고 있다. 수소연료전지는 수소경제의 구성요소 중 하나로, 수소를 활용해 열과 전기를 생산하며 에너지 변환 효율이 높이는데 장점이 있다. 본 연구는 세계적인 온라인 커뮤니티인 레딧(Reddit)에서 수집한 수소연료전지와 관련된 소셜 데이터를 텍스트마이닝과 감성분석 기법으로 분석하였다. 분석 결과 9,211건의 댓글을 LDA(Latent Dirichlet Allocation)을 이용해 4개의 토픽 그룹으로 분류할 수 있었다. 이 중 수소연료전지와 관련이 높은 그룹을 선정해 STM(Structural Topic Model) 분석으로 10개 토픽을 추출하였고, 기후 환경, 수소 산업, 수소 차와 관련 있는 토픽 3개를 발견할 수 있었다. 이 연구 결과를 통해 수소연료전지의 세계적으로 실제적인 내용을 빠르고 효과적으로 파악하여 수소연료전지에 대한 예측하고, 우리나라의 수소연료전지 관련 국가R&D의 정책적 방향을 제시하고자 한다.

본 논문에서 거푸집의 가장취약 부분인 접합부위에 로드센서를 부착하여 실시간 콘크리트 측압을 측정 할 수 있으며, 관리자는 모니터링을 통하여 확인 할 수 있도록 하며 LORA의 저전력 장거리 통신망을 사용하는 디바이스를 개발하여 로드센서에 측정한 값을 데이터변경, 웹 기반의 클라우드 서비스로 발송하여 PC 및 Mobile로 확인 할 수 있는 시스템을 구축하였다. 여러가지 센서로부터 데이터를 수신하여 모바일로 송신해 주는 무선송수신기의 개발을 원하고 있으며, 하중센서, 경사도센서, 풍향센서 등 다중 데이터값을 수신할 수 있어야 한다. 이렇게 구성된 센서와 데이터의 수신을 통해서 콘크리트 타설시 발생하는 측압을 측정하고 공사기간 동안 별도의 전원 공급 없이 작동이 유지될 수 있는 시스템을 구축하였다. 수요자가 Application과 호환이 이루어져야 하며 또한 MEMS센서를 이용하여 상태를 모니터링 하고 임계값을 지정하여 이상 신호 발생시 위험상황에 대해서 인공지능기법을 이용하여 관리자에게 알림을 주어 효과적으로 사용할 수 있는 시스템을 개발하였다.

과열되는 배달 시장의 경쟁 속에서 수많은 배달원이 속도전에 내몰리고 있다. 배달 앱 시장에서는 속도전의 승리를 위해 단건 배달 서비스를 내놓았지만 이러한 배달 경쟁은 배달비 인상으로 이어져 소비자의 부담으로 돌아왔다. 본 논문에서는 배달 업무의 고른 분배를 통해 배달원들의 경쟁을 완화하고 전체 배달 시스템의 처리량과 신뢰도를 향상하고자 하였다. 따라서 목적함수의 최적화와 무작위성이라는 특징을 가진 유전 알고리즘을 활용하여 배달원들 간 배달 업무의 고른 분배를 통해 시스템 성능을 향상시켰다. 실험을 통해 기존의 배치 기법에 비하여 제안 알고리즘에서의 성능이 향상되었음을 확인하였다.

발병률이 낮은 병은 데이터 불균형 문제가 발생하며, 이는 의료계에서 겪는 원초적인 문제이다. 이런 불균형 문제를 해결하고자 Pix2Pix 로 생성적 적대 신경망 기반 의료 이미지 증강 기법을 설계하여 데이터 불균형 문제 해결 및 성능을 향상시켰다. 합성 데이터의 추가 및 기하학적 데이터 증강의 유무에 대한 4 가지 시나리오로 성능을 비교하여 제안된 기법이 가장 효과적임을 보인다.

소셜 네트워크 및 웹 데이터와 같은 대규모 그래프 데이터를 처리하기 위해 병렬 처리 기반의 기법들이 많이 사용되어 왔다. 본 연구에서는 그래프 형식의 대규모 교통 데이터를 하둡 맵리듀스를 이용하여 처리하는 효과적인 기법을 제안한다. 제안하는 방식에서는 도시의 유동 인구 흐름을 가중치로 고려할 수 있도록 Weighted PageRank 알고리즘을 기반으로 하는 병렬 그래프 알고리즘을 사용하며, 해당 알고리즘을 하둡 맵리듀스에 적용하여 주거 및 근무지 등의 지역을 분류하도록 결과를 분석하였다. 제안 기법을 통한 분석 결과를 기반으로 지역 간 유동 인구 그래프 데이터에서 각 도시의 영향력을 측정하는 페이지랭크, 하둡 맵리듀스 기반의 기법을 제시한다.

이 논문은 Deep Learning 을 이용해 의사의 진단의 도움을 줄 수 있는 Clinic Decision Support System(CDSS) Framework 를 제안한다. 당뇨병, 고혈압, 고지혈증 같은 대사질환은 증상이 있는 경우도 있지만 없는 경우가 대부분이다.[1] 그렇기 때문에 원격으로 진료할 경우 대사질환에 대한 부분을 놓칠 수 있다. 이러한 부분을 챗봇이 의사에게 Deep Neural Network(DNN)으로 예측된 정보를 제공해 도움을 준다.

최근 현대인의 영양불균형이 점점 심화됨에 따라 영양결핍과 비만의 위험도가 점점 증가하고 있다. 이에 따라 건강기능식품에 대한 관심이 증가하여 일반인들의 건강기능식품 소비가 증가하고 있지만, 적정섭취량에 비해 영양소를 과도하게 섭취 중이거나 영양제를 먹지만 정작 필요한 영양소를 섭취하지 못하는 경우가 빈번히 나타나고 있다. 이러한 문제를 해소하고자 본 논문에서는 7 일간 사용자가 섭취한 식단을 기반으로 부족한 영양소를 수치상으로 계산하여 개인 맞춤 영양제를 추천하는 시스템을 제안한다.

정부는 혁신성장 확산을 위해 'D·N·A와 BIG3 전략'을 마련하여 '18년 0.7조원에서 '22년 3.5조원까지 5년간 10.9조원의 재정투자와 AI와 5G를 융합한 기술 개발에 많은 지원을 하고 있다. 본 논문에서는 AI와 5G 분야에 대해 국가R&D 참여 인력의 현황을 분석하여, 정부 재정투자에 비례하여 국가R&D 참여 연구인력이 활성화되고 있는지 확인하였다. 분석 데이터는 NTIS에서 Top20의 키워드를 추출하여 2011년부터 2020년까지의 과제 71,760건, 참여 인력 785,805명의 데이터를 수집하였다. 각 분야의 과제와 연구비(정부투자연구비), 연구개발수행주체별, 연구개발단계별 학위 분포 등 참여연구인력 추이를 심층분석하였다. 그 결과 참여 연구인력은 정부 재정투자에 비례하여 활성화 되고 있었다. 이러한 분석은 참여 연구인력 양성을 효율적으로 육성하기 위해 활용될 수 있다.

본 논문에서는 서울시를 대상으로 2020년 기준 자치구별 공공체육시설의 개수를 분석하고, 도출된 서비스 지역 적정 개소 수를 기준으로 추가 설치가 필요한 자치구 내 입지를 예측하였다. 기존 공공 체육시설 수와 선행연구의 입지 지표를 활용해 회귀분석을 바탕으로 유의한 입지요인을 도출하고, 이를 변수로 한 k-means 군집화를 통해 자치구별 입지 후보군이 될만한 행정구역상 동을 구분하였다. 이후 선정된 행정구역 내 기준 인구 당 공공체육시설 비율이 같아지도록 공공체육시설 설치 개수를 결정한 다음 각 구역의 중심점으로부터 가까운 동 순으로 공공체육시설의 추가 설치가 필요한 동을 선정하였다.

WHO 산하의 국제암연구소는 2013 년부터 미세먼지를 1 급 발암 물질로 분류하고 있으며 미세먼지 노출에 대한 질병 발생의 심각성은 점점 수면 위로 드러나고 있는 추세다. 본 연구에서는 국민건강보험공단의 진료 내역 정보 데이터와 2015 년부터 2021 년까지의 미세먼지 및 초미세먼지 월 평균 농도 데이터를 이용하여 미세먼지 및 초미세먼지 농도와 순환기계와 호흡기계 질병 간의 상관 관계를 보이고, 연관성있는 질병을 찾아내었다. 이를 위해 시계열분석, 상관분석, 빈도분석을 시행하였으며 실험 결과 호흡기질환에서는 급성 부비동염, 코의 농양 등의 질병과 순환기질환에서는 상세불명의 원발성 고혈압, 폐색전증이 상관관계가 높은 질병으로 판명되었다.

e커머스 풀필먼트 비즈니스에서 수요예측은 매우 중요하다. 이는 고객의 온라인 주문정보를 바탕으로 풀필먼트 창고 내에서의 적정 피킹, 패킹 인력과 배송을 위한 차량의 적정규모도 산정하여 관련 비용 및 자원들 관리에 활용되기 때문이다. 특히 예측결과에 따라 인력 운영비용 및 배송에도 영향을 미치기 때문에 그 중요성이 날이 갈수록 커지고 있는 상황이다. 이런 이유로 e커머스 풀필먼트 비즈니스에 활용하기 위한 특화된 수요예측 방법이 필요하다. 본 연구에서 제안하는 멀티 조합 수요예측 기술은 풀필먼트 비즈니스에 가장 중요한 요소인 피킹과 패킹을 위한 적정 작업 인력 확보를 하고 이를 통해 안정적인 상품 출고가 가능해진다.

Community detection is meaningful research in social network analysis, and many existing studies use graph theory analysis methods to detect communities. This paper proposes a method to detect community by detecting maximal cliques and obtain the high influence cliques by high influence nodes, then merge the cliques with high similarity in social network.

POI refers to the point of Interest in Location-Based Social Networks (LBSNs). With the rapid development of mobile devices, GPS, and the Web (web2.0 and 3.0), LBSNs have attracted many users to share their information, physical location (real-time location), and interesting places. The tremendous demand of the user in LBSNs leads the recommendation systems (RSs) to become more widespread attention. Recommendation systems assist users in discovering interesting local attractions or facilities and help social network service (SNS) providers based on user locations. Therefore, it plays a vital role in LBSNs, namely POI recommendation system. In the machine learning model, most of the training data are stored in the centralized data storage, so information that belongs to the user will store in the centralized storage, and users may face privacy issues. Moreover, sharing the information may have safety concerns because of uploading or sharing their real-time location with others through social network media. According to the privacy concern issue, the paper proposes a recommendation model to prevent user privacy and eliminate traditional RS problems such as cold-start and data sparsity.

Extracting informative representation of molecules using graph neural networks(GNNs) is crucial in AI-driven drug discovery. Recently, the graph research community has been trying to replicate the success of self supervised in natural language processing, with several successes claimed. However, we find the benefit brought by self-supervised learning on applying varitional auto-encoders can be potentially effective on molecular data.

텍스트 요약(Text Summarization)은 자연어 처리(NLP) 분야의 주요 작업 중 하나이다. 높은 정확성을 보이는 문서 요약 딥 러닝 모델을 만들기 위해서 대용량 학습 데이터가 필요한데, 대용량 데이터 전처리 과정에서 처리 시간, 메모리 관리 등과 같은 문제가 발생한다. 본 논문에서는 대규모 병렬처리 플랫폼 Apache Spark 를 사용해 추상 요약 딥 러닝 모델의 데이터 전처리 과정을 개선하는 방법을 제안한다. 실험 결과 제안한 방법이 기존 방법보다 데이터 전처리 시간이 개선된 결과를 보이고 있다.

블랙 스크린은 비디오 월 컨트롤러의 멀티스크린에 정상적인 영상이 아닌 블랙 스크린이 표출되는 현상이다. 비디오 월 컨트롤러에서 블랙 스크린이 발생하는 빈도는 높지 않지만, 운용 중에 발생하게 되면 모니터링 업무를 수행할 수 없게 되므로 치명적인 오류라고 할 수 있다. 따라서 블랙 스크린을 감지하기 위한 시스템이 개발되고 있지만, 거짓 양성의 비율이 높고 블랙 스크린이 발생한 위치를 추정하지 못하는 단점이 있다. 이에 본 논문에서는 R-CNN을 이용하여 감지 성능을 향상시키고 블랙 스크린이 발생한 위치를 추정하는 모델을 제안한다.

기계학습 분야에서 모델을 학습시키려면 많은 양의 데이터가 필요하다. 최근에는 컴퓨터 비전 분야에서 데이터가 적은 환경에서 모델을 학습하는 다양한 방법들이 소개되고 있다. 하지만 대부분의 방법을 사용하기 위해서는 어느 정도 최소한의 학습 데이터가 필요하기 때문에 극심하게 데이터가 부족한 환경에서는 사용하기 어렵다. 본 논문에서는 컴퓨터 비전 분야에서 기계학습을 사용할 때 극심하게 데이터가 부족한 환경에서 시뮬레이션 도구를 활용한 인조 데이터 생성 방법을 제안한다. 실험 결과를 통해 시뮬레이션 도구를 활용하여 생성한 인조 데이터로 학습한 모델이 실제 데이터만을 학습한 모델을 대체할 수 있음을 확인하였고, F-1 점수와 정확도가 향상함을 실험적으로 확인하였다.

실제 대화에서는 다양한 화자와 청자간의 사회적 위치와 관계 등의 사회적 변인에 따라 다양한 상대높임법이 존재한다. 제안하는 상대높임법 중심의 대화시스템 아키텍처를 설명하기에 앞서 배경지식 및 관련연구로 규칙/코퍼스 기반 대화시스템을 소개하고, 상대높임법을 포함하는 공손법처리에 대한 기존 연구들의 제약사항을 논의한다. 본 연구에서는 한국어 상대높임법을 정의 및 사회적 변인 모델링하고 이를 구현하기 위한 대화시스템 아키텍처 방안을 제안한다.

회로설계 실험에서 사용되는 전자소자들은 실험이 종료된 후 다시 분류하여야 하는데, 소자가 작고 종류가 많아 분류에 많은 시간이 필요하게 된다. 본 논문에서는 이를 해결하기 위해 YOLOv7을 활용한 소자 인식 모델을 개발하여, 실험실 환경 유지를 위한 불필요한 인력 낭비를 줄이는데 도움을 주고자 한다.

POI (Point-of-Interest) 추천은 다양한 위치 기반 서비스에서 중요한 역할을 있다. 기존 연구에서는 사용자의 모바일 선호도를 모델링하기 위해 과거의 체크인의 공간-시간적 관계를 추출한다. 그러나 사용자 궤적에 숨겨진 개인 방문 경향을 반영할 수 있는 structured feature 는 잘 활용되지 않는다. 이 논문에서는 궤적 그래프를 결합한 시공간 인식 attention 네트워크를 제안한다. 개인의 선호도가 시간이 지남에 따라 변할 수 있다는 점을 고려하면 Dynamic GCN (Graph Convolution Network) 모듈은 POI 들의 공간적 상관관계를 동적으로 집계할 수 있다. LBSN (Location-Based Social Networks) 데이터 세트에서 검증된 새 모델은 기존 모델보다 약 9.0% 성능이 뛰어나다.

Recent research has shown that deep learning models are vulnerable to adversarial attacks not only in the digital but also in the physical domain. This becomes very critical for applications that have a very high safety concern, such as self-driving cars. In this study, we propose a physical adversarial attack technique for one of the common tasks in self-driving cars, namely segmentation of the urban scene. Our method can create a texture on a wall so that it can be misclassified as a road. The demonstration of the technique on a state-of-the-art cityscape pretrained model shows a fairly high success rate, which should raise awareness of more potential attacks in self-driving cars.

4차 산업 시대가 도래하며 인공지능이 비약적으로 발전함에 따라, 인공지능은 다양한 산업 분야에 도입되어 업무의 효율성을 높이고 인류 발전에 중요한 역할을 하고 있다. 그러나 사회 전반에 걸쳐 인공지능의 역할이 커질수록 인공지능의 오판단, 오작동으로 인한 문제 또한 크게 작용한다. 따라서 인공지능 모델의 판단, 행동에 대한 신뢰성을 확보하기 위해 XAI 기술의 중요성이 크게 대두되었다. 본 논문에서는 이러한 XAI 기술에 대한 동향을 조사, 분석한다.

최근 데이터 획득 위치에 가장 근접하고, 저 수준의 계산력을 제공하는 엣지 기기를 중심으로 직접 딥러닝 추론을 수행하고자 하는 요구가 증가하고 있다. 본 논문에서는 드론에서 촬영한 교통 영상 데이터를 기반으로, 다수의 차량 종류 및 보행자를 식별하는 모델을 Jetson Nano 에 탑재하여 기본 성능을 측정한다. 더불어, 자원제약형 기기 환경에서 TensorRT 와 Deepstream 을 활용하여 객체 식별 모델의 연산 경량화 및 추론 가속화 성능을 극대화하기 위한 구현 및 실험을 수행하여 Anchor-based 및 Anchor-free 객체 식별 모델의 정확도와 실시간 대응력을 평가하고 논의한다.

임상 환경에서 진료시간의 대부분은 환자의 증상을 듣고, 추가 증상을 이끌어내는데 사용된다. 이를 병력 청취라고 하며, 진료에 있어서 가장 기본적이고 필수적인 활동이다. 하지만 병력 청취에 대한 연구가 1940 년대부터 계속되고 있음에도 아직까지 표준이 정립되지 않았으며, 다양한 분야에 접목되는 딥러닝 기술 또한 병력 청취와 관련해서는 연구가 부족한 현실이다. 본 논문에서는 Symptom2Vec 을 새롭게 제안하였으며, 이를 활용하여 질병에 따른 증상의 평균 cosine 유사도 점수(0.962)로 병력 청취의 기준을 확립하였다. 또한 most similar word Top5 를 확인하는 것을 통해 환자의 증상에 따른 유사 증상을 묻는 병력 청취가 가능한 것을 확인하였다. 이를 통해 실제 임상 환경에서의 자동화된 병력 청취 시스템을 제안한다.

개체단위 감정분석(Aspect-Based Sentiment Analysis)는 자연어 처리에서 중요한 연구분야이다. 이는 입력 문장중에 존재하는 aspect term 의 감정 극성을 분석하는 것이 목적이다. 이 분야에서 현재 많이 사용되는 모델은 대부분 로컬 텍스트 또는 로컬 덱스트와 aspect term 사이의 관계에 주목하고 있다. 로켈 텍스트에 비해 글로벌 텍스트는 로컬 텍스트 뒤에 aspect term 내용을 추가해서 문장중에 있는 aspect term 내용을 더 깊게 학습할 수 있다고 생각한다. 본 논문에서는 새로운 masked attention 메커니즘을 사용하고 attention 메커니즘의 입력으로 글로벌 텍스트중에 있는 로컬 텍스트를 가로채어 전체 글로벌 텍스트의 내용과 융합한다. 이 방법은 semeval2014 데이터 셋에서 매우 좋은 결과를 얻었다.

감각대체기술은 손상된 감각 정보를 다른 감각으로 전환하여 전달하는 기술로써 기존의 시각장애인을 위한 시각 정보의 촉각 대체 기술은 주로 거리 정보나 물체의 윤곽선 정보를 전달하여 사용자가 주변 환경을 이해하는 데 어려움이 있었다. 이를 해결하기 위해 본 논문에서는 딥러닝을 사용하여 사용자 주변의 모션 정보를 분석하고, 이를 촉각 정보로 전달함으로써 사용자가 주변 상황 정보를 인지 할 수 있는 방법을 제안하였다. 제안 방법과 기존의 윤곽선 정보 전달 방법을 사용자 실험을 통하여 비교하였을 때, 제안 방법이 영상 속 물체의 움직임 정보를 이해하는 데에 더욱 효과적임을 확인하였다.

인공지능 기술이 문서 분류, 얼굴 인식, 자율 주행 등 실생활 전반에 걸쳐 다양한 분야에 적용됨에 따라, 인공지능 모델에 대한 취약점을 미리 파악하고 대비하는 기술의 중요성이 높아지고 있다. 이미지 영역에서는 입력 데이터에 작은 섭동을 추가해 신경망을 속이는 방법인 적대적 공격 연구가 활발하게 이루어졌지만, 텍스트 영역에서는 텍스트 데이터의 이산적인 특징으로 인해 연구에 어려움이 존재한다. 본 논문은 텍스트 분야 인공지능 기술에 대한 적대적 공격 기법을 분석하고 연구의 필요성을 살펴보고자 한다.

음성인식은 컴퓨터가 사람의 언어를 이해하여, 소리로 발화하는 사람의 음성을 인식하여 텍스트로 바꾸는 과정을 의미하며, 최근 활용도가 높아지고 있다. 음성인식 엔진은 얼마나 많은 학습데이터를 기반으로 훈련을 했느냐에 따라서 그 성능이 결정되기 때문에, 자신의 서비스 에 맞는 음성인식 엔진을 적절히 선택할 수 있어야 한다. 음성인식 엔진의 성능이 수시로 변경될 수 있기 때문에 표준 인터페이스를 빠른 개발을 진행할 수 있도록 표준 포맷을 제안하였다.

화재 상황에서의 빠른 현장 파악은 인명피해를 줄이는데 중요한 요소이다. 기존 연구의 화재와 관련된 데이터셋들은 대부분 불과 연기를 라벨링하여 화재의 예방에 초점을 두고 있다. 본 연구에서는 화재 상황에서 사람과 소방관, 연기, 불을 탐지하는 Object detection 모델을 만들어 현장 파악에 더욱 도움을 주고자 하였다. 이를 위해 화재 상황 이미지 약 3000장을 수집하고 라벨링하여 데이터셋을 구성하였으며 이를 이용해 객체 검출 모델인 RetinaNet을 학습하였다. 또한, 화재 상황에서 Object Detection 모델의 성능을 향상시키기 위해 기존 모델인 RetinaNet에 Dehazing(FFA-Net), Smoke augmentation, semi-supervised(ISD) 방법을 적용하였고, semi-supervised 조건에서 mAP 63.7로 가장 높은 성능을 도출하였다.

하지 웨어러블 로봇의 근력 보조 성능을 극대화하기 위해서는 착용자의 보행 상태를 인식하는 보행 위상 추정 기술이 필수적으로 요구된다. 본 논문에서는 착용자의 보행 속도 변화 및 착용자 간 보행 특성 차이에도 강인하게 보행 위상을 추정할 수 있는 LSTM 기반 보행 위상 강건 인식 기술을 개발하였다. 웨어러블 고관절 보조 로봇을 착용한 총 5명의 트레드밀 및 실외 overground의 보행 센서 정보를 바탕으로 학습을 수행하였다. 저속 및 고속 보행을 포함한 다양한 보행 속도에서 정밀한 보행 위상 추정이 가능한 웨어러블 센서 조합을 도출하였고, 보행 위상 인식 정밀성은 5-Fold Cross Validation 기준 RMSE 약 1.68% 수준의 결과를 얻을 수 있었다.

우리는 전이 학습을 이용하여 원하는 특정 패션 스타일 분류기를 학습하였다. 패션 스타일 검색 결과물을 온라인 쇼핑몰과 연결하는 웹 서비스를 사용자에게 제공한다. 패션 스타일 분류기는 구글에서 이미지 검색을 통해 수집된 데이터를 이용하여 ResNet34[1]에 전이 학습하였다. 학습된 분류 모델을 이용하여 사용자 이미지로부터 패션 스타일을 17가지 클래스로 분류하였고 F1 스코어는 평균 65.5%를 얻었다. 패션 스타일 분류 결과를 네이버 쇼핑몰과 연결하여 사용자가 원하는 패션 상품을 구매할 수 있는 서비스를 제공한다.

보행 보조 로봇의 효과적인 보조를 위해서는 사용자의 보행 유형을 인식하는 것이 중요하다. 본 논문에서는 end-to-end 분류 네트워크 기반 보행 환경 인식 방법을 사용하여 사용자의 보행 유형을 강인하게 추정한다. 실외 보행 환경을 오르막길, 평지, 내리막길 3 가지로 분류하는 딥러닝 모델을 학습시켰으며, 엣지 디바이스에서 이를 사용하기 위해 네트워크 경량화를 진행하였다. 경량화 후 추론 속도는 약 47FPS 수준으로 실시간으로 보행 보조 로봇에 적용 가능한 것을 검증했으며, 정확도 측면에서도 97% 이상의 성능을 얻을 수 있었다.

최근 데이트 폭력 신고 건수가 급격히 증가하며 사회적 문제로 대두되고 있다. 폭력을 당하는 순간 당황하여 확실한 증거 확보가 어렵다는 점에서 착안하여 상대방이 폭력을 가하는 순간 폭력 행동을 인식하여 해당 장면을 캡처 후 저장해 증거물의 역할을 할 수 있는 시스템을 구축하였다. 시스템 구축을 위해 동작 인식 모델을 생성하였는데 데이터 수집, 가공 후 여러 모델을 비교해 가장 정확도가 높은 모델을 시스템에 적용하였다.

2017년 가치가 급상승하며 전 세계적으로 큰 이슈를 끈 비트코인은 최근 많은 사람들의 재태크 수단으로 이용되고 있다. 그러나 비트코인은 비슷한 재태크 수단인 주식과 다르게 24시간 내내 거래되고, 기사 하나하나에 의해 가격변동의 폭이 굉장히 크다. 이는 가격이 급변하는 비트코인 시장에서 가격을 예측하는데 어렵게 작용한다. 본 논문에서는 직접적인 가격 예측은 어렵다고 판단해 비트코인 가격변동에 영향을 주는 요소들을 딥러닝 모델을 통해 일일 단위 종가 가격의 등락을 예측해 위의 요소들이 비트코인 가격변동과 상관관계를 가지는지 확인한다.

인공지능 기술이 발전함에 따라 경찰의 범죄수사 분야에서도 인공지능 기술을 적용하고자 하는 연구가 활발하다. 범죄수사의 결과물인 수사결과 보고서 작성에 있어 판결문은 중요한 데이터가 될 수 있다. 그러나 판결문은 공개된 데이터의 이미지화로 인해 정형화된 데이터의 확보가 까다롭고, 소수의 법조계 전문가가 아닌 일반인이 생성해내기 어려워 데이터 확보가 쉽지 않은 현실이다. 이에 본 연구에서는 생성적 사전학습 언어모델을 이용한 판결문 문장 데이터 생성을 제안하였다. 카카오의 KoGPT를 활용하여 실제 판결문장 일부를 제시한 결과 판결문과 유사한 형태의 문장을 생성한 것을 확인하였다. 향후 판결문 데이터를 활용하기 위한 인공지능 기술 기반 범죄수사 연구에 있어, 생성된 판결문 데이터를 활용할 수 있을 것으로 기대된다.

별개의 분류 모델을 이용하여 비윤리 발화를 억제하려 했던 과거의 시도들과는 달리, 본 연구에서는 데이터 추가를 통한 발화 생성 단계에서의 윤리성 체화에 대해 실험하였다. 본 연구에서는 분류 모델로는 감지하기 어려운 멀티턴 비윤리 공격으로 이루어진 새로운 대화 데이터 세트를 소개하고, 해당 데이터 세트를 통해 개선된 챗봇 대화 모델의 방어 성능을 공개한다.

암호화 프로그램에서 난수생성기는 널리 사용되며 중요한 역할을 하므로 공격의 대상이 되기 쉽고, 따라서 높은 난수성을 확보해야 한다. 최근에는 인공 신경망 기술이 발달함에 따라 난수생성기에 딥러닝 기술을 적용하는 연구들이 다수 진행되었으며, 본 논문에서는 이러한 연구 동향에 대해 알아본다. 크게 난수를 생성하는 연구와 다음에 올 수를 예측하는 예측 공격으로 나뉜다. 공통적으로는 학습해야 할 대상인 난수가 시계열 데이터이므로 대부분의 연구들이 RNN, CNN-1D 신경망을 사용한다. 난수 생성을 위해서는 분류형 신경망이 아닌, 생성형 신경망과 강화학습을 주로 사용하였다. 대부분의 연구들이 NIST SP-800 테스트를 시행하였을 때 높은 난수성을 확보할 수 있었다. 이외에도 최근 양자 컴퓨터가 개발됨에 따라 양자 하드웨어로부터의 양자 난수 생성기에 대한 예측 공격에 관한 연구도 있다. 딥러닝 기반의 난수 생성기에 대해서, 향후에는 기존의 난수생성기보다 빠른 생성 속도를 달성할 수 있는 경량 구현에 대한 연구와 그에 대한 비교 및 평가가 있어야 할 것으로 생각된다.

최근 기술의 발전에 따라 다양한 IT 장비에서 사용자 인증을 위해 다양한 방식의 생체인증을 사용하고 있다. 일반적인 비밀번호를 통한 인증은 비밀번호와 입력 데이터가 완전히 동일해야만 인증을 통과하는 반면, 생체인증의 경우 인증을 위해 등록되어있는 데이터와 입력 데이터가 얼마나 유사한지를 통해 인증이 이루어져 데이터가 비슷하다면 인증이 통과되는 방식이라는 문제점이 있다. 본 논문에서는 인증 시간, 위치, 방식 등과 같은 사용자의 인증 패턴을 분석하여 점수를 책정하고 현재 인증자가 기존의 인증자와 동일한지에 대한 질문을 기존의 생체인증 방식에 더하는 방식을 제안한다.

인터넷 시대에 소셜 미디어는 사람들의 삶에 완전히 침투했다. 많은 사용자 기반을 보유한 성숙한 온라인 플랫폼 중 하나인 Twitter를 통해 사용자는 최신 뉴스, 삶의 경험 및 흥미로운 삶의 이야기를 독립적으로 게시할 수 있다. 하지만 때론 부정적인 뉘앙스를 풍기며 기업이나 개인의 브랜드에 영향을 미치며 이익을 훼손하는 경우가 있기 때문에 욕설을 식별해 트위터 발신을 차단할 필요가 있다. 이 기사의 가장 큰 혁신은 Twitter 데이터를 사용하여 다양한 방법을 동시에 비교한다는 것입니다. 더 많은 데이터를 처리할수록 딥 러닝을 시도하면 좋은 결과를 얻을 수 있다. Transformer 분류기를 통합하여 최상의 결과를 얻었다

개인 정보 보호가 중요시되는 초연결사회에서는 정보와 사용자를 연결하는 매개체는 적법하지 않은 사용자를 판별할 수 있어야 한다. 본 연구는 그 매개체를 스마트폰으로 삼고 인간의 걸음걸이에 기반한 스마트폰 인증 시스템을 제안한다. 인간의 걸음걸이를 딥러닝 모델 중 하나인 CNN으로 학습시킨 후, 스마트폰에 탑재하여 사용자가 스마트폰을 휴대한 상태로 7초간 걸음으로써 적법한 사용자인지 아닌지의 여부를 판별한다. 본 연구에서 제안한 모델의 평가 지표로는 정확도, 정밀도, 재현율, F1-score를 사용했으며, 그 결과, 위 4개의 평가지표 모두 평균 95% 이상의 결과를 얻었다.

의료영상기반의 인공지능 연구는 질환의 조기진단 및 예측 분야에 눈부신 기술발전이 되어왔다. 장기 섬유증은 만성 염증성 질환의 질병 진행을 특징짓고 전 세계적으로 모든 원인으로 인한 사망률의 45%에 기여하며, 그중 간 섬유증은 주로 삶의 질과 예후를 결정한다. 해당 질환은 임상 현장에서 혈액데이터 분석 그리고 간생검을 통해 진단을 하고 있으나 최근 의료영상 분석을 통해 진단에 활용하고 있는 추세이다. 본 논문에서는 인공지능을 기반으로 하여, 간 섬유화를 진단하기 위해 MRI영상을 학습하여 질환에 대한 중증도 진단을 돕는 인공지능 모델을 제시하고자 한다. 이를 위해 인공지능 모델을 개발하는 과정과 그 결과를 보인다. 본 논문에서 제시한 모델을 통해 간 섬유화를 빠르게 진단할 수 있을 것으로 기대한다.

Mobile phones have become an essential item nowadays since it provides access to online platform and service fast and easy. Coming to these platforms such as Social Network Service (SNS) for shopping have been a go-to option for many people. However, searching for a specific fashion item in the picture is challenging, where users need to try multiple searches by combining appropriate search keywords. To tackle this problem, we propose a system that could provide immediate access to websites related to fashion items. In the framework, we also propose a deep learning model for an automatic analysis of image contexts using instance segmentation. We use transfer learning by utilizing Deep fashion 2 to maximize our model accuracy. After segmenting all the fashion item objects in the image, the related search information is retrieved when the object is clicked. Furthermore, we successfully deploy our system so that it could be assessable using any web browser. We prove that deep learning could be a promising tool not only for scientific purpose but also applicable to commercial shopping.

본 논문은 강화학습 POMDP(Partially Observable Markov Decision Process) 알고리즘을 사용하여 자갈밭과 같은 비평탄 지형을 극복하는 4족 보행 지능로봇을 설계하고 딥러닝 기법을 사용하여 사람을 검출한다. 로봇의 임베디드 환경에서 1단계 검출 알고리즘인 YOLO-v7과 SSD의 기본 모델, 경량 또는 네트워크 교체 모델의 성능을 비교하고 선정된 SSD MobileNet-v2의 검출 속도를 개선하기 위해 TensorRT를 사용하여 최적화를 진행하였다

손톱 하부 모세혈관(Nailfold Capillary)의 형태와 분포 특징으로부터 다양한 질병을 밝혀내려는 시도가 꾸준히 있어 왔다. 손톱 하부 모세혈관은 그의 대표적인 형태 특징을 따라 몇 가지로 분류할 수 있고, 이 분포와 질병과의 상관관계가 밝혀진 종래 연구들도 다수 존재한다. 현재는 진단하는 과정을 의료 전문가가 직접 촬영된 모세혈관 사진을 보고 주관적인 평가를 하게 되는데, 이러한 분석 방법은 많은 시간과 휴먼 에러가 발생한다는 문제점이 있다. 이를 자동화하기 위하여 본 논문은 손톱 하부 모세혈관의 모세혈관들을 YOLO 객체 인식 모델을 활용하여 모세혈관을 탐지하고 모세혈관의 종류에 따라 분류하는 방법을 제안하고, 그 유효성을 검증하였다.

텍스트를 기반으로 하는 패스워드는 다방면에서 가장 많이 사용되고 있는 인증 수단이다. 하지만 이러한 패스워드는 사용자의 기억에 의존하기 때문에 사람들은 일반적으로 기억하기 쉽게 '!iloveY0u'와 같은 암호를 사용한다. 이로 인해 사용자들의 패스워드 간에 규칙성이 생기게 되어 HashCat과 같은 크래킹 도구에 의해 해킹될 수 있다. 딥러닝을 통한 패스워드 예측의 경우, 일반적인 패스워드 크래킹 도구와 달리 패스워드 구조 및 속성에 대한 사전 지식 및 전문적 지식 없이도 패턴을 추출하고 학습할 수 있어 활발히 연구되고 있다. 본 논문에서는 딥러닝 모델 중에서도 순환 신경망을 사용하여 텍스트 기반의 패스워드를 예측하는 연구의 동향에 대해 알아본다.

최근 강화 학습을 적용한 게임 AI 에 대한 연구가 활발히 진행되고 있다. 하지만 대부분 상용게임은 유한 상태 머신(Finite State Machine, FSM)을 이용한 스크립트 기반 AI 를 사용하기 때문에 복잡한 환경의 게임에서 불안정한 상태로 인해 적절한 강화 학습의 수행이 어렵다. 따라서 본 논문에서는 상용 게임 강화 학습 적용을 위하여 상태 정규화 및 Dense 보상 기반 강화 학습 기법을 제안한다. 제안한 기법을 상용 농구 게임에 적용하고 학습된 모델의 성능을 기존 FSM 기반 AI 와 비교를 통해 성능이 약 80% 증가한 결과를 확인하였다.

This paper studies human activity image classification using deep transfer learning techniques focused on the inception convolutional neural networks (InceptionV3) model. For this, we used UFC-101 public datasets containing a group of students' behaviors in mathematics classrooms at a school in Thailand. The video dataset contains Play Sitar, Tai Chi, Walking with Dog, and Student Study (our dataset) classes. The experiment was conducted in three phases. First, it extracts an image frame from the video, and a tag is labeled on the frame. Second, it loads the dataset into the inception V3 with transfer learning for image classification of four classes. Lastly, we evaluate the model's accuracy using precision, recall, F1-Score, and confusion matrix. The outcomes of the classifications for the public and our dataset are 1) Play Sitar (precision = 1.0, recall = 1.0, F1 = 1.0), 2), Tai Chi (precision = 1.0, recall = 1.0, F1 = 1.0), 3) Walking with Dog (precision = 1.0, recall = 1.0, F1 = 1.0), and 4) Student Study (precision = 1.0, recall = 1.0, F1 = 1.0), respectively. The results show that the overall accuracy of the classification rate is 100% which states the model is more powerful for learning UCF-101 and our dataset with higher accuracy.

With the advent of the era of artificial intelligence, more and more fields have begun to use artificial intelligence technology, especially the medical field. Cancer is one of the biggest problems in the medical field. [1] If it can be detected early and treated early, the possibility of cure will be greatly increased. Malignant skin cancer, as one of the types of cancer with the highest fatality rate in recent years has problems such as relying on the experience of doctors and being unable to be detected and detected in time. Therefore, if artificial intelligence technology can be used to help doctors in early detection of skin cancer, or to allow everyone to detect skin lesions or spots anytime, anywhere, it will have great practical significance. In this paper we used attention residual learning convolutional neural network (ARL-CNN) model [2] to classify skin cancer pictures.

대체 불가능한 토큰을 의미하는 NFT 는 블록 체인 기반 기술 중 하나로 소유권과 거래 이력이 블록 체인에 기록이 된다는 장점을 지녀 미술 작품 거래에도 활발히 활용되고 있다. 하지만 현재 NFT 작품 거래 시장은 주식거래와 같이 회전율과 거래량을 중점으로 투기성이 짙으며, 작품의 섬네일 이미지만으로 거래 의사를 판단하는 경우가 많다는 문제점이 대두되고 있다. 따라서 작품의 다양한 특성에 대한 고려가 함께 이루어질 필요가 있다. 본 논문은 작품의 다양한 변수를 수집하여 최적의 변수 조합을 찾아내고, 이미지 전이 학습과 생성 알고리즘을 활용해 다양한 변수가 가격에 미치는 영향을 알아보고자 했다. 연구 결과 이미지 만을 활용한 가격 예측은 정확도가 높지 않다는 사실을 확인하였고 작품이 가진 여러 특성을 변수로 한 정형 데이터의 가격 예측 정확도가 더 높은 것을 알 수 있었다. 또한 생성 알고리즘을 통해 새로운 특성 조합의 작품들을 만들었고 가격을 수치 예측해보았다. 이를 실제 작가의 작품의 가격과 가격의 변동 추이를 대조해 작가의 작품 판매 가격 평균치 이상인 작품의 특성을 확인할 수 있었다.

농축산업계는 현재 고효율의 자동화 시스템을 구축하기 위해 많은 연구들이 진행되고 있다. 가축들에 대한 실시간 건강 관리 시스템 구현을 위해 딥러닝, 인공지능 기술들을 활용한 스마트 축사개발에 박차를 가하고 있다. 가축들의 건강은 수익과 직결되는 것은 물론, 사람의 건강까지 위협할 수 있기 때문에 철저한 관리가 필요한 실정이나 여러 기술적 어려움에 부딪히고 있다. 본 연구소는 이를 해결하기 위해 다양한 변수들을 설정, 수집하여 가축들의 건강을 관측하는 기술을 개발하고 있다. 이 논문에서는 악조건에서 수집된 데이터로 우리 내 돼지를 Tracking 한 실험 결과를 소개하고자 한다.

최근 사법분야에 지능형 법률 서비스를 제공하게 되면서 학습데이터로서 판결문의 중요성이 높아지고 있다. 그중 범죄사실은 수사자료와 유사하여 범죄수사에 귀중한 자료역할을 하고 있지만, 주체가 생략되거나 긴 문장의 형태로 인해 구성요건을 추출하고 사건의 인과관계 파악이 어려울 수 있어 이를 분석하는데 적지 않은 시간과 인력이 소비될 수밖에 없다. 따라서, 본 논문에서는 사전학습모델을 활용한 개체명 인식과 형태소 분석기반 이벤트 추출기법을 범죄사건 재구성에 적용하여 핵심 사건추출을 간편화하고 시각적으로 표현해 전체적인 사건 흐름 이해도를 향상할 수 있는 방법론을 제안하고자 한다.

The development of livestock faces intensive farming results in a rising need for recognition of individual animals such as cows and pigs is related to high traceability. In this paper, we present a non-invasive biometrics systematic approach based on the deep-learning classification model to pig face identification. Firstly, in our systematic method, we build a ROS data collection system block to collect 10 pig face data images. Secondly, we proposed a preprocessing block in that we utilize the SSIM method to filter some images of collected images that have high similarity. Thirdly, we employ the improved image classification model of CNN (ViT), which uses the finetuning and pretraining technique to recognize the individual pig face. Finally, our proposed method achieves the accuracy about 98.66%.

COVID-19 상황이 지속됨에 따라 플라스틱 쓰레기 배출량은 해마다 기하급수적으로 증가하고 있는 반면 플라스틱 폐기물의 재활용률은 현저히 낮은 편에 속한다. 이러한 문제점들을 해결하기 위해 국가적으로 여러 플라스틱 폐기물 중 순환 가능한 PET를 분리하여 수거하고자 하는 노력을 하고 있다. 하지만, 현재 대량의 플라스틱 폐기물은 수거되는 시점부터 여러 폐기물과 혼합된 형태로 재활용 센터에 수거되어 추가 분류하는 인적자원이 요구되는 문제점이 존재한다. 따라서 본 논문에서는 이러한 한계점들을 해결하기 위해 AI 기술 중 하나인 Multi-Object Detection의 YOLOv7 모델을 적용하여 실시간으로 PET에 부착된 객체들을 탐지함으로써 순환 가능한 PET만을 분류하는 YOLOv7 기반 순환 가능한 PET 분류시스템을 설계 및 구현한다.

공공 안전을 위한 영상 감시 시스템이 증가함에 따라 CCTV 관제사가 관제해야 할 영상의 수가 증가하고 있다. 점점 증가하는 관제 영상 수로 인해 CCTV 관제사는 수많은 영상 사이에서 발생하는 살인, 강도, 폭력 등 위급한 이상 상황을 놓치는 문제가 발생할 수 있다. 이러한 문제를 해결하기 위해 최근에는 영상에서 발생하는 이상 상황을 자동으로 탐지하고 CCTV 관제사에게 알려 관제 효율을 향상시키는 연구가 진행되고 있다. 본 논문은 영상에서 발생하는 이상 상황을 자동으로 탐지하기 위해 예측 기반 이상 탐지 방법에 다중 프레임 예측 에러를 활용해서 영상 이상 탐지 정확도를 향상시키는 방법을 제안한다. 결과적으로 제안한 방법을 사용함으로써 프레임 레벨 AUC가 Ped2 데이터 셋에서 92.70%에서 94.56%, Avenue 데이터셋에서 87.37%에서 89.17%로 상승하였다.

초해상이란 해상도가 낮은 영상을 해상도가 높은 영상으로 합성하는 기술이다. 딥러닝은 영상의 해상도를 높이는 초해상 기술에도 응용되며 실현은 2아4년에 발표된 SRCNN(Super Resolution Convolutional Neural Network) 모델로부터 시작됐다. 이후 오토인코더 (Autoencoders) 구조로는 SRCAE(Super Resolution Convolutional Autoencoders), 합성된 영상을 실제 영상과 통계적으로 구분되지 않도록 강제하는 GAN (Generative Adversarial Networks) 구조로는 SRGAN(Super Resolution Generative Adversarial Networks) 모델이 발표됐다. 모두 SRCNN의 성능을 웃도는 모델들이나 그중 가장 높은 성능을 끌어내는 SRGAN 조차 아직 완벽한 성능을 내진 못한다. 본 논문에서는 SRGAN의 성능을 개선하기 위해 사전 훈련된 특징 추출기(Pre-trained Feature Extractor) VGG(Visual Geometry Group)-19 모델을 변경하고, 기존 모델과 성능을 비교한다. 실험 결과, VGG-19 모델보다 윤곽이 뚜렷하고, 실제 영상과 더 가까운 영상을 합성할 수 있는 모델을 발견할 수 있을 것으로 기대된다.

최근 인공지능 기술의 발달에 따라 여러 분야에 인공지능 기술이 활발히 응용되고 있다. 그중 안전 관리 분야에서 사람 인식을 통한 안전 관리 시스템의 지속적인 개발이 요구되고 있다. 그러나 실내 한정된 공간에서 사람들의 밀집도가 높은 경우 오브젝트의 중복도가 높아져 인식 성능이 낮아질 수 있다. 이를 해결하기 위해 본 논문은 사람의 밀집도가 높은 실내 환경에서 기존 객체 인식 기법의 성능을 분석하였다. 그리고 이러한 제한적인 환경에서 최적의 좋은 성능을 보일 수 있는 SSDLite와 MobileNetV2 모델을 기반으로 soft-NMS 기법을 적용하여 성능을 분석하였다.

농업은 우리의 삶에서 빼놓을 수 없는 중요한 분야이며, 농업은 토지를 이용하여 다양한 작물들을 길러 음식을 만드는 기본이라고 말할 수 있다. 이렇게 중요한 농업 분야를 ICT 분야에서 가장 이슈가 되는 기술인 인공지능 기술과 결합하여 스마트팜과 같은 농업의 디지털화를 구축할 수 있다. 이와 같은 스마트팜 구축을 위해서는 기본적으로 다양한 작물의 빅데이터를 제공하고, 이 데이터를 바탕으로 인공지능을 수행하여 다양한 결과를 제공할 수 있다. 하지만 인공지능 연구를 수행하기 위한 시스템 및 플랫폼의 부재라는 문제점이 존재한다. 이러한 문제점을 해결하기 위해 농업 빅데이터 관리 및 인공지능 연구 플랫폼 개발을 위한 과제를 통해 농업 빅데이터를 관리하고 인공지능을 연구자들이 손쉽게 수행할 수 있는 플랫폼을 개발하여 농업 분야의 작물 생산성 향상에 기여하고자 한다.

컴퓨터 비전 분야에서 오랫동안 사용되었던 CNN(Convolution Neural Network)은 오분류를 일으키기 위해 악의적으로 추가된 섭동에 매우 취약하다. ViT(Vision Transformer)는 입력 이미지의 전체적인 특징을 탐색하는 어텐션 구조를 적용함으로 CNN의 국소적 특징 탐색보다 특성 픽셀에 섭동을 추가하는 적대적 공격에 강건한 특성을 보이지만 최근 어텐션 구조에 대한 강건성 분석과 다양한 공격 기법의 발달로 보안 취약성 문제가 제기되고 있다. 본 논문은 ViT가 CNN 대비 강건성을 가지는 구조적인 특징을 분석하는 연구와 어텐션 구조에 대한 최신 공격기법을 소개함으로 향후 등장할 ViT 파생 모델의 강건성을 유지하기 위해 중점적으로 다루어야 할 부분이 무엇인지 소개한다.

본 연구는 범죄를 발생시키는데 관련된 여러가지 요인들을 기반으로 범죄 예측 모델을 생성하고 설명 가능 인공지능 기술을 적용하여 인천 광역시를 대상으로 범죄 발생에 영향을 미치는 요인들을 분석하였다. 범죄 예측 모델 생성을 위해 XG Boost 알고리즘을 적용하였으며, 설명 가능 인공지능 기술로는 Shapley Additive exPlanations (SHAP)을 사용하였다. 기존 관련 사례들을 참고하여 범죄 예측에 사용된 변수를 선정하였고 변수에 대한 데이터는 공공 데이터를 수집하였다. 실험 결과 성매매단속 현황과 청소년 실종 가출 신고 현황이 범죄 발생에 큰 영향을 미치는 주요 요인으로 나타났다. 제안하는 모델은 범죄 발생 지역, 요인들을 미리 예측하여 제시함으로써 범죄 예방에 사용되는 인력자원, 물적자원 등을 용이하게 쓸 수 있도록 활용할 수 있다.

뉴럴 네트워크는 학습에 사용하는 파라미터를 문제에 맞게 최적화하여 일반화 성능을 향상시키는 것이 목적이다. 선행 연구들은 다차원의 로스 랜드스케이프(loss landscape)를 시각화하는 방법을 탐구하며, 모델의 일반화 측면에서 어떤 영향을 주는지 탐구한다. 하지만 아직까지 로스 랜드스케이프가 근본적으로 일반화 성능에 어떠한 영향을 주는지 잘 알려져 있지 않으며, 평평하거나 경사진 로스 랜드스케이프 중 어떤 형태가 일반화 성능에 더 효과적인지 여러 의견이 나뉜다. 따라서 우리는 로스 랜드스케이프가 일반화 성능과 연관 있음을 실험을 통해 파악한다. 나아가 비전문제에서 MSA(multi-head self-attention) 레이어를 기반으로 구성된 트랜스포머 구조를 사용해 작은 유도 편향(inductive bias)을 가지며 소규모 데이터 셋 체제에서의 단점을 보완한다. 결론적으로 평평한 로스 랜드스케이프가 일반화 성능에 긍정적인 영향을 끼친다는 것을 관찰한다.

의료 인공지능은 특정 진단에서 높은 정확도를 보이지만 모델의 신뢰성 문제로 인해 활발하게 쓰이지 못하고 있다. 이에 따라 인공지능 모델의 진단에 대한 원인 설명의 필요성이 대두되었고 설명가능한 의료 인공지능에 관한 연구가 활발히 진행되고 있다. 하지만 MRI 등 의료 영상 인공지능 분야에서 주로 진행되고 있으며, 이미지 형태가 아닌 전자의무기록 데이터 (Electronic Health Record, EHR) 를 기반으로 한 모델의 설명가능성 연구는 EHR 데이터 자체의 복잡성 때문에 활발하게 진행 되지 않고 있다. 본 논문에서는 전자의무기록 데이터인 MIMIC-III (Medical Information Mart for Intensive Care) 를 전처리 및 그래프로 표현하고, GCT (Graph Convolutional Transformer) 모델을 학습시켰다. 학습 후, 어텐션 흐름 그래프를 시각화해서 모델의 예측에 대한 직관적인 설명을 제공한다.

CCTV 시스템은 다양한 목적으로 매우 많은 곳에서 유용하게 활용되고 있으나, 해킹 또는 기타의 이유로 사생활 침해에 대한 우려가 커지고 있다. 본 논문에서는 영상의 입수 시점에서부터 사생활침해가 발생할 수 있는 영상 정보를 제거하고, 대신 인공지능 기술을 활용하여 이를 대체할 수 있는 인물의 스켈레톤 정보를 추가로 제공함으로써 사생활 정보를 침해하지 않으면서도 상황을 충분히 인식할 수 있는 CCTV 용 카메라 시스템을 여러 인공지능 알고리즘을 비교하여 설계하였다. 또한 카메라 및 인공지능 기술을 쉽게 사용할 수 있으면서도 주변에서 쉽게 구할 수 있는 안드로이드 스마트폰을 이용하여 설계를 실제 구현한 후 영상의 각 해상도별 초당 처리 성능 및 스켈레톤 인식률 등의 성능을 평가하여 실제로 제품구현 및 제품화 시 중점을 두어야할 주요 개선점 및 향후 연구과제를 도출하였다.

실외 자율주행 청소 로봇을 위한 인공지능기반 자율주행 시스템을 개발하였다. 개발된 시스템은 ROS(Robot Operationg System) 기반으로 이루어졌으며, 3D 라이다와, 초음파 센서를 활용하여 주변의 장애물을 감지하고 GPS와 영상을 활용하여 로봇의 위치 인식을 하여 자율 주행을 진행하였다. 자율주행 실험결과 영상과 RTK-GPS를 사용하여 정해진 경로를 ±20cm이내의 오차를 가지고 추종하면서 청소를 진행하였다.

기후 위기가 대두되며 탄소중립에 많은 관심이 쏟아지고 있다. 탄소중립을 실천하기 위한 여러 가지 방법 중 도시의 수목을 관리하는 것은 탄소배출 저감, 대기질 개선 등의 환경적인 긍정적 효과를 얻을 수 있다. 수종별 온실가스 흡수량과 흡수 계수에는 차이가 있지만 도시 나무 캐노피를 증가시키면 온실가스 흡수량도 증가한다. 본 논문은 탄소정보공개 프로젝트(CDP)에서 제공하는 데이터를 기반으로 도시의 녹지 지대를 구글 지도(Google Map) 위성사진을 통해 찾아내고 지니 계수(Gini Coefficient)를 통해 도심 녹지 균형을 비교하였다. 향후 도시 수목과 녹지 데이터를 축적해 기초자료가 쌓이면 도시환경의 지표로 활용될 수 있을 것으로 기대된다.

본 논문에서는 미생 드라마 비디오들을 토대로 구축한 비디오 인물 개체 분할 데이터 집합인 MHIS를 소개하고, 등장인물 클래스 간의 심각한 데이터 불균형 문제를 효과적으로 해결하기 위한 새로운 비디오 데이터 보강 기법인 CDVA를 제안한다. 기존의 비디오 데이터 보강 기법들과는 달리, 새로운 CDVA 보강 기법은 비디오의 시공간적 맥락을 충분히 고려해서 부족한 인물 클래스의 훈련 비디오 데이터들을 추가 생성함으로써, 비디오 개체 분할 신경망 모델의 성능을 효과적으로 개선시킬 수 있다. 본 논문에서는 정량 및 정성 실험들을 통해, 제안 비디오 데이터 보강 기법의 우수성을 입증한다.

AI 가속기는 머신 러닝 및 딥 러닝을 포함한 인공 지능 및 기계 학습 응용 프로그램의 연산을 더 빠르게 수행하도록 설계된 일종의 하드웨어 가속기 또는 컴퓨터 시스템이다. 가속기를 설계하기 위해선 설계 영역 탐색(Design Space Exploration)을 하여야 하고 여러 인공지능 중에서도 합성 곱 신경망(CNN)에 대한 설계 영역 탐색을 소개한다.

본 논문에서는 정확한 장기 시계열 예측을 위해 시계열 데이터의 다양한 스케일 (시간 규모)에서 표현을 학습하는 트랜스포머 모델을 제안한다. 제안하는 모델은 시계열의 다중 스케일 특징을 추출하고, 이를 트랜스포머에 반영하여 예측 시계열을 생성하는 구조로 되어 있다. 스케일 정규화 과정을 통해 시계열의 전역적 및 지역적인 시간 정보를 효율적으로 융합하여 종속성을 학습한다. 3 가지의 다변량 시계열 데이터를 이용한 실험을 통해 제안하는 방법의 우수성을 보인다.

In recent years, retinal disorders have become a serious health concern. Retinal disorders develop slowly and without obvious signs. To avoid vision deterioration, early detection and treatment are critical. Optical coherence tomography (OCT) is a non-invasive and non-contact medical imaging technique used to acquire informative and high-resolution image of retinal area and underlying layers. Disease signs are difficult to detect because OCT images have many areas which are not related to any disease. In this paper, we present a deep learning-based method to perform multi-label classification on a long-tailed OCT dataset. Our method first extracts the region of interest and then performs the classification task. We achieve 98% accuracy, 92% sensitivity, and 99% specificity on our private OCT dataset. Using the heatmap generated from trained convolutional neural network, our method is more robust and explainable than previous approaches because it focuses on areas that contain disease signs.

언어학적 다양성을 가지는 고품질의 한국어 패러프레이즈 생성을 위해 패러프레이즈의 생성을 제어할 수 있는 제약이 필요하다. 원문을 패러프레이즈로 변경하기 위한 생성용 제약으로 6 개의 제약을 제시한다: 키워드 치환, 키워드 확장, 품사 변경, 패턴 변경, 구조 변경, 키워드 리스트, 생성 길이. 원문으로부터 패러프레이즈를 생성할 때 제약이 적용되는 정도를 시물레이션해 보았다. 10 어절 이하의 원문은 평균 2.05 번의 제약이 적용되면 패러프레이즈가 생성되었으며 키워드 치환, 마스킹에 의한 키워드 확장과 패턴 변경에 관한 제약이 가장 많이 적용되는 것을 확인하였다.

최근 소비경제의 폭발적 성장과 더불어 쓰레기로 인해 우리 생활 주변은 물론 해양까지 환경오염이 점점 심각해지고 있다. 그에 따른 재활용 시스템의 필요성이 높아지고 있으며, 지속 가능한 발전을 위해 세계적으로 환경을 위한 연구가 진행되고 있다. 본 논문에서는 딥러닝 기반의 AI 기술을 적극적으로 활용하여 분리수거가 아닌, 페트병을 재활용하는 과정을 집중적으로 개선한다. 이를 통하여, 페트병이 원인인 환경오염을 해결할 뿐만 아니라 고급 재활용 원료를 생산할 수 있게 하여 경제적인 효과도 얻을 수 있는 시스템을 제안한다.

최근 사물인터넷(IoT) 기기가 활성화됨에 따라 웨어러블 장치 환경에서 장기간 모니터링 및 수집이 가능해짐에 따라 생체 신호 처리 및 ECG 분석 연구가 활성화되고 있다. 그러나, ECG 데이터는 부정맥 비트의 불규칙적인 발생으로 인한 클래스 불균형 문제와 근육의 떨림 및 신호의 미약등과 같은 잡음으로 인해 낮은 신호 품질이 발생할 수 있으며 훈련용 공개데이터 세트가 작다는 특징을 갖는다. 이 논문에서는 ECG 1D 신호를 2D 스펙트로그램 이미지로 변환하여 잡음의 영향을 최소화하고 전이학습과 메타학습의 장점을 결합하여 클래스 불균형 문제와 소수의 데이터에서도 빠른 학습이 가능하다는 특징을 갖는다. 따라서, 이 논문에서는 ECG 스펙트럼 이미지를 사용하여 2D-CNN 메타-전이 학습 기반 부정맥 분류 기법을 제안한다.

다양한 양념과 조리법을 활용한 식품의 수는 시간이 지날수록 증가하는 추세이다. 따라서 처음 접하는 식품의 알레르기를 판단하는 연구가 필요하다. 우리는 이미지만으로 알레르기 유발 성분을 판단하는 시스템을 제안한다. 알레르기 성분으로 라벨링한 식품 이미지에 VGGNet 알고리즘을 적용하여 실험을 진행하고 제안된 시스템의 유용성을 판단하였다.

Diabetic retinopathy (DR) is one of the leading diseases causing vision loss. Early detection of this disease has a crucial role in protecting patients' eyes. Recent works have achieved impressive result when performing DR detection on fundus images using deep learning. In the deep learning-based approach, data augmentation has significant impact on the result. Recently, many data augmentation policies have been proposed and achieved state-of-the-art performance on different tasks. In this work, we compare effects of three data augmentation policies on DR grading in fundus images.

인공지능 시대에 들어서면서 개인 맞춤형 환경을 제공하기 위하여 사람의 감정을 인식하고 교감하는 기술이 많이 발전되고 있다. 사람의 감정을 인식하는 방법으로는 얼굴, 음성, 신체 동작, 생체 신호 등이 있지만 이 중 가장 직관적이면서도 쉽게 접할 수 있는 것은 표정이다. 따라서, 본 논문에서는 정확도 높은 얼굴 감정 식별을 위해서 Convolution Block Attention Module(CBAM)의 각 Gate와 Residual Block, Skip Connection을 이용한 Identity- CBAM Module을 제안한다. CBAM의 각 Gate와 Residual Block을 이용하여 각각의 표정에 대한 핵심 특징 정보들을 강조하여 Context 한 모델로 변화시켜주는 효과를 가지게 하였으며 Skip-Connection을 이용하여 기울기 소실 및 폭발에 강인하게 해주는 모듈을 제안한다. AI-HUB의 한국인 감정 인식을 위한 복합 영상 데이터 세트를 이용하여 총 6개의 클래스로 구분하였으며, F1-Score, Accuracy 기준으로 Identity-CBAM 모듈을 적용하였을 때 Vanilla ResNet50, ResNet101 대비 F1-Score 0.4~2.7%, Accuracy 0.18~2.03%의 성능 향상을 달성하였다. 또한, Guided Backpropagation과 Guided GradCam을 통해 시각화하였을 때 중요 특징점들을 더 세밀하게 표현하는 것을 확인하였다. 결과적으로 이미지 내 표정 분류 Task에서 Vanilla ResNet50, ResNet101을 사용하는 것보다 Identity-CBAM Module을 함께 사용하는 것이 더 적합함을 입증하였다.

조호환경이란 환자의 지속적인 추적 및 관찰이 필요한 환경으로써, 병원 입원실, 요양원 등을 의미한다. 조호환경 내 환자의 이상 증세가 발생하는 시간 및 이상 증세의 종류는 예측할 수 없기에 인력을 통한 상시 관리는 필수적이다. 또한, 환자의 이상 증세 발견 시간은 발병 시점부터의 소요 시간이 생사와 즉결되기에 빠른 발견이 매우 중요하다. 하지만, 인력을 통한 상시 관리는 많은 경제적 비용을 수반하기에 독거 노인, 빈민층 등 요양 비용을 충당하지 못하는 환자들이 수혜받는 것은 어려우며, 인력을 통해 이루어지기 때문에 이상 증세 발병 즉시 발견에 한계를 가진다. 즉, 기존까지 조호환경 내 환자 관리 방식은 경제적 비용과 이상 증세 발병 즉시 발견에 한계를 가진다는 문제점을 가진다. 따라서 본 논문은 YOLO 모델의 조호환경 내 환자 탐지 성능 비교 및 바운딩 박스 앙상블 기법을 제안한다. 이를 통해, 딥러닝 모델을 통한 환자 상시 관리가 이루어지기에 높은 경제적 비용문제를 해소할 수 있다. 또한, YOLO 모델 바운딩 박스 앙상블 기법 WBF를 통해 폐색이 짙은 조호환경 영상 데이터 내에 객체 탐지 영역 정확도 향상 방법을 연구하였다.

질병을 앓고 있는 환자는 상태에 따라 병실, 주거지, 요양원 등 조호환경 내 생활 시 의료 인력의 지속적인 추적 및 관찰을 통해 신체에 이상이 생긴 경우 이를 감지하고, 신속하게 조치할 수 있도록 해야 한다. 의료 인력이 직접 환자를 확인하는 방법은 의료 인력의 반복적인 노동이 요구되며 실시간으로 환자를 확인해야 한다는 특성상 의료 인력이 상주해야 하기에 이는 곧, 의료 인력의 부족과 낭비로 이어진다. 해당 문제 해결을 위해 의료 인력을 대신하여 조호환경 내 환자의 상태를 실시간으로 모니터링할 수 있는 딥러닝 모델들이 연구되고 있다. 딥러닝 모델은 데이터의 수가 많을수록 강인한 모델을 설계할 수 있으며, 데이터셋의 배경, 객체의 특징 분포 등 다양한 조건에 영향을 받기 때문에 학습에 필요한 도메인을 가지는 많은 양의 전처리된 데이터를 수집해야 한다. 따라서, 조호환경 내 환자에 대한 데이터셋이 필요하지만, 공개된 데이터셋의 경우 양이 매우 적으며 이를 반전, 회전기법 등을이용할 경우 데이터의 수를 늘릴 수 있지만, 같은 분포의 특징을 가지는 데이터가 생성되기에 데이터 증강 기법을 단순하게 적용하면 딥러닝 모델의 과적합을 야기한다. 또한, 조호환경 내 이미지 데이터셋은 얼굴 노출과 같은 개인정보가 포함 될 수 있으며 이를 보호하기 위해 정보들을 비식별화 해야 한다는 문제점이 있다. 따라서 본 논문에서는 조호환경에서 수집된 데이터 증강을 위한 Style-Generative Adversarial Networks 기법을 적용하여 조호환경 데이터셋 수집에 효과적인 증강 기법을 제안한다.

객체 유사도를 판별하는 기술은 정보 처리의 여러 분야에서 응용되고 있다. 본 연구에서는 현장 자연어 텍스트 데이터셋과 딥러닝 모델을 이용하여 챗봇 등에서 응용되는 데이터 유사성을 판별하고, 해당 모델의 성능을 측정해보았다.

최근 금융기관에서는 축적된 금융 빅데이터를 활용하여 차별화된 서비스를 강화하고 있다. 기업고객에 투자하기 위해서는 보다 정밀한 기업분석이 필요하다. 본 연구는 대만기업 6,819개의 95개 재무데이터를 가지고, 비대칭 데이터 문제해결, 데이터 표준화 등 데이터 전처리 작업을 하였다. 해당 데이터는 로지스틱 회기, SVM, K-NN, 나이브 베이즈, 의사결정나무, 랜덤포레스트 등 9가지 분류모델에 5겹 교차검증을 적용하여 학습한 후 모델 성능을 비교하였다. 이 중에서 성능이 가장 우수한 분류모델을 선택하여 예측 결정 이유를 판단하고자 설명 가능한 인공지능(XAI)을 적용하여 예측 결과에 대한 설명을 부여하여 이를 분석하였다. 본 연구를 통해 데이터 전처리에서부터 모델 예측 결과 설명에 이르는 분류예측모델의 전주기를 자동화하는 시스템을 제시하고자 한다.

최근 여러 분야에서 그래프 신경망(graph neural network, GNN)이 활발히 연구되고 있다. 하지만 지금까지 대부분의 GNN 연구는 단일 GNN 모델의 성능을 향상하는 데 집중되었다. 본 논문에서는 앙상블(ensemble) 기법의 대표적 기법인 그래디언트 부스팅(gradient boosting)을 이용하여 GNN의 앙상블 모델을 만드는 방법을 제안한다. 제안 방법은 앞서 만들어진 GNN의 오차를 경사 하강법(gradient descent)을 이용하여 감소시키는 방향으로 다음 GNN을 생성한다. 이 과정을 반복하여 GNN의 최종 앙상블 모델을 얻는다. 실험에서 GNN의 대표적인 모델인 그래프 합성곱 신경망(graph convolutional network, GCN)에 제안 방법을 적용하여 앙상블 모델을 생성한 결과, 단일 GCN 모델에 비해 노드 분류 정확도가 11.3%p까지 증가하였음을 확인하였다.

최근 대두된 환경문제로 인해 다양한 재생 에너지의 실리적인 활용 방법에 귀추가 주목되고 있다. 특히 '그린뉴딜', 'K-RE100' 등 정부 주도의 정책으로 태양광 발전 시장 규모가 확대되면서, 소규모 발전 사업자의 태양광 발전 참여율도 매년 증가 추세를 보이고 있다. 이로 인해 소규모 발전 사업자의 수익을 산정하는 전력 중개 시스템의 태양광 발전 예측은 에너지 시장의 핵심요소로 부각되었다. 하지만 전력 중개용 태양광 발전 예측에는 기후의 간헐성으로 인한 예측 정확도 감소, 소규모 발전 사업자의 개인정보 보호 등 제약이 존재한다. 이 논문에서는 전력 중개용 태양광 발전 예측의 제약을 해소하고, 전력 중개 활성화를 지원키 위한 CNN-LSTM 기반 연합학습 기법을 제안한다.

본 본문은 영상을 통해 반려동물의 행동과 감정을 인식하는 연구이다. 이러한 연구는 반려동물과 인간의 삶을 향상시키는데 도움을 줄 수 있다. 제안된 시스템의 유용성은 실험을 통해 검증하였고, 어느 정도 의미 있는 결과를 얻을 수 있었다.

최근 기술의 발전으로 인해 자연어 처리 모델의 성능이 증가하고 있다. 그에 따라 평문 지문이 아닌 KorQuAD 2.0 과 같은 웹 문서를 지문으로 하는 기계 독해 과제를 해결하려는 연구가 증가하고 있다. 최근 기계 독해 과제의 대부분의 모델은 트랜스포머를 기반으로 하는 추세를 보인다. 그 중 대표적인 모델인 BERT 는 문자열의 순서에 대한 정보를 임베딩 과정에서 전달받는다. 한편 웹 문서는 태그 구조가 존재하므로 문서를 이해하는데 위치 정보 외에도 태그 정보도 유용하게 사용될 수 있다. 그러나 BERT 의 기존 임베딩은 웹 문서의 태그 정보를 추가적으로 모델에 전달하지 않는다는 문제가 있었다. 본 논문에서는 BERT 에 웹 문서 태그 정보를 효과적으로 전달할 수 있는 HTML 임베딩 기법 및 이를 위한 전처리 기법으로 HTML 태그 스택을 소개한다. HTML 태그 스택은 HTML 태그의 정보들을 추출할 수 있고 HTML 임베딩 기법은 이 정보들을 BERT 의 임베딩 과정에 입력으로 추가함으로써 웹 문서 질의 응답 과제의 성능 향상을 기대할 수 있다.

산업용 설비의 결함을 예측하기 위해 기기에 탑재된 다양한 센서의 시계열 데이터를 이용한 결함 진단 연구가 확대되고 있다. 센서의 시계열 데이터는 값의 특성이 명확하지 않을 경우, 특징 추출이 제한적이지만, 주파수 영역으로 변환하면 진폭, 피크 주파수 등 데이터의 정보를 다각도로 담고 있어 특성을 추출하는 데에 이점이 있다. 따라서, 본 논문은 FFT(Fast Fourier Transform) 기법을 이용해 분해된 데이터를 조합하여 학습에 적용하는 선택적 FFT 기법을 제안한다. 제안 기법은 협동 로봇의 진동 신호를 이용한 결함 진단에 적용하였으며, 기존 결함 진단 정확도 대비 최대 41.81% 향상된 성능을 보였다.

흉부 X-ray 영상은 폐 질환을 진단하는 기본적인 도구로써 널리 사용되고 있다. 정확한 진단을 위해 흉부 X-ray 영상의 품질을 평가하는 과정을 거쳐야 하는데, 이 과정은 주관적인 기준에 따라 수 작업으로 이루어지기 때문에 많은 시간과 비용이 소요된다. 따라서 본 논문에서는 임상 현장에서 사용되는 흉부 X-ray 영상 화질 평가 가이드라인을 기반으로 인공음영, 포함범위, 환자자세, 흡기정도, 그리고 투과 상태의 5가지 품질 평가를 자동화하는 도구를 제안한다. 제안하는 도구는 품질 판단에 소요되는 시간과 비용을 줄여주고, 더 나아가 흉부 병변 진단을 위한 학습 모델 개발의 양질의 학습 데이터를 선별하는 전처리 과정에 활용될 수 있다.

다중 데이터 기반의 행동 인식 과정에서 데이터 수집 반경이 비교적 제한되는 영상 데이터의 결측에 대한 보완이 요구된다. 본 논문에서는 6축 센서 데이터를 이용하여 결측된 영상 데이터를 생성함으로써 행동 인식의 성능을 개선하는 방법을 제안한다. 가속도와 자이로 센서로부터 수집된 행동 데이터를 이용하여 GAN(Generative Adversarial Network)을 통해 영상에서의 관절(Skeleton) 움직임에 대한 데이터를 생성하고자 한다. 이를 위해 DeepLabCut 기반 모델 학습을 통해 관절 좌표를 추출하며, 전처리된 센서 시퀀스 데이터를 가지고 GRU 기반 GAN 모델을 통해 관절 좌표에 대한 영상 시퀀스 데이터를 생성한다. 생성된 영상 시퀀스 데이터는 영상 데이터의 결측이 발생했을 때 대신 행동 인식 모델의 입력값으로 활용될 수 있어 성능 향상을 기대할 수 있다.

Over the last decades, deep neural networks have demonstrated significant success in various tasks. To address the special vision task, choosing a hot network as backbone to extract feature is a common way in both research and industry project. However, the choice of backbone usually requires the expert experience and affects the performance of the classification task. In this work, we propose a novel idea to support backbone decision-making by exploring the feature attribution and weights distribution of hidden layers from various backbones. We first analyze the visualization of feature maps on different size object and different depth layers to observe learning ability. Then, we compared the variance of weights and feature in last three layers. Based on analysis of the feature and wights, we summarize the traits and commonalities of existing networks.

영아는 울음이라는 비언어적 의사 소통 방식을 사용하여 모든 욕구를 표현한다. 하지만 영아의 울음소리를 파악하는 것에는 어려움이 따른다. 영아의 울음소리를 해석하기 위해 많은 연구가 진행되었다. 이에 본 논문에서는 3D 특징 벡터를 이용한 영아의 울음소리 분류를 제안한다. Donate-a-corpus-cry 데이터 세트는 복통, 트림, 불편, 배고픔, 피곤으로 총 5 개의 클래스로 분류된 데이터를 사용한다. 데이터들은 원래 속도의 90%와 110%로 수정하는 방법인 템포조절을 통해 증강한다. Spectrogram, Mel-Spectrogram, MFCC 로 특징 벡터화를 시켜준 후, 각각의 2 차원 특징벡터를 묶어 3차원 특징벡터로 구성한다. 이후 3 차원 특징 벡터를 ResNet 과 EfficientNet 모델로 학습을 진행한다. 그 결과 2 차원 특징 벡터는 0.89(F1) 3 차원 특징 벡터의 경우 0.98(F1)으로 0.09 의 성능 향상을 보여주었다.

2차원 이미지 또는 영상을 통한 자세 추정의 경우, 영상 내에서 발생할 수 있는 탐지 오류, 피사체 잘림, 폐색(Occlusion) 등으로 인해 자세 추정 정확도가 감소할 수 있다. 본 논문에서는 4장 이상의 다양한 각도로 촬영한 이미지를 NeRF(Neural Radiance Fields)를 통해 이미지 합성(Image synthesis)을 진행하여 3차원 모델을 생성한다. 이후 DeepLabCut을 사용하여 관절 좌표와 골격(Skeleton)을 구축한다. 구축한 골격을 인공지능에 학습시킨 뒤 2차원 영상에서의 관절 좌표 인식, 골격 구축, 자세 추정을 진행한다. 2차원 영상 테스트 데이터를 통해, 3차원 모델을 사전 학습한 인공지능 모델과 기존 2차원 이미지를 사용하여 학습한 인공지능 모델의 자세 추정 정확도를 비교한다.

추천시스템은 개개인의 성향에 따른 맞춤화 추천이 가능하기 때문에 음악, 영상, 뉴스 등 많은 분야에서 관심을 받고 있다. 일반적인 추천시스템 모델은 블랙박스 모델이기 때문에 추천 결과에 따른 원인 도출을 할 수 없다. 하지만 XAI 의 모델은 이러한 블랙박스 모델의 단점을 해결하고자 제안되었다. 그 중 KGAT 는 Attention Score 를 기반으로 추천 결과에 따른 원인을 알 수 있다. 이와 같은 AI, XAI 등의 딥 러닝 모델에서 각각의 활성화 함수는 상황에 따라 상이한 성능을 나타낸다. 이러한 이유로 인해 데이터에 맞는 활성화 함수를 적용해보는 다양한 시도가 필요하다. 따라서 본 논문은 XAI 추천시스템 모델인 KGAT 의 성능 개선을 위해 여러 활성화 함수를 적용해보고, 실험을 통해 수정한 모델의 성능이 개선됨을 보인다.

센서 데이터를 활용한 행동 감지 연구는 인간 행동 인식을 선행연구로 진행되었으며, 인식의 정확도를 높이기 위해 전처리, 보간, 증강 등을 통한 연구가 활발히 진행되고 있다. 이에 본 논문에서는 시계열 센서 데이터 증강을 통하여 반려동물의 행동 감지를 제안한다. ODROID 단일 보드 컴퓨터와 6축 센서(가속도, 자이로) 데이터를 탑재한 소형 디바이스를 사용하여 블루투스 통신을 통해 웹 서버 DB에 저장한다. 저장된 데이터는 이상치, 결측치 처리 후 정규화를 통해 시퀀스를 구성하는 전처리 과정을 거친다. 이후 GAN을 기반으로 한 시계열 데이터 증강을 진행한다. 이때, 데이터 증강은 입력된 텍스트에 따라 센서 데이터로 변환하여 데이터를 증강한다. 학습된 딥러닝 모델을 바탕으로 행동을 감지 후 평가 지표에 따라 모델 성능을 검증한다.

본 논문에서는 맞춤형 반려동물 사료제품 추천을 위해 최근의 자연어처리 모델인 KoBERT 모델에 기반하여 반료동물 사료제품에 대한 감성분석 모델을 설계하고 구현한다. 본 논문을 통해 구현된 반려동물 사료제품의 감성분석 모델은 정확도 평가에 대해서 비교적 우수한 성능을 보였으며, 학습과정에 참여하지 않은 새로운 반려동물 사료제품에 대해서 0.93 이상의 정확도를 산출하였다.

최근 딥러닝 기술은 자연어처리에서 기본적이고 필수적인 기법으로 자연어처리에 필요한 복잡한 비선형 관계를 모델링할 수 있다. 본 논문에서는 LSTM(Long Short-Term Memory)과 GRU(Gated Recurrent Unit) 딥러닝 기술을 연구 논문 분류에 적용하며, CNN(Convolutional Neural Network)에 LSTM과 GRU을 각각 결합하여 특정 분야의 연구 논문을 분류하고 연구 논문을 추천하는 기법을 제안한다. 워드 임베딩과 딥러닝 기법을 연구 논문 분류에 적용하여 관심이 있는 단어와 단어 주변의 단어들 사이의 유사성과 성능을 비교 분석한다.

본 논문에서는 얼굴사진 기반 감정인식 심층망, 음성사운드를 기반한 감정인식 심층망을 결합한 앙상블 네트워크 구축을 위한 사전연구로서 얼굴사진 기반 감정을 인식하는 기존 딥뉴럴 네트워크 모델들을 입력 데이터 처리 방법에 따라 분류하고, 각 방법의 특성을 분석한다. 또한, 얼굴사진 외관 특성을 기반한 감정인식 네트워크를 여러 구조로 구성하고, 구성된 방법의 성능을 비교하여, 우수 성능을 보이는 네트워크를 선정하여 추후 앙상블 네트워크의 구성 네트워크로 사용하고자 한다.

COVID-19 사태의 지속화로 재택근무 및 화상 수업의 수요가 증가함에 따라, 화상 회의 서비스에 대한 수요 또한 증가하고 있다. 본 논문은 회의 내용의 텍스트화 및 요약 회의록 생성에 관한 연구를 통해 보다 효율적인 화상 회의 서비스를 제공하고자 한다. WebRTC를 기반으로 화상 회의 서비스를 제공하며, WebSpeech API 를 활용하여 회의 내용을 스크립트화 한다. 회의 스크립트는 BART를 통해 요약본으로 재생성되며, 회의 스크립트와 요약본은 언제든지 열람 및 다운로드가 가능하다. 본 논문은 회의 요약 기능을 제공하는 화상 회의 서비스 MAS (Meeting Auto Summarization)를 제안하며, MAS 의 설계 및 구현 방법을 소개한다.

최근 편리성과 경제성 등의 이유로 개인형 이동장치인 전동 킥보드의 사용이 증가하고 있다. 사용자들은 앱으로 주변의 전동 킥보드 위치를 확인한 뒤, 가까운 기기를 찾아 이용한다. 하지만 전동 킥보드의 위치는 GPS로 표시되기 때문에 10 m 이상의 오차가 날 수 있다. 이를 보완하기 위해 (주)올룰로의 킥고잉은 사용자가 전동 킥보드 반납 시 촬영한 전동 킥보드 사진을 GPS 위치 정보와 함께 제공한다. 이 사진을 통해 다음 사용자는 더욱 정확히 전동 킥보드를 찾을 수 있다. 하지만 일부 사용자들은 전동 킥보드가 존재하지 않는 사진을 올리기도 하며, 따라서 사용자들이 촬영한 사진 중 실제 전동 킥보드가 존재하는 사진들만 제공하는 것은 매우 중요하다. 따라서 본 논문은 사용자들이 촬영한 사진 중 실제 전동 킥보드가 존재하는 사진들만 정확히 인식하는 YOLO 기반 시스템을 개발한다. 제안 방법은 (1) 전동 킥보드를 부분별로 탐지하는 기법과 (2) 전동 킥보드를 촬영된 각도에 따라 세분화하여 인식하는 기법을 사용한다. 실제 사용자들이 촬영한 사진을 사용한 실험 결과, 제안 방법은 기존 방법에 비해 더욱 정확히 전동 킥보드 사진을 인식하는 것을 확인하였다.

In the construction and development of modern industrial production technology, the traditional technology management mode is faced with many problems such as low qualification rates and high application costs. In the research, an improved workpiece defect detection method based on deep learning is proposed, which can control the application cost and improve the detection efficiency of irregular defects. Based on the research of the current situation of deep learning applications, this paper uses the improved Faster R-CNN network structure model as the core detection algorithm to automatically locate and classify the defect areas of the workpiece. Firstly, the robustness of the model was improved by appropriately changing the depth and the number of channels of the backbone network, and the hyperparameters of the improved model were adjusted. Then the deformable convolution is added to improve the detection ability of irregular defects. The final experimental results show that this method's average detection accuracy (mAP) is 4.5% higher than that of other methods. The model with anchor size and aspect ratio (65,129,257,519) and (0.2,0.5,1,1) has the highest defect recognition rate, and the detection accuracy reaches 93.88%.

딥러닝의 높은 예측 정확도를 위해서는 많은 양의 학습 데이터가 필요하다. 그러나 실세계에서 많은 양의 레이블이 붙은 데이터를 구하는 것은 어렵고 많은 비용이 든다. 때문에 레이블이 없이도 양질의 표현 학습이 가능한 자기지도학습이 각광을 받고 있다. 와서스타인 거리는 생성모델에도 쓰이지만 의사 레이블 (pseudo label) 을 만들어 레이블이 없는 데이터들을 분류 하는데도 좋은 성능을 보이고 있다. 따라서. 본 연구는 와서스타인 거리를 자기지도학습에 접목시키는 방법을 제안한다. 실험을 통해 연구의 가능성을 보인다.

인체 선형 모델 (이하 SMPL 모델)은 3 차원 사람 모델로, 3 차원 컴퓨터 그래픽 기술이 발전함에 따라 활용 범위가 확대될 수 있다. 다운샘플링 (Down-sampling)으로 여러 해상도의 SMPL 모델이 사용가능 하다면, 3 차원 컴퓨터 그래픽 기술 발전에 도움이 될 것이다. 3 차원 모델의 다운샘플링을 위한 많은 메쉬 단순화 (Mesh simplification) 기법이 존재한다. 하지만 기존의 기법만을 사용하면 다운 샘플링 한 모델의 자세 (Pose)를 변경했을 때 기대한 것과 다른 결과물이 만들어지는 문제가 발생한다. 본 논문에서는 가장 가까운 정점으로 SMPL 모델의 관절 회귀자 (Joint regressor) 값을 넘겨주어 문제를 해결하는 다운샘플링 (Down-sampling) 방법을 제시한다.

COVID-19의 확산과 급속한 디지털 전환으로 인해 비대면으로 소통하고 정보를 교류하는 메타버스 플랫폼이 최근 많은 주목을 받고 있다. 하지만 새로운 플랫폼의 등장에도 불구하고 대부분 게임이나 상용 시스템 위주로 적용되고 있으며 학술정보서비스 영역에서의 적용은 요원한 현실이다. 본 연구에서는 기술의 적용 형태와 지향범위에 따른 메타버스의 '증강현실, 일상기록, 미러월드, 가상세계' 등의 4가지 유형과 메타버스 플랫폼 주요 현황을 살펴보고, KISTI에서 제공하고 있는 과학기술지식인프라 통합서비스 ScienceON과 연계하여 디지털 연구환경 조성과 개방형 협업연구 활동을 지원하는 메타버스 플랫폼 키온버스의 제공서비스 유형과 주요 기능 등 학술정보서비스 영역에서의 메타버스 적용방안을 제시하였다. 본 연구는 학술정보서비스에 적용된 메타버스 플랫폼의 사례로서 향후 메타버스 활성화에 기여할 것으로 기대한다.

장면 전환 검출을 위해 히스토그램 등 단일 특성만 고려할 경우 움직임이 많은 영상과 조명의 변화가 다양하거나 단조로운 색상으로의 장면 전환이 일어나는 영상에 검출이 어렵다는 단점이 있다. 이를 개선하기 위해 프레임 간 색상 히스토그램을 비교 후, SURF를 적용하는 방법을 제안한다.

게임 개발엔진인 Unity3D를 활용한 3인칭 슈팅 게임으로 쉬는 시간 등의 자투리 시간에 즐길 수 있는 짧은 플레이타임을 가지고 복잡한 3D 슈팅 게임과 달리 쉽고 간단한 조작법을 가진 게임이다. 적 객체를 공격하거나 회피하며 각 스테이지당 5분을 생존하면 클리어되며 스코어에 기반한 재화를 지급하는 방식으로 진행된다. 게임 내 그래픽은 Unity Asset Store를 통해 그래픽 Asset을 구매하여 게임 내 사용되는 비행선, 물 효과, 탄환에 활용하였으며 일부 비행선은 기존 Asset을 재조립하여 만들었다.

많은 온라인 쇼핑몰에서 색상 기반 필터링 서비스나 추천 시스템을 제공하지만, 수동 분류는 많은 시간이 들고 오류 위험이 있다. 본 연구의 실험에서는 먼저 분석할 의류 이미지를 실루엣 분석으로 수행한 경우와 수행하지 않는 경우의 k-평균 군집화 알고리즘으로 가장 우세한 색상 군집의 중심값을 도출하는데, 만약 군집 개수가 2개 이상이면 보다 큰 군집의 중심값만을 고려한다. 이 중심값을 이용해 사전 학습한 k-최근접 이웃 알고리즘으로 색상 클래스를 분류한다. 실험 결과 실루엣 분석을 수행하지 않은 k-평균 군집화 알고리즘을 사용한 분류 방식이 정확도와 수행 시간 모두 매우 준수하였으나, 배경색이 존재하여 의류 색 분석에 영향을 줄 수 있는 경우 잘못 분류한다는 문제도 있다.

Multiview stereo (MVS) 3D reconstruction of a scene from images is a fundamental computer vision problem that has been thoroughly researched in recent times. Traditionally, MVS approaches create dense correspondences by constructing regularizations and hand-crafted similarity metrics. Although these techniques have achieved excellent results in the best Lambertian conditions, traditional MVS algorithms still contain a lot of artifacts. Therefore, in this study, we suggest using a transformer network to accelerate the MVS reconstruction. The network is based on a transformer model and can extract dense features with 3D consistency and global context, which are necessary to provide accurate matching for MVS.

Glass is a common object in living environments, but even humans are sometimes unable to identify it. This study proposes a method for detecting glass area by learning edge information from images. The network structure of Transformer is used to accept the base features extracted by backbone and extract the boundary information of RGB images, and both features are used to learn the features of glass area and determine the glass area based on these boundary features. The experimental results show that our proposed method can detect glass area in images.

최근 데이터를 기반 응용개발이 다양한 분야에서 진행되고 있으며, 수집 데이터는 주요한 의사결정에 사용되고 있다. 이러한 데이터 기반 응용은 데이터의 무결성(data integrity)의 보장과 데이터 생산 과정에서의 진본 확인을 위한 체계가 요구된다. 본 논문에서는 영상 데이터의 무결성 검증 시스템을 구성하는 Logger 설계와 개발을 기술한다. 개발된 Logger 는 해시값을 통해 영상 데이터의 신뢰성을 만족할 수 있다면 영상 데이터를 통해 학습되어 생성된 학습 모델에 대한 신뢰성 또한 보장할 수 있다. Logger 는 라즈베리파이 환경에서 구현한 후 FPS 를 변경하며, 무결성 검증을 실험한다.

Face aging aims to synthesize future face images by reflecting the age factor on given faces. In recent years, deep learning-based approaches have made outstanding progress in simulating the aging process of the human face. However, generating accurate and high-quality aging faces is still intrinsically difficult. We propose a new method that incorporates gender information into the model, which achieves comparable and stable performance. Experimental results demonstrate that our method can preserve the identity well and generate diverse aged faces.

The purpose of infrared and visible image fusion is to integrate images of different modes with different details into a result image with rich information, which is convenient for high-level computer vision task. Considering many deep networks only work in a single scale, this paper proposes a novel image fusion based on three-scale dense network to preserve the content and key target features from the input images in the fused image. It comprises an encoder, a three-scale block, a fused strategy and a decoder, which can capture incredibly rich background details and prominent target details. The encoder is used to extract three-scale dense features from the source images for the initial image fusion. Then, a fusion strategy called l₁-norm to fuse features of different scales. Finally, the fused image is reconstructed by decoding network. Compared with the existing methods, the proposed method can achieve state-of-the-art fusion performance in subjective observation.

이 논문에서는 변형 가능한 햅틱 컨트롤러와 포스 피드백 장치를 이용한 치과 수술 시뮬레이션 시스템을 제안한다. 이 시스템은 가상 환경에서 매복 사랑니 발치 수술을 수행하도록 설계되었다. 햅틱 하드웨어들은 신체와 수술도구의 상대적 위치를 계산하여 충돌여부를 파악하고 저항감과 진동감을 제공한다. 특히 길이 변화, 굽힘 발생과 같은 변형이 가능한 햅틱 컨트롤러는 사용하는 수술도구에 따라 느껴지는 촉감을 표현할 수 있다. 정교한 3 차원 모델로 구강내부와 치과용 수술도구를 표현한 후 햅틱 컨트롤러의 움직임과 버튼 클릭 등의 입력 값을 전달하는 모듈을 통해 가상 객체와 상호 작용하고 이에 대한 햅틱 피드백을 컨트롤러로 전달하여 사용자에게 현실적인 수술 경험을 제공한다.

현재 중고거래 시장은 빠르게 성장하고 있으며, 중고물품 거래는 쓰지 않는 물건을 나눠 쓰고 재사용하는 중고거래 문화로 하나의 지역 생활 트렌드로 자리 잡고 있다. 이에 따른 가장 큰 이점은 환경보호와 자원의 재활용이다. 따라서 본 연구는 사용자의 밀집도가 높은 대학교를 공략하여 중고거래를 활성화하려 한다. 편의성과 실용성 있는 서비스를 제공하기 위하여 파이어베이스와 T-map을 기반으로 안드로이드 프레임워크에서 사용하여 구현하였다. 본 애플리케이션의 주 서비스는 중고물품 거래, 실시간 채팅 그리고 위치 기반 서비스이다.

최근 고도화 되고 있는 인공지능 기술은 복잡한 데이터 속에서 내재된 인사이트를 발견하여 상태 변화를 진단하고 예측하는데 활용되고 있다. 이러한 첨단 기술을 활용하여, 원자력 발전소에서 공정상태가 비정상 또는 비상 상태로 악화되기 전에 운전원이 인지할 수 있다면 공정상태를 정상으로 회복하는데 도움을 줄 수 있다. 이 논문에서는 공정상태 판단을 위한 딥러닝 모델을 활용하는 지능형 조기 경고 개념을 제안한다. 공정상태의 변화 추세를 예측하는 목적으로 사용하는 지능형 조기 경고는 기존 경보 보다 단순화된 상태 천이 메커니즘을 사용하여 운전원의 부담이 증가하지 않도록 한다. 또한, 사고 시나리오 데이터로 딥러닝 모델로 학습하고 지능형 조기 경고 화면을 구현하여 운전원을 지원하기 위한 구현방향을 제시한다.

이러닝 시스템을 유용하게 활용하려면 학습자의 감정을 인식하여 학습자에게 적절한 피드백을 주는 것이 무엇보다 중요하다. 이러닝 시스템의 학습효율을 높이기 위해서는 학습자의 감정을 인식하여 그에 적절한 피드백을 제공하는 것이 중요하다. 본 논문에서는 학습자에 대한 적절한 피드백을 제공하기 위해서 상황인식 컴퓨팅 기술을 바탕으로 학습자의 감정표현단어를 상황정보로 사용하여 감정을 인식할 수 있는 상황인식 미들웨어로서 EF-CAM을 제안한다. EF-CAM은 감정표현단어의 범주화기술을 기반으로 온톨로지를 구축하여 학습자의 감정을 인식한다. 이러닝 학습자의 감정을 인식하기 위해서 학습자의 감정표현 단어를 상황정보로 사용하고, 학습자의 감정에 영향을 미칠 수 있는 환경정보(온도, 습도, 날씨 등)를 추가하여 인식한다. 학습자의 감정을 표현하기 위해서 OWL 언어를 사용하여 온톨로지를 구축하였다.

우리 사회에서 개인이 복용하고 있는 약물의 종류와 수가 점점 늘어나고 있다. 약물의 사용이 증가하면서 때로는 치명적일 수 있는 약물 오남용 또한 빈번히 발생하고 있으며 특히 노년층과 같이 약품을 정확하게 구별할 수 없는 사람들은 더욱더 그 위험에 노출되어있다. 본 논문에서는 사용자가 간단한 사진을 찍는 행위를 거치면 약물의 정보를 제공하고, 복용법을 알 수 있는 모바일 애플리케이션에 관하여 기술한다. 이를 구현하기 위하여 세밀한 시각적 분류 (Fine-Grained Visual Categorization, FGVC) 기법과 광학 문자 인식 (Optical Character Recognition, OCR) 기법을 결합한 인공지능 모델을 사용하였으며, React Native 를 사용하여 운영체제에 종속되지 않도록 애플리케이션을 제안한다. 이 애플리케이션은 노년층에 친화된 UI/UX 로 디자인되었으며, 약물의 정보 제공 이외에도 개인 약물 관리, 주변 약국 길 찾기 등의 편의 기능을 통해 노년층에 삶의 질 향상을 기대할 수 있을 것이다.

국내 전체 가구 중 반려동물을 키우는 가구가 15%를 차지하고 있다. 반려동물에 대한 관심도가 증가하고 인식이 달라짐에 따라 반려동물 시장 또한 점차 커지고 있다. 이 연구를 통해 반려동물 보호자들이 반려동물의 건강을 쉽게 관리할 수 있도록 돕고자 한다. 본 논문에서 소개하는 애플리케이션을 통해 세부적인 항목을 제시하여 반려동물의 건강 관리하는데 있어 놓치는 사항을 줄일 수 있도록 한다. 애플리케이션에서 제공하는 동물병원 찾기, 산책 지수, 만보기, 케어 가이드 기능을 이용하여 어렵지 않게 반려동물 관리할 수 있도록 돕는다. 반려동물과 보호자들의 삶의 질을 향상시키는데 기여할 것이라고 기대된다.

코로나 19 로 인해 사회적으로 활동 범위에 제약이 많아져 신체 노화가 진행중인 노년층의 심각한 운동 부족 현상 발생했다. 이에 따라 본 연구는 스마트 미러 트레이닝 프로그램의 범람 속에 신체적인 불편함을 가지고 있는 노인의 건강 증진에 주목하여 스마트 미러와 노인 자세 탐지, 자세 정확성 판단 시스템을 기반으로 한 자세 분류 서비스 제공 프로그램을 제안한다. 스마트 미러에 탑재된 카메라로 받아온 영상을 MoveNet 과 머신러닝 모델을 사용하여 사용자의 동작을 파악하는 방식으로 활동 프로그램을 진행한다. 향후 디지털 소외 계층의 사용 및 노인 자세 데이터 분석에 활용할 수 있을 것으로 기대한다.

다양한 언어로 소통하고 있는 우리는 다른 언어와 교류하기 위해 번역, 통역의 존재가 필수가 되기도 한다. 하지만 음성언어를 사용하지 않는 즉, 손으로 언어를 표현하는 수어를 번역하는 통역의 존재는 아직 실현되지 않았다. 이에 본 논문에서는 MediaPipe와 OpenCV 라이브러리를 이용하여 손의 형태를 인식하고 CNN 알고리즘을 통한 텍스트 데이터화 하여 수어 동작을 학습시켜 이를 번역시켜주는 시스템을 연구한다. 이를 통해 공공기관을 이용함에 불편함을 줄이고, 농인의 의사를 보다 빠르게 파악할 수 있도록 도와주는 번역 시스템 제작하는 것에 목적이 있다.

기존 언어치료는 언어발달장애 아동과 언어치료사간의 대면 방식으로 이루어지며, 이때 각종 언어치료도구가 사용된다. 본 시스템은 언어발달장애 아동과 로봇 간의 언어치료를 위해서, 센서를 통한 아동 이동 접근 확인, 아동 얼굴 검출, 아동 얼굴 인식, 아동 얼굴 감정 인식, 아동 얼굴 추적, 감정 돌봄 대화 출력, 언어치료 콘텐츠 표시, 음성대화를 통한 언어치료 수행이 어떻게 적용되는지 개념을 설명하고자 한다.

기존의 질병 관련 연구들은 대부분 유의미하게 변화되는 유전자들을 찾아내고(Differentially Expressed Genes, DEGs), 이들이 연관된 생물학적 패스웨이(biological pathway)를 찾아내는 방향으로 이루어졌다. 더불어 miRNA(microRNA)가 많은 mRNA 의 발현을 조절하며, 실제 면역, 대사 및 세포 사멸을 포함한 여러 필수 생리학적 및 질병에 매우 중요한 역할을 한다고 밝혀지며, 바이오 마커로써의 miRNA 를 찾아내고자 하는 연구가 활발히 진행되기 시작하였다. 하지만 mRNA 나 miRNA 의 독립적인 연구만으로는 명확한 질병과의 연관성이나 기능을 이해하기에는 어려움이 있다. 따라서 본 연구에서는 질병 상태에서 유의미하게 변화되는 miRNA 와 이러한 miRNA 에 의해 조절되는 mRNA 를 함께 고려하여 분석함으로써, 실제 질병의 발병 원인이 되는 생물학적 패스웨이나 메커니즘을 밝히고자 하였다. 또한, miRNA 와 mRNA 의 연관성을 찾기 위해, PPI(protein-protein interaction) 네트워크에 기반을 둔 RWR(Random Walk with Restart Algorithm)를 적용하여, 직접적 연관성뿐 아니라, 유전자 간의 숨겨진 간접적인 패스웨이를 고려하여 분석하기 위한 웹 기반 시스템을 개발하였다. 이 시스템은 mRNA-miRNA 를 함께 고려한 통합 분석을 통해 숨겨진 질병의 메커니즘을 이해하고 치료 방법을 찾아내는 데 크게 공헌할 것이다.

디지털 기술이 각 분야의 기술과 융합하는 디지털 전환(Digital Transformation)은 4차 산업혁명을 가속화 하고 있다. 국가적으로 클라우드·인공지능·데이터 관련 정책 수립과 디지털 댐 사업, 데이터 플랫폼 사업 등을 통해 산업분야의 디지털 전환을 추진 중이나, 소재·바이오 등 극히 일부 과학기술 분야 외에 클라우드, 데이터, 인공지능, 시뮬레이션 등을 종합적으로 지원하는 국가적 지원이 전무한 실정이다. 본 논문은 국가 R&D의 디지털 전환 가속화를 위한 디지털융합R&D 플랫폼 제공을 위해 계산과학 SW를 서비스하기 위한 프레임워크를 설계하였다.

특허청에서 주관하는 아이디어 사업화 및 아이디어 경진대회를 PC 환경 웹 플랫폼으로 제공하고 있다. 본 논문에서는 아이디어 사업화 및 아이디어 경진대회를 바탕으로 웹 환경이 아닌 모바일 플랫폼으로 구축하고 사용 시 편리한 UI/UX, 모바일 특성을 활용한 모바일 애플리케이션을 설계하여 다양한 아이디어의 육성 및 사업화 추진을 돕고 다양한 문화와 창업 확산을 도울 수 있는 방안을 제시하고자 한다.

코로나 바이러스-19 감염증 상황이 지속됨에 따라 영유아 비대면 상담이 증가하였다. 비대면이라는 제한된 환경에서, 보다 정확한 상담을 위해 영유아의 감정을 예측하는 보조도구로써 CNN 학습모델을 이용한 감정분석 결과를 활용할 수 있다. 하지만, 대부분의 감정분석 CNN 모델은 성인 데이터를 위주로 학습이 진행되므로 영유아의 감정인식률은 상대적으로 낮다. 본 논문에서는 영유아와 청소년 데이터의 감정분석 정확도 차이의 원인을 XAI 기법 중 하나인 LIME을 사용해 시각화하여 분석하고, 분석 결과를 근거로 영유아 데이터에 대한 감정인식 성능을 향상시킬 수 있는 방법을 제안한다.

코로나19 대유행으로 비대면 교육이 보편화되어 온라인 학습과 시험이 교육기관에서 일반화되고 있다. 이러한 급격한 변화로 교육의 공정성 문제와 온라인 시험의 부정행위 문제가 대두되고 있다. 온라인 시험은 대면 시험과는 달리 시험 감독관이 부정행위를 적발하기 어렵기 때문에 응시자의 다양한 환경을 고려하여 정확하게 부정행위를 판별하는 방법이 필요하다. 본 연구에서는 온라인 시험환경에서 응시자의 행동 데이터와 영상데이터를 분석하여 부정행위를 감독관에게 추천하는 시스템을 제안한다. 제안 시스템의 구현을 통해 온라인 시험 환경에서 부정행위를 탐지 기능을 확인한다.

현대 사회에서 쓰레기 처리는 여러 사회 문제를 일으키고 있다. 넘쳐나는 쓰레기는 미관을 해치고 악취를 발생시킨다. 본 논문은 쓰레기 배출량이 쓰레기통의 수용 용량을 넘는 경우 웹과 앱을 통해 청소 관리자에게 알림을 제공하는 등의 편리한 쓰레기통 관리 시스템을 제안한다. 제공하는 앱과 웹은 데이터베이스와 아두이노 기반의 IoT 기술을 활용하여 쓰레기통 자동 개폐, 쓰레기 압축, 포화 용량 표시 등의 다양한 기능을 제공한다. 앱과 웹을 통하여 수집된 데이터는 추후 환경 관련 프로젝트에서 다방면으로 활용될 수 있다.

ICT 기술의 빠른 발전과 함께 Internet of Things (IoT) 환경에서의 Internet Protocol (IP) 카메라의 사용률이 증가하면서, IP 카메라에 대한 개인정보 이슈와 제품의 보안성 검토 관련 소비자의 개인정보 유출 우려가 증가하고 있다. 본 논문에서는, IP 카메라에 대한 4개 종류의 Denial of Service (DoS) 공격을 통해 IP 카메라 이상 반응을 확인했다. 또한, 이 과정에서 수집한 공격 패킷 데이터를 기반으로, DoS 공격을 탐지하는 간단한 피쳐 구성과 머신러닝 모델을 제안하였다. 최종적으로, DoS 공격을 통해 실제 IP 카메라에 대한 가용성 테스트를 수행하였으며 머신러닝 알고리즘 4개 Decision Tree, Random Forest, Multilayer Perceptron, SVM에서의 DoS 공격 탐지 성능을 비교하였다.

프로젝트 테마는 'CNN 딥러닝 모델을 기반으로 한 AI 가상 옷장'이다. 딥러닝 기술을 웹페이지에 적용시켜 사용자의 옷장 속에 있는 옷들을 자동으로 저장해서 관리해준다. 의류 이미지를 수집하고 딥러닝 모델을 통해 이미지를 학습시키고 분류하여 저장함으로써 사람들이 옷을 쉽게 찾을 수 있는 방법을 고안한다.

객체 탐지는 디지털 이미지나 비디오에서 유의미한 객체를 탐지하는 작업을 말한다. 이 작업은 객체가 있는 곳에 경계상자를 그리는 Localization과 객체의 Class를 구분하는 Classification 이 두 단계로 나눌 수 있는데, 각각의 단계를 순차적으로 행하는 2-stage detection 방식과 동시에 행하는 1-stage detection 방식을 실시간으로 마스크 착용여부를 탐지하는 프로그램에 적용하면서 속도와 성능을 비교하고 어떤 방식이 적합한지 연구한다

신뢰할 수 있는 딥러닝 기반 영상처리 기술을 적용하여 도서관 등 공공장소에서 별도의 센서 없이 하나의 카메라로만 좌석의 점유 사항을 자동으로 검출하여 사용자에게 앱으로 제공하는 솔루션을 제안한다. 라즈베리파이를 이용하며 촬영과 동시에 내부적으로 분석 및 좌석탐지가 진행되며, 촬영된 데이터는 모두 탐지 즉시 휘발된다. 이로 인해 우리의 솔루션은 구조적으로 개인정보 유출 등의 민감한 데이터는 유출될 우려가 없다. 또한 탐지가 완료된 후 결과를 서버로 전송하기 때문에 서버의 처리량이 크게 감소된다. 우리는 이와 같이 신뢰할 수 있고 효율적으로 좌석을 탐지하고 정보를 제공하는 솔루션을 제안한다.

최근 낸드 플래시 메모리 기반의 Solid State Drive(SSD)가 기존 Hard Disk Drive(HDD)를 대신하여 개인용과 산업용으로도 널리 쓰이고 있다. 핫 데이터 구분 기법은 이러한 SSD 의 성능과 수명에 중요한 역할을 하는 Garbage Collection(GC)과 Wear Leveling(WL) 기술의 기반이 된다. 본 논문에서는 핫 데이터를 예측하기 위한 나이브 베이즈 분류 기반의 새로운 핫 데이터 구분 기법을 제안한다. 제안 기법은 워크로드 액세스 패턴의 학습 단계인 초기 단계와 실제 운영 단계를 통해 다시 액세스 될 확률이 높은 데이터를 그렇지 않은 데이터와 효과적으로 구분한다. 다양한 실제 trace 기반 실험을 통해 본 제안 기법이 기존 대표적인 기법보다 평균 19.3% 높은 성능을 확인했다.

딥페이크(deepfake)로 인한 디지털 범죄는 날로 교묘해지면서 사회적으로 큰 파장을 불러일으키고 있다. 이때, 딥러닝 기반 모델의 오류를 발생시키는 적대적 공격(adversarial attack)의 등장으로 딥페이크를 탐지하는 모델의 취약성이 증가하고 있고, 이는 매우 치명적인 결과를 초래한다. 본 연구에서는 2 가지 방법을 통해 적대적 공격에도 영향을 받지 않는 강인한(robust) 모델을 구축하는 것을 목표로 한다. 모델 강화 기법인 적대적 학습(adversarial training)과 영상처리 기반 방어 기법인 크기 변환(resizing), JPEG 압축을 통해 적대적 공격에 대한 강인성을 입증한다.

본 연구는 2021 게임업계 연쇄 파동을 통해 게임사 이슈 대응에 대한 사용자들의 인식이 바뀐 것에 주목하여 메이플스토리 확률 조작 사건에서 나타난 사용자들의 반응을 토픽모델링으로 분석하였다. 이를 위해 사건의 발단이 된 메이플스토리 테스트 월드 업데이트 내용이 업로드된 2021년 2월 18일 17시를 기점으로 국내 온라인 게임 커뮤니티 중 하나인 인벤의 자유게시판에서 총 10만 개의 게시물을 수집하고 토픽모델링 분석을 실시하였다. 이후 도출된 주제별 주요 단어를 10개씩 확인하여 주제를 정의했다. 각 토픽을 비교하며 관련성을 확인했고 이를 통해 사용자들의 반응을 분석한 결과 확률 조작으로 인한 보상으로 환불을 원하고 있다는 것과 아이템의 확률을 조작했다는 것에 대한 사용자들의 분노, 디렉터 본인의 직접적인 사과문과 사용자와의 소통 요구, 또 다른 게임으로의 이탈을 확인할 수 있었다.

본 서비스는 문서 내의 가중치를 분석하여 키워드와 관련된 순서대로 정렬하여 판례/법률 검색의 정확도를 향상할 것을 제안한다. 상용화된 다른 판례/법률 관련 서비스의 경우, 키워드 검색을 통해 자신의 사례를 검색할 때, 요약된 정보가 없거나 너무 짧아 사용자가 원하는 판례/법률 결과를 얻을 수가 없어 본 서비스를 기획하게 되었다.

티켓은 우리의 문화생활을 위한 필수 불가결한 요소이다. 그러나 기존의 티켓 시스템에 대한 소비자들의 불만과 악의적인 범죄 피해가 늘어가는 상황에서 새로운 대안의 필요성이 커졌다. 이를 해결하고자 Klaytn 기반의 NFT 시스템으로 티켓을 NFT화하여 수수료 및 환불에 대한 소비자들의 피해와 불만을 해소하고, 티켓 거래의 투명성을 제고하는 티켓 예매 및 거래 플랫폼 방안을 제시한다.

본 논문은 스마트 축사의 공기/수질/토양 오염을 감시, 살균 및 청소할 드론과 로봇에 관한 연구이다. 서론에서는 서귀포시에서 최근에 개발되어 보급을 시작한 스마트 축사 시스템의 시범서비스와 바른전자의 사례를 통해서 시스템의 발전 방향과 문제점들을 분석한다. 본론에서는 차세대 스마트 축사의 전체 구성도와 서비스 구성표를 작성함으로써 연구개발의 방향을 모색하고, 인공지능, 빅데이터 분석, 드론, 로봇의 협동 방식의 스마트 축사를 구상하여 현존하는 스마트 축사 시스템의 문제점들을 보완하였다. 결론적으로, 본 논문은 차세대 스마트 축사의 환경오염과 자연생태계위협을 근원적으로 해결할 입체적인 감지정보처리 및 실시간으로 오염/전염병의 예방과 선제적 대응을 포함한, 축사에서 발생할 오염 및 전염병 사고/사건을 관할 당국에 신고하고 행정명령을 처리하는 ICT기반시설을 제안한다.

본 프로젝트에서는 다양한 지형에 구애받지 않고 전천후로 활동할 수 있는 로봇을 구현하기 위해 바퀴형 로봇 보다는 4족 보행 로봇을 채택하여 지형 극복에 더 유리하고 안정적인 자세 제어와 보행을 할 수 있는 동시에 LiDAR 센서와 카메라 모듈을 이용한 SLAM(동시적 위치 추정 및 지도작성)과 원격으로 사물과 사람들을 파악할 수 있는 원격조종 탐사로봇을 개발하고자 한다.

본 프로젝트는 환경오염의 원인 중 하나인 음식물 쓰레기에 주목하여, 공유 문화와 음식물 쓰레기 감소의 목적을 가지고 있는 공유냉장고의 홍보와 애플리케이션 개발을 구현하였다. SNS 확산과 모바일 환경 변화를 이용하여 홍보함과 운영주체의 불명확, 음식물 제공과 폐기의 전반적인 데이터 관리에 대한 운영관리체계의 문제점을 해결하기 위해서 기존의 아날로그 방식에서 사물인터넷(IoT)과 애플리케이션 기반의 디지털 방식으로 전환하고자 하였다.

투자 분배 시스템은 지속성, 수익성, 변동성, 하방경직성 등 각각의 지표를 찾아내는 데이터 분석을 조합한 시스템으로 MLP 신경망을 통한 시황을 예측으로 투자 경험이 부족한 일반 사용자에게 안정적인 투자 분배 전략을 제공한다. 투자분배 시스템 구현을 위하여 추가적으로 금융시장에 대한 회귀분석, 켈리 공식과 같은 도구를 활용하였다.

본 논문은 코로나19로 인해 가정에서 생활하는 시간이 길어진 현재 스마트 IoT시스템을 기반으로 각종 환경에 따라 자동으로 창문을 여닫는 "지능제어기를 활용한 스마트 창문"(이하 "윈도우 플러스")을 제안한다. 본 논문이 제안하는 주요한 특징은 다음과 같다. 첫째, 여러 가지 센서와 모터, 라즈베리파이를 이용하여 센서 입력 값에 따라 창문 개폐를 결정한다. 둘째, 안드로이드 어플리케이션과 윈도우 플러스-휴대폰 간 블루투스 통신을 이용하여 창문에 입력되는 대기 환경 수치를 실시간으로 표시한다. 셋째, 실내모드와 실외모드를 구분지어 설정할 수 있으며, 이는 사용자로 하여금 실내 대기 상태를 최적으로 만들 수 있도록 한다. 넷째, 창문의 개폐 여부를 telegram을 통해 사용자가 알 수 있도록 하며, 실내 환경의 보안성을 제공하고. 채팅을 통해 원격제어를 한다. 제안하는 시스템은 기존 수동방식의 창문으로부터 사용자의 편의성을 증가시키고, 자동 환기를 통해 코로나19의 전파를 방지하는데 도움을 줄 수 있는 "윈도우 플러스"의 개발을 목표로 한다.

본 논문에서는 고양이의 생활환경을 개선하고 건강 질환을 예방하여, 반려묘를 기를 때의 부담을 감소시킬 수 있는 '반려묘 돌봄 서비스를 제공하는 지능형 캣타워'를 제안한다. 지능형 캣타워는 첫째, 고양이 나이·품종·체중에 따라 발판 높이를 조절하여 추락사고를 방지하고 관절염을 예방한다. 둘째, 캣타워에 설치된 로드셀·암모니아·인체감지 센서를 이용하여 고양이의 체중, 소변, 식사량, 운동량을 측정한다. 셋째, 캣타워는 측정한 수치를 바탕으로 건강상태를 확인하고, 사료 종류와 급여량 등을 조절하여 비만, 신장 질환 등을 예방할 수 있다.

최근 온라인 수업, 동영상 수업의 수요가 많아짐에 따라 강의촬영을 하는 경우가 증가하는 추세다. 혼자서 강의를 촬영하는 경우도 늘어났지만 혼자서 강의를 촬영할 경우 실시간으로 카메라 각도 조절하기 불편한 점이 있다. 자동으로 강사를 추적하며 강의 촬영할 수 있는 저가의 카메라를 개발 및 연구를 진행하였다.

본 연구는 머신러닝의 한 종류인 YOLOv5를 이용하여 기존 육안 선별작업을 자동화 하는 기계를 설계하는 것이다. 본 연구에서는 영상촬영과 선별작업을 진행하는 컨베이어 기구와 선별 프로그램을 제작하고, 모든 표면을 검사해 사과의 품질을 3단계로 구별하는 작업을 진행하였다. 결과적으로 투입된 사과의 품질을 성공적으로 분류 하였다.

코로나19 이후 화상회의 빈도가 높아지면서 줌 피로라는 신조어가 등장할 만큼 상대방을 가까이 마주하며 회의를 진행하는 것이 사람들의 피로도를 상승시키고 있다. 본 논문에서는 얼굴 합성과 이미지 애니메이션을 이용한 아바타를 통해 사용자가 화상회의에 참가할 수 있는 시스템을 제안한다. 사용자와 닮은 개성 있는 캐릭터는 실시간으로 사용자의 표정 및 움직임을 반영하여 화상회의에 적용될 수 있고 채팅과 커뮤니티에서 캐릭터의 이모티콘으로 감정을 표현할 수 있다.

본 시스템은 스마트폰에서 사용자의 음성을 이용해 집 안이나 밖에서 IoT 단말을 효율적으로 제어할 수 있는 시스템으로, 인식된 음성에 맞춰 가전제품 기동, 조명 조절 등 IoT 단말을 컨트롤한다. 사용자의 음성은 Json 형태의 명령으로 변환되어 에지 컴퓨팅 기술을 통해 저사양 단말이 고사양 단말의 유휴자원을 활용하며 명령에 따른 IoT 단말 컨트롤이 진행된다. 이러한 아키텍처는 IoT 단말 데이터를 외부에 노출하지 않고 컴퓨팅 자원을 효율적으로 운용할 수 있는 시스템을 제공한다.

본 논문에서는 현대인들의 일상생활 속 누적된 스트레스를 완화하고 사용자의 편의를 고려한 "아로마테라피를 지원하는 지능형 샤워부스" 시스템을 제안한다. 제안하는 시스템의 주요 기능은 다음과 같다. 첫째, 적외선 온도 센서와 초음파 센서, 카메라를 통해 사용자의 신체 정보와 기분을 측정한다. 둘째, 측정된 사용자의 신체 정보를 반영하여 Linear actuator를 이용해 샤워기의 높낮이 및 수온을 자동으로 조절한다. 셋째, OpenCV와 앱 내에 만족도 평가를 통해 사용자의 기분에 따라 알맞은 아로마오일을 추천하고 이를 샤워기 필터에 주입한다. IoT기술과 연동된 샤워부스 시스템을 통해 사용자 컨디션에 맞춘 아로마테라피를 지원하여 현대인의 지친 심신 회복과 사용자 편의성이 증대될 것으로 기대된다.

무인 매장의 수가 점점 증가하며 보안과 비용 절감을 위한 솔루션들이 요구되고 있고, 시스템은 이를 해결하기 위한 다중 객체 추적 알고리즘을 제안한다. 한 대의 카메라에서 여러 사용자를 인식하고, 사용자의 정보를 서버에 저장해 주변 카메라에 전달함으로써 적은 카메라 수로 많은 사용자를 추적할 수 있게 한다.

영상처리 기술의 발달로 영상처리 기술을 이용한 다양한 어플리케이션이 출시되고 있다. 영상처리 기술로 영상의 정보를 디지털화 할 수 있는 점에 착안해 춤 실력을 평가하는 시스템을 고안했다. 본 작품에서는 Human Pose Estimation 기술로 사람의 관절 위치 정보를 파악하고, 춤 전문가의 관절 위치와 사용자의 관절 위치를 동작 비교 알고리즘을 통해 비교해 사용자가 춤을 얼마나 정확하게 추는지 수치적으로 점수화해 제공한다.

우리는 일상 속에서 다양한 결제시스템을 접할 수 있다. 그중 무인계산 시스템은 소비자가 구매부터 결제까지 스스로 하는 방식이다. 발전된 기술이 편리함을 제공하지만, 일부 소비자들은 오히려 사용에 어려움을 겪고 사람이 계산을 해주는 기존의 시스템을 선호하는 경우가 많다. 본 논문에서는 소형 IOT 기기와 딥러닝 객체 인식 시스템을 기반으로 한 무인계산대를 설계하고 개발하였다. 계산대의 모습을 구현하기 위해 아두이노 컨베이어 벨트를 이용하고 라즈베리 파이와 파이 카메라를 이용하여 객체 인식 환경을 구현하였다. 파이 카메라를 통해 영상을 인식하고 해당 영상을 실시간으로 전송하여 PC에서 YOLO를 통해 객체를 탐지한다. 이후 탐지된 객체는 소비자가 확인할 수 있도록 디스플레이에 시각화한다. 본 논문에서 제안한 딥러닝 객체 인식 무인계산 시스템은 공산품이 주를 이루는 무인 상점에 활용할 수 있다.

본 연구에서는 낚시성 콘텐츠의 주요 구성 요소인 썸네일과 제목을 MLKit와 TF-IDF를 이용하여 분석하고 이를 딥러닝 Sentence BERT 모델에 적용하였다. 이를 활용하여 추후 낚시성 콘텐츠를 걸러내는 알고리즘을 개발 예정이다.

현재 배달 산업에서는 소비자가 직접 수령하는 방식으로 이루어지고 있다. 해당 상황에서 코로나19로 인해 늘어난 배송량으로 택배 기사의 엘리베이터 점유 현상을 해결하고자 한다. 직접 고객이 수령하는 방식이 아닌 문 앞에 두는 방식을 채택하여 한 번에 많은 택배를 배송하여 택배 기사와 같은 역할을 하고자 한다. 또한, 엘리베이터 사용을 주민 우선으로 하기 위하여 해당 로봇은 스스로 엘리베이터와 연동하여 배송하고자 하였다.

인공지능 로봇 산업의 발달로 우리의 일상생활 속 다양한 곳에서 활용되고 있다. 그러나 로봇의 고비용, 높은 진입 장벽의 문제로 상용화하기에 쉽지 않은 것은 사실이다. 따라서 본 논문에서는 기존 바리스타 로봇의 고비용, 높은 진입 장벽의 한계점을 해결하기 위해 저렴한 오픈소스 로봇인 elephant robotics사의 my cobot 280 pi와 Python을 통한 영상처리 기술을 접목하여 가성비 바리스타 로봇을 제작하고자 한다.

최근 자동차 패러다임이 스마트카의 개념으로 급격히 변화하면서 생체신호를, 기반으로 감정을 인식하는 기술은 졸음에 의한 각종 사고들을 예방하는데 적극 사용되고 있다. 자동차의 안전 시스템의 경우 운전자 주의 경고 기능을 이미 탑재하고 있으므로, 운전자 표정을 인식해 적절한 서비스를 제공하여 자동차의 엔터테인먼트 분야인 인포테이먼트 기술을 더욱 폭넓게 활용할 수 있다.

1인 가구의 증가로 셀프 인테리어의 관심이 높아지자 온라인 구매로 인테리어를 하는 경우가 많다. 그러나 가구를 주문해도 비율적이나 시각적으로 달라 환불하는 경우가 많다. 본 연구에서는 Unity의 AR, VR기술을 활용하여 가구 배치, 거리 측정, 벽지 변환 등의 기능으로 손쉽게 인테리어를 할 수 있고, 자신의 인테리어를 다른 사용자와 공유해 평가 및 비교를 할 수 있는 플랫폼 앱을 구현하여, 인테리어를 손쉽게 할 수 있는 서비스를 제공하고자 한다.

본 논문은 에어컨 토출구 살균조명용 UV-LED 에 관한 연구이다. 서론에서는 에어컨 토출구에 증식하는 곰팡이의 문제점과 원인에 대해 조사 분석함으로써 연구의 목적을 설명하였다. 본론에서는 내부를 살균하며 동시에 무드조명의 역할을 수행함으로써 얻을 수 있는 장점과 작동방식에 대하여 설명하고, 가능성을 확인하기 위한 실험을 계획하였다. 실험계획과 실험결과에서는 이전 다른 실험과의 차이점과 실험계획을 설명하고, 실험결과에 대해 설명하며 이번 실험에서의 한계점 및 보안할 점도 함께 설명하였다. UV-LED 의 설치 위치를 예시를 들며 설명하였다. 결론에서는 본 논문에서 설명한 연구의 내용을 종합하고, 향후 연구의 진행방향과 추가적으로 필요한 실험 및 적절한 UV-LED 의 파장선택에 대해서 기술하였다.

메타버스 시장은 향후 지속 성장할 것으로 예상되지만 현재 메타버스 관련 이해관계자 중계 플랫폼은 부족한 실정하다. 따라서 메타버스 서비스 이해관계자간 연결 플랫폼을 개발한다면 개인, 소상공인, 그리고 중소기업 등 서비스 요청자들의 접근성을 높일 수 있으며, 이를 통한 부가가치 창출이 가능할 것으로 기대된다. 이에 따라 '메타드림(Meta Dream) 플랫폼'을 기획하고 개발하였다.

최근 성인들을 위한 '키덜트 장난감'의 관심도가 증가하고 있다. 그중 높은 매출을 보이는 RC 카와 VR 의 콘텐츠 부족 및 대중화 문제를 해결하면 시장규모를 성장시킬 수 있다고 판단한다. 본 논문은 차별화된 RC 카 레이싱 게임 개발을 목표로 한다. 스마트폰용 VR 기기를 착용해 영상을 보며 컨트롤러로 RC 카를 조종한다. 또한 실시간 객체 검출이 가능한 YOLOv5 를 활용해 표지판 인식 및 바운딩 박스, 표지판 라벨, 라벨 음성 출력 기능과 오픈 소스 기반 실시간 컴퓨터 비전인 OpenCV 기반 알고리즘을 활용하여 차선을 인식해 이를 기반으로 영상 처리를 거쳐 가상 차선 및 가상 트랙을 출력한다. 결론적으로 RC 카와 VR 로 구현하여 이를 통해 부족한 VR 컨텐츠를 추가하고 접근성을 강화한다.

자율주행의 시대가 도래함에 따라, 딥러닝 모델에 대한 적대적 공격 위험이 함께 증가하고 있다. 카메라 기반 자율주행차량이 공격받을 경우 보행자나 표지판 등에 대한 오분류로 인해 심각한 사고로 이어질 수 있어, 자율주행 시스템에서의 적대적 공격에 대한 방어 및 보안 기술 연구가 필수적이다. 이에 본 논문에서는 GTSRB 표지판 데이터를 이용하여 각종 공격 및 방어 기법을 개발하고 제안한다. 시간 및 정확도 측면에서 성능을 비교함으로써, 자율주행에 최적인 모델을 탐구하고 더 나아가 해당 모델들의 완전자율주행을 위한 발전 방향을 제안한다.

본 논문에서는 자동화 시대에 맞춰 실시간 영상처리 기반의 모니터 품질검수 시스템을 구현하고자 한다. 작동하는 컨베이어벨트 위에 모니터가 놓이면 아두이노(Arduino)와 웹캠(Webcam), 각종 모터, 센서 등 다양한 부품으로 영상처리를 진행하여 불량 화소 기준에 따라 불량 여부를 판별한 후 자동으로 분류된다. 기존에 노동자가 직접 불량 화소를 판별하는 방식에서 모든 과정을 ICT 기술로 통합하여 최소 비용과 시간의 효과를 발현시키는 첨단 지능형 공장으로의 변화를 주고자 한다.

최근 온라인 유통의 약진 속에서 대표적인 오프라인 유통인 백화점 채널이 예전에 비해 경쟁력이 약화 되었다는 평가를 받고 있다. 이는 유통채널로서의 경쟁력이 약화 된 것이지, 복합 문화 센터의 경쟁력은 나날이 느는 추세다. 길이 복잡한 백화점에서 비대면 방식으로 시설 안내 및 길 찾기 동행, 사용자 나이 및 성별에 따른 매장 추천, 고객 센터 연결 등을 고객에게 제공하는 가이드 로봇을 통하여 경쟁력을 키우고자 해당 서비스를 제안한다.

제어할 사물을 선택하기 위해 여러 단계를 거쳐야 하는 기존 '스마트 홈'의 단점을 보완하고자 본 논문에서는 사용자의 시선 방향을 추정하여 사용자가 바라보는 방향에 있는 사물을 제어할 수 있는 시스템을 제안한다. 일반 RGB 카메라를 통해 Pose Estimation으로 추출한 Landmark들의 좌표 값을 이용하여 시선 방향을 추정하는 알고리즘을 구현하였으며, 이는 근적외선 카메라와 Gaze Tracking 모델링을 통해 이루어지던 기존의 시선 추적 기술에 비해 가벼운 데이터를 산출하고 사용자와 센서간의 위치 제약이 적으며 별도의 장비를 필요로 하지 않는다. 해당 알고리즘으로 산출한 시선 추적의 정확도가 실제 주거환경에서 사용하기에 실효성이 있음을 실험을 통해 입증하였으며, 최종적으로 이 알고리즘을 적용하여 적외선 기기와 Google Home 제품에 사용할 수 있는 시선 방향 사물 제어 시스템을 구현하였다.

This paper is about the development of an automatic stair climbing trolley for carrying loads without manpower. The design of tri-wheeled structure and center of mass enable the trolley to move on flat ground and also to ascend stairs by self-balancing. The overall design enables the trolley to avoid collision to walls when the trolley rotates on domestic landings. When the camera recognizes the stair, the sensor measures distance from the trolley to the stair. Then the trolley can move to align itself in the middle of the stair and it starts climbing. It can ascend to a specific floor based on the floor number entered by the user. As a result, the automatic stair climbing trolley is expected to help humans by protecting from accidents of dropping loads and saving their power. It is also expected to use for various purposes such as delivering packages, moving and carrying heavy loads in buildings without elevator.

The keyword 'healing' is essential to the competitive society and culture of Koreans. In addition, as the time at home increases due to COVID-19, the demand for indoor healing services has increased. Therefore, this thesis analyzes the user's facial expression so that people can receive various 'customized' healing services indoors, and based on this, provides lighting, ASMR, video recommendation service, and facial expression recording service.The user's expression was analyzed by applying the ensemble algorithm to the expression prediction results of various CNN models after extracting only the face through object detection from the image taken by the user.

공기질에 대한 인식이 제고됨에 따라 실내공기질 규제가 강화되고 있다. 따라서 기존 고정형 공기청정기를 대체할 효율적인 기술로 자율주행 공기청정기를 연구하였다. 또한 자율주행 공기청정기에 AI 를 적용하여 오염도를 예측하는 방법으로 기존 자율주행 공기청정기와 차별성을 둔다.

매년 쓰레기 발생량이 증가하는 시대에서 청소로봇의 중요성이 크게 떠오르고 있다. 이에 노면 청소에 집중되어 있는 기존 청소로봇과 달리 본 연구는 쓰레기를 수거하는 방식의 청소로봇을 제시한다. 딥 러닝을 이용한 자율주행 쓰레기통 로봇은 Computer Vision 을 이용하여 쓰레기를 인식하고 자체 제작한 로봇 arm 을 이용하여 수거하며, 장애물을 피해 자율 주행하는 청소 서비스를 제공한다.

본 논문은 코로나19로 인해 발생하는 우울증을 개선하고 태양광 패널을 이용하여 친환경적으로 재배할 수 있는 "태양광 에너지를 활용한 지능형 자율이동 채소재배기"를 제안한다. 본 논문이 제안하는 주요한 특징은 다음과 같다. 첫째, 태양광 패널을 이용하여 재배기에 전원을 공급한다. 둘째, 카메라와 OpenCV를 이용하여 채소의 상태를 매일 확인 후 LED 색상을 조절하여 최적의 채소 성장 환경을 만든다. 셋째, 수위 센서와 모터 펌프를 이용하여 자동으로 물이 공급될 수 있도록 하고, 수온과 수질을 주기적으로 체크하는 등 Human task를 감소시킨다. 넷째, DC모터를 이용하여 실내·외로 자율이동을 하고, 액추에이터를 이용하여 채소가 햇빛을 최대한 많이 받아 성장할 수 있도록 한다. 제안하는 시스템은 가정에서 채소를 재배하는 방식에 IoT기술을 활용하여 사용자의 편의성을 증가시키고, 녹색식물을 통해 '코로나 블루'를 해소하고자 하는 사람에게 필요한 "태양광 에너지를 활용한 지능형 자율이동 채소재배기"의 개발을 목표로 한다.

최근 산업 재해 중 업종별 사고 사망자 수가 1 위인 건설 산업에서 안전관리자는 실질적인 현장관리와 사고 예방의 핵심 인력으로 그 수요가 증가하고 있다. 안전 관리 활동 수준과 재해율은 높은 상관관계에 있음에도 불구하고 적은 인력 및 과도한 서류 작업으로 인해 직무 스트레스 및 생산성 저하에 큰 영향을 미치며 이는 현장 업무 효율성 저하 원인으로 꼽힌다. 특히 중소규모 건설사는 대형 건설사에 비해 안전 관리 활동 수준 차이 조사 항목에서 대부분의 항목에서 열악하며 통합관리시스템 또한 보유하지 않는 경우가 많아 문제가 대두되고 있다. 본 논문에서는 건설사 규모와 관계없이 이용 가능한 스마트글래스(SmartGlasses)와 애플리케이션(Application)으로 현장업무의 프로세스 자동화 구현 및 통합안전 관리 시스템을 제안하여 서류작업의 간소화, 직무 스트레스 감소, 건설 안전 관리자의 생산성 및 안전성의 혁신적 향상에 공헌한다.

코로나 19(Covid-19)사태의 장기화로 비접촉 시스템이 선호됨에 따라 서비스 로봇 시장이 발전하고 있다. 그 중 공항은 특히 접촉에 대한 우려가 큰 장소로 공항 이용객의 안전과 편의를 위한 로봇 시장의 발전이 필요하다. 따라서 영상인식 기반 Haar Cascade 알고리즘을 이용한 트래킹 및 자율주행 기술의 로봇을 개발하였다.

반려동물 시장 및 동물 의료분야의 성장, 동물병원 이용 과정 개선의 필요성으로 반려동물 질병의 시작부터 끝까지 전 과정을 함께하는 원스탑 모바일 애플리케이션을 개발하였다. 증상으로 예상 질병을 진단하는 머신러닝 모델과 자연어 문장을 인식하는 딥러닝 챗봇으로 사용자가 편리하게 반려동물 이상 증상에 대한 예상 질병을 챗봇으로 상담할 수 있도록 구현하였다. 챗봇 시스템을 기반으로 '예상 진단', '질병백과', '문진표', '동물병원' 기능을 추가하여 일관된 기능들로 유기적인 서비스를 구성하였다.

단순한 기능만을 갖고 있던 조명 시장에 전원과 밝기, 색상 외에도 다양한 기능들이 추가된 스마트 전구 제품들이 출시되어 사용자들에게 편리함과 새로운 경험을 제공해주고 있지만, 여전히 사용자의 수동 제어를 필요로 하고 있는 상황이다. 스마트 상황 센서 LightMe는 이에 AI 기술을 접목해 사용자의 조작을 최소한으로 하면서도 쉽게 접근할 수 있는 환경을 제공한다.

각종 유해조수로에 의한 피해가 농가에서 발생하고 있다. 이를 해결하기 위해 기존에 Drone을 이용한 유해조수 퇴치연구가 있엇지만 시간의 제약과 법적인 규제로부터 발생되는 문제점이 발견되어 이를 해결하기 위해 Drone을 Caterpillar 구동형 모바일 로봇으로 대체하였고, 자율주행 기능을 추가하였다. 텐서플로우 객체 검출 딥러닝을 적용하여 유해조수를 학습 및 파악한다. 이 후 유해조수 인식 시 사용자에게 실시간 알림 서비스 및 실시간 스트리밍을 제공하고, 유해조수 퇴치 로봇에 장착된 스피커와 Neo Pixel LED을 이용하여 유해조수의 시각과 청각을 자극하여 퇴치한다. ROS, SLAM과 Object Following을 이용하여 자율주행 로봇을 제어하고 객체를 추적한다.

교통사고의 원인 중 90%는 졸음운전과 같은 운전자의 부주의 때문에 발생하고 있다. 정부에서도 사고로 인한 인명피해 심각성을 인지하고 2019년부터 전방충돌방지 시스템과 차선이탈 경고 장치 등 ADAS(Advanced Driver Assistance Systems)를 의무적으로 적용하도록 규제를 강화하는 추세이다. 충돌사고를 예방하기 위해 본 논문에서는 영상처리를 기반으로 하여 객체 검출, 차간거리 측정, 후미등 검출, 차선 검출 기능을 적용하여 위험한 상황을 감지하고 운전자에게 경고 알림을 제공하는 System을 개발한다. 더 나아가 다양한 모빌리티 서비스에 이를 활용할 수 있는 방안을 제공한다.

본 논문은 주택 청약 과정의 어려움을 줄이고 부적격 당첨으로 인한 불이익을 방지하기 위해 개발된 청약 자격 진단 알고리즘과 가점 계산 알고리즘의 설계 및 개발 결과를 제시한다. 청약 자격 판단 알고리즘은 적격 여부 판단을 위한 조건을 모두 고려하고, 부적격으로 진단될 경우 사유까지 상세하게 제공한다는 점에서 기존 서비스와 차별성을 가진다. 가점 계산 알고리즘은 자격 진단에서 적격으로 판단된 경우, 사용자 정보로 가점을 계산하고 결과를 제공한다. 분양 방식에 따라 가점 계산 기준에 차이가 있는데, 본 알고리즘은 해당 기준을 모두 고려하여 개발되었다는 점에서 실용적이다.

고령화로 인해 65세 이상 운전자가 급증하며 고령운전자의 교통사고 비율이 증가함에 따라 시급한 사회 문제로 떠오르고 있다. 이에 본 연구에서는 객체 검출, 인식 모델을 결합하고 신호등을 인식하여 Text-To-Speech(TTS)로 알리는 쿠버네티스 기반의 프레임워크를 제안한다. 객체 검출 단계에서는 YOLOv5 모델들의 성능을 비교하여 활용하였으며 객체 인식 단계에서는 C-RNN 기반의 attention-OCR 모델을 활용하였다. 이는 신호등의 내부 LED 영역이 아닌 이미지 전체를 인식하는 방식으로 오탐지 요소를 낮춰 인식률을 높였다. 결과적으로 1,628장의 테스트 데이터에서 accuracy 0.997, F1-score 0.991의 성능 평가를 얻어 제안한 프레임워크의 타당성을 입증하였다. 본 연구는 후속 연구에서 특정 도메인에 딥러닝 모델을 한정하지 않고 다양한 분야의 모델을 접목할 수 있도록 하며 고령 운전자 및 신호 위반으로 인한 교통사고 문제를 예방할 수 있다.

본 논문에서는 설명가능한 머신러닝 모델과 관련된 다양한 도구를 활용해보고, 최근 각광받는 주제인 신뢰성에 대해서도 고찰해보았다. 근래의 인공지능 모델은 설명력을 덧붙여 정보 장벽을 낮추는 방향으로 진화하고 있다. 이에 따라 AI 모형이 제공하는 정보량이 늘고 사용자 진화적 인 방식으로 바뀌면서 사용자층이 확대되고 있는 추세이다. 또한 데이터 분석 분야의 영향력이 높아지고 연구 주체들이 다양해지면서, 해당 모델이나 데이터에 관한 신뢰성을 확보해야한다는 요구가 많아지고 있다. 이에 많은 연구자들이 인공지능 모델의 신뢰성의 확보를 위해 노력하고 있다. 본 연구에서는 이러한 노력의 발자취를 따라가보면서 인공지능의 설명가능성에 관하여 소개하려고 한다. 그 과정에서 민감한 데이터를 다루어보면서 신뢰성 활보의 필요성에 대해서도 논의해보려고 한다.

본 연구는 인공지능 기반의 전력 수요 데이터 예측 모델을 구축하고 이를 최종적으로 웹의 형태로 구현하는 것을 목표로 하였다. 기상청 데이터의 기후 요소를 매개변수로 삼아 전력 수요를 예측하고, 그 결과를 가시적으로 시각화하는 것까지의 전 과정을 최대한 간결하게 진행하였다. 추후 한층 더 발전된 모델을 구축할 수 있다면, 전력시장의 효율성과 경제성을 향상시켜 불필요한 에너지 낭비를 미연에 방지할 수 있을 것이라고 기대한다. 나아가 시스템 상용화를 위해 계속 연구 활동에 정진할 수 있을 것이다.

4차 산업 혁명 시대의 각 분야에서 딥러닝, IoT 기술이 접목되면서 최신 기술이 빠르게 발전을 하는 추세이다. 동시에 최근 몇 년간 전동 킥보드 사용자가 급증하면서 사고 수는 배로 늘어나 교통 분야에서는 전동 킥보드에 많은 관심이 쏠리고 있다. 본 연구는 이 두 가지 분야를 접목하여 안전한 전동 킥보드 이용 문화 확립을 통해 스마트 도시에 이바지하고자 한다. 이를 위해서는 사용자들을 단속하는 것이 아닌 자율적으로 올바른 교통 문화에 이바지할 수 있도록 유도하는 것이 효과적이며 이 점이 기존 시스템과의 주요한 차이점이다. 본 논문에서는 영상인식과 IoT를 통한 안전 주행 장려 시스템을 제안하고 이를 앱에서 구현한 모습을 소개한다. 이를 통해 안전한 도로교통 문화뿐만 아니라 친환경 교통수단 이용 장려로 인한 탄소 저감 효과까지 기대한다.

본 프로젝트는 시간, 날씨, 미세먼지 농도, 캘린더, 뉴스 등을 포함한 기본적인 생활정보를 스마트 미러에 디스플레이 해주며 추가적으로 구글 어시스턴트를 활용해 음성인식으로 유튜브 재생, 인터넷 검색 등 다양한 기능을 내재하고 있다. 아울러 인체 감지 센서를 이용해 움직임이 감지되지 않으면 절전모드로 동작하다 움직임이 감지하면 일반 모드로 동작한다. 마지막으로 CCTV 기능을 내재하고 있어 CCTV 화면을 웹 애플리케이션을 통해 실시간 스트리밍 하며 사람 얼굴이 감지될 시 화면을 녹화하는 기능을 포함하고 있다.

비대면 문화가 확대됨에 따라 다양한 산업의 서비스가 메타버스와 접목되어 사람들에게 제공되고 있다. 사회적 고립 등의 문제로 상담에 대한 필요성이 높아지고 있음에 주목하여 Unity를 사용해 비대면 상담이 가능한 메타버스 플랫폼을 개발하였다. 본 논문에서는 자연스러운 아바타의 움직임, 카메라의 이동, Firebase와의 데이터 전달과 Photon 동기화 기능들을 가지는 3D 월드맵의 구현에 필요한 기술들을 포함하였다. 기존에 대면으로 진행되는 상담 서비스를 대체하여 심리 상담에 대한 진입 장벽을 낮추고 접근성을 높이고자 하며, 해당 플랫폼은 여러 비즈니스들과 결합할 수 있음에도 그 의의가 있다고 본다.

현재 사회적 문제로 잘못된 자원 재활용 방법 및 경비 노동자 근로 환경 개선 필요성이 지속해서 대두되고 있으며, 최근 발생한 코로나바이러스로 인하여 배달 음식의 수요가 증가하여 각 가정에서 배출되는 쓰레기의 양이 매우 증가하였다. 이러한 사회적 문제를 효율적으로 대처하기 위하여 본 논문에서는 분리수거가 가능한 사물을 인식하여 AI 모듈로 객체 정보를 전송하고 전송된 정보에 따라 적절한 분리수거를 수행하는 스마트 분리수거 자동화 시스템을 개발하였다. 본 연구에서는 잘못된 객체 정보 전송을 최소화하고, 객체 인식률의 정확도를 높이기 위하여 많은 종류의 Custom dataset을 Yolo_Mark, Scaling Annoter Tool을 이용하여 직접 라벨링 하였으며 K-means Clustering 알고리즘을 적용하여 더욱 정확한 분리수거 자동화 시스템을 구현하였다. 본 연구를 바탕으로 불필요한 자원과 인력 낭비를 줄일 수 있으며, 인간이 아닌 시스템에 의해 통제되므로 더욱 정확한 분리수거가 가능하다.

본 연구에서는 LSTM을 통해 미래 암호 화폐 가격을 예측한 후, 투자자의 성향을 highrisk-high return, lowrisk-lowreturn으로 분류해 맞춤형 커스터마이징 투자 방법을 제안한다. 이를 기존 투자 방식과 비교했을 때 수익성, 안정성 등의 측면에서 우수함을 보였다.

본 논문에서는 비평탄 지형에서 보행할 수 있는 탐사, 정찰 목적으로 설계된 12자유도 4족 보행 로봇의 구성과 주요사양을 설명하고 로봇 하드웨어의 설계 과정과 현실에서 로봇을 구동하기 전 시뮬레이션으로 로봇을 미리 구동시킨 실험결과 및 보행 안전성에 관련된 분석 결과등을 제시하고 실제로 로봇의 보행이 안정한지 확인하는 과정을 보여준다

COVID-19 상황 속에서도 전 세계 Twitter K-POP 콘텐츠 관련 트윗 양은 78억 건 이상으로 매년 성장세를 보인다. Twitter 내 K-POP 팬들은 아티스트 관련 해시태그를 포함한 트윗을 작성하여 같은 팬덤끼리 실시간으로 정보를 전달하고 생산한다. 이러한 맛집 트윗들은 K-POP 팬들이 Twitter 내에서 신뢰도 있는 맛집 정보를 얻는 용도로 사용된다. 하지만 팬들이 정보를 얻기 위해서는 여러 맛집 해시태그로 검색하고 리트윗 수가 많은 트윗을 직접 찾아야 한다. 기존의 맛집 추천 시스템은 서비스 제공자 중심의 구조를 띤다. 서비스 제공자가 일방적으로 정보를 전달하거나, 사용자 리뷰 갱신 간격이 길다는 한계가 존재한다. 본 논문에서는 Twitter 내 K-POP 맛집 해시태그가 포함된 트윗을 Twitter API와 Tweepy를 사용하여 크롤링하였다. 수집한 데이터의 좋아요 수와 리트윗 수를 바탕으로 데이터 필터링을 진행하여 bot user와 광고 계정이 제외된 맛집 관련 트윗을 추출한다. 최종적으로는 추출한 트윗의 정보를 마커로 표시하여 웹 사이트를 제작하였다. K-POP 팬들은 맛집 해시태그를 검색하여 일일이 찾을 필요 없이 웹 사이트에 방문하여 맛집 위치를 확인할 수 있다. 웹 사이트 사용자의 위치가 지도상에 표시되어 가까운 맛집을 찾기도 편리하다. 본 논문에서는 맛집의 위치를 서대문구로 한정하여 진행했다.

고객사에 납품하는 웨이퍼의 안정적인 공급을 위한 웨이퍼 엣지의 결함 검출 장비다. 본 연구에서는 OpenCV와 임베디드 시스템, 머신러닝, 전자 회로 그리고 센서/카메라 기술을 핵심 기술로 R&D 한다. 고객사에서 불량 웨이퍼 발생에 대응하기 위한 장비의 데이터를 생산하여 고객과의 신뢰도 향상 및 유지를 할 수 있다. 그리고 결함이 특정 공정 지점에서 발생하는지 탐색할 수 있다.

본 논문에서는 GPS 기반의 자율주행 군사로봇에 사용된 각종 센서들의 융합(Sensor Fusion)에 대하여 다루고 있다. GPS 를 통한 자율주행의 경우 GPS 의 성능에 따라 정확도 차이는 있으나 특별한 지형지물 없이 로봇의 현재 위치를 파악할 수 있다는 장점이 있다. 하지만 GPS 만 이용하여 자율주행 알고리즘을 구성하는 경우 로봇의 진행 방향을 특정하지 못한다는 문제점이 발생한다. 이를 해결하기 위하여 본 논문에서는 RTK GPS 와 Lidar, IMU 센서를 ROS 환경에서 Robot_Localization 과 EKF(Extended Kalman Filter)를 이용하여 융합하는 방법에 대하여 다루었다.

화재로 발생하는 산업시설의 인명·재산 피해를 줄이고 기존 소방 설비의 단점을 보완하는 소방 로봇을 제안한다. 소방 로봇은 무인 시스템으로 설계되었으며 6개의 핵심 기능인 화재 감지, 화재 진압, 현장 이동, 화재 알림, 소방서 신고, 현장 모니터링으로 구성된다. 로봇의 구성은 구동부, 제어부, 소화부로 이루어져 있으며, 각 구성 중 일부를 선정하고 테스트 통하여 화재 진압에 유효함을 증명하였다.

스마트폰 모바일 앱을 이용한 범죄 예방 시스템은 다양하게 제안되고 개발되어 왔으나, 생활 안전의 유지를 위한 경찰 등 공공 서비스를 위한 인력은 매우 부족한 실정이다. 본 연구는 스마트폰 이용자가 "범죄예방 이론"에 따라 "범죄 취약환경에 및 감시 등 방어기제 부재" 상황에서 신속하게 벗어날 수 있도록 도움을 주는 앱 시스템 필요성 인식에 따라 "긴급 상황 인식 및 자동 알림 신고 앱 시스템"을 기획하여 개발한 결과를 기술하였다.

기술의 무궁한 발전을 이루고 있는 현대사회에서도 전기 산업 현장에서는 크고 작은 사고가 빈번하게 발생하고 있다. 그에 따라 해당 장비는 안정성, 자율성, 내구성을 겸비하고, 무선 통신 시스템을 갖추어 위험 요소와 작업자 간 사이를 이격시켜 안전한 작업 환경을 구축 및 제공한다. 원격 제어 외에도 장비 자체의 결함 감지, 악력 측정, 실시간 영상 제공, 작업 데이터 저장 기능 등 다양한 서비스를 추가하여 제품의 완성도 및 실용성을 증가, 사용자의 작업 편의를 보장한다.

최근 인건비보다 저렴하게 사용할 수 있는 자율주행 로봇에 대한 수요가 증가하고 있다. 팬데믹의 영향으로 마스크 착용과 체온 측정이 의무화되어 키오스크, 체온 측정기와 같은 비대면 서비스의 수요 또한 증가하였다. 하지만 이러한 기능들은 각기 다른 기계에서 독립적으로 사용되며, 현재 보급된 자율주행 로봇을 병원에서 사용하기에는 적합하지 않다고 판단하였다. 본 연구에서 개발한 마스크 착용 여부 확인, 체온 확인, 자율주행을 활용한 안내 기능을 탑재한 인공지능 병원 안내 로봇을 통해 의료진의 업무 효율화 및 잠재적 비용 감소 효과를 기대한다. 본 연구에서는 마스크 착용 여부 확인을 위해 사용한 YOLOv5 알고리즘 훈련 결과를 통하여 높은 성능을 확인하였고 열화상 카메라를 사용한 체온 측정 알고리즘을 개발하였다. 또한, 실내 자율주행 실험을 통하여 Cartographer, Navigation 기능이 정상적으로 작동함을 확인하였다.

본 연구는 '지능형 스마트 안전모 개발'에 관한 것으로, IoT 기술을 기반으로 공사현장에서 발생하는 각종 사고를 방지하기 위한 스마트 안전모를 개발하고, 기존 안전모에 존재하는 한계를 극복하는 것을 목표로 한다. 이를 위해 IoT 기술인 비콘, 블루투스를 활용하여 작업자 주변 환경을 실시간으로 판단하고 작업자를 주변 위험요소로부터 보호한다. 각종 생체센서를 활용하여 작업자의 안전모 착용여부와 건강상태에 대해서 실시간으로 송수신한다. 또한 LoRaWAN의 P2P LR Communication을 이용하여 공사현장의 특성인 통신음영지대를 제거하여 서비스를 안정적으로 제공할 수 있다.

스마트폰 사용자 수가 증가함에 따라 스미싱, 몸캠피싱, 메신저 피싱과 같은 정보통신망을 이용한 범죄가 큰 폭으로 증가하고 있다. 이러한 범죄 피해는 다양한 연령층에서 발생하고 있다. 본 논문에서는 국내 모바일 운영체제 점유율이 가장 높은 안드로이드 운영체제를 대상으로 하는 패킹된 악성 앱 언패킹을 수행하고 시그니처 기반 탐지 도구인 Yara 를 통해 악성 앱에 사용된 패커를 식별하는 통합 악성 앱 언패킹 시스템을 제공하여 악성 앱을 이용한 범죄 대응에 도움을 줄 수 있을 것으로 기대된다.

악성코드를 분석하는 기존 기법인 정적분석은 빠르고 효율적으로 악성코드를 탐지할 수 있지만 난독화된 파일에 취약한 반면,, 동적분석은 난독화된 파일에 적합하지만 느리고 비용이 많이 든다는 단점을 가진다. 본 연구에서는 두 분석 기법의 단점을 해결하기 위해 딥러닝 모델을 활용한 난독화에 강한 정적분석 모델을 제안하였다. 본 연구에서 제안한 방법은 원본 코드 및 난독화된 파일을 grayscale 이미지로 변환하여 데이터셋을 구축하고 AutoEncoder 를 사전학습시켜 encoder 가 원본 파일과 난독화된 파일로부터 원본 파일의 특징을 추출할 수 있도록 한 이후, encoder 의 output 을 fully connected layer 의 입력으로 넣고 전이학습시켜 악성코드를 탐지하도록 하였다. 본 연구에서는 제안한 방법론은 난독화된 파일에서 악성코드를 탐지하는 성능을 F1 score 기준 14.17% 포인트 향상시켰고, 난독화된 파일과 원본 파일을 전체를 합친 데이터셋에서도 악성코드 탐지 성능을 F1 score 기준 7.22% 포인트 향상시켰다.

인체의 미세먼지 노출에 의한 연구가 활발히 진행되면서 미세먼지와 건강 영향에 대한 인과 관계가 입증되고 있다. 미세먼지는 기침, 재채기, 심혈관 질환, 폐암 등 가벼운 증상부터 심각한 질병까지 인체의 건강에 다양하게 영향을 미칠 수 있다. 미세먼지는 2000 년 초부터 꾸준히 높은 농도를 보여왔지만, 사람들이 실제로 미세먼지를 위험 물질로 인식하기 시작한 것은 10 년이 채 되지 않았다. 이에 본 논문은 실외 미세먼지에 대한 정보 제공뿐만 아니라 사용자가 실제로 위치한 실내 미세먼지 농도까지 함께 제공하여 미세먼지에 관한 관심을 증가시키고자 한다.

최근 물류업계는 코로나 펜데믹 이후 비대면 활동의 증가로 물류의 양이 빠르게 증가하고 있는 추세이다. 이를 해결하기 위해 업계는 인력을 계속해서 투입하고 있지만, 물동량 증가율을 따라잡지 못하고 있다. 본 논문에서는 유전알고리즘으로 결정된 최적 배송 순서 기반으로 작동하는 스마트 자동분류 시스템을 개발함으로써 이 현상을 해결하고자 한다. 해당 시스템은 결정된 배송순서에 맞게 택배를 자동으로 분류할 수 있고, 최종적으로 근무환경 개선과 물류효율성 증대에 기여할 것으로 기대한다.

본 논문은 클라우드 환경에 적합한 IAM(Identity and Access Management) 솔루션을 제안한다. 오픈소스 라이브러리인 Keycloak[1]을 이용하여 그룹 별 권한 관리 및 권한에 따른 리소스 관리가 가능하도록 하며, 솔루션을 쉽게 도입하여 사용할 수 있도록 컨테이너 기술을 통해 신속하게 환경을 구축하고 배포할 수 있게 도와주는 플랫폼인 Docker 를 사용해 Docker image 형식으로 제공한다.

우리는 본 연구를 통해 IoT기술이 접목된 스마트 쓰레기통을 구현하고 이를 통해 최적화된 라이프 스타일을 구축해 각자 개인의 삶의 질을 향상시킬 수 있음을 확인하고자 하였다. 본 연구는 '인공지능 스마트 쓰레기통' 개발에 관한 것으로 IoT 기술을 바탕으로 사용자의 쓰레기통에 대한 현황을 핸드폰으로 관리할 수 있게 함과 더불어 사용자의 관여 없이도 AI를 활용해 자동으로 쓰레기통의 상황을 인지하고 동작할 수 있는 IoT 서비스를 구현하고자 하였다. 특히 사용자의 동작을 인식하여 IoT 기술이 기반된 기기들을 통합적으로 제어할 수 있도록 모션인식 등 사용자를 인식하고 환경 상태를 실시간으로 측정해 최적의 관리 서비스를 제공하는 것을 목적으로 하였다.

매년 졸음운전이나 시선 부주의로 인한 운전자 부상 및 사망 사고 소식은 인터넷이나 뉴스등의 매체에 쉽게 접할 정도로 흔하고도 위험한 문제이다. 이를 해결하기 위해 OpenCv, Dlib를 활용하여 실시간으로 운전자의 상태를 촬영하여 눈의 크기, 고개 숙임 등을 감지하여 졸림, 시선 부주의 판단시에 알람을 통하여 운전자에게 경고를 주는 시스템을 개발하고자 한다.

본 연구에서는 2D 이미지 파일을 NFT 3D 패션 아이템으로 변환하여 거래할 수 있도록 한다. 한 장의 2D 이미지가 SMR을 통해 3D 오브젝트로 변환된다. 변환된 오브젝트는 KIP-17 기반의 스마트 컨트랙트를 통해 NFT을 발행할 수 있도록 환경을 구축하고, 최종적으로 NFT를 거래할 수 있는 플랫폼을 제공한다.

본 논문에서는 자율주행을 통해 보도를 청소하는 동안 분실물을 인지할 수 있는 로봇 시스템을 개발하였다. 분실물의 종류는 딥러닝 모델에 의해 지정되고 학습되며 로봇은 이를 인식하여 저장한다. 보도 경계 및 장애물을 감지하기 위해 Image-Segmentation 기술을 사용하였으며, 물체 감지에 사용되는 depth 카메라(d435)를 사용하였다. 학습하기 위한 딥러닝 모델로 YOLOv5 를 사용하였으며, 그 결과 정해진 사물을 인식하는 데 평균 84%의 정확도를 보였다. 이 시스템을 로봇에 적용할 경우 예상되는 효과로는 정확한 보도 인식으로 로봇이 경로를 이탈하지 않도록 하는 것, 유실물품의 신속하고 안전한 인계 등이 있다.

최근 취향 관심사를 기반으로 한 소모임 플랫폼 수요가 높아지듯, 대학 내외의 사회 전반에서 수준 높은 네트워킹에 대한 욕구가 강한 상황이다. 나아가, 교육 환경, 거주 지역, 개인의 성향 등의 변인들이 성장의 주요 발판이 될 인적 자원을 만드는 데에 지대한 영향을 끼친다는 점에서, 진입 장벽을 낮출 서비스에 대한 니즈가 존재한다. 한편, 기존의 플랫폼은 대학 동아리 및 소모임 활동을 분산적으로 취급하며 총괄하지 못한다. 따라서, 본 논문은 기존 플랫폼의 문제점을 개선한 메타버스 웹 플랫폼인 클러버스(Clubverse)를 소개한다. 이는 대학 내 동아리 간의 소통 및 외부 업체와의 연계를 제고하고 성장기회를 공평하게 분배해 변화에 대비할 수 있는 가능성을 지닌다.

본 논문에서는 자율주행에 기반하여 실시간으로 도로환경을 파악하고 순찰 기능을 하는 시스템 개발에 대한 것이다. 시스템은 카메라와 라이다 센서를 통해 얻은 정보를 바탕으로 기본적인 자율주행을 수행하고 탐지된 차량의 물리량을 계산하여 정해진 기능을 수행한다. 이를 바탕으로 현재의 단속시스템이 가지는 한계를 개선하고 경찰의 인력난 문제를 해결할 수 있는 시스템을 개발하고자 한다.

현재 사회적인(COVID-19) 영향으로 메타버스에 대한 수요가 급증하였지만, 메타버스 플랫폼 진입을 지원하는 XR(AR/VR) 장비의 높은 가격대와 전문성 요구로 폭넓은 수요층을 포괄하기 어려운 상황이다. 본 논문에서는 이러한 수요층의 어려움을 개선하고자 웹 캠이나 스마트폰 카메라로 생성된 개인의 사진 이미지를 StyleGAN 딥러닝 기술과 접목시켜 캐릭터를 생성해 Mediapipe를 활용하여 모션 측정 및 제어를 처리하는 서비스를 제안하여 메타버스 시장의 대중화에 기여하고자 한다.

최근 에듀테크 산업은 코로나 19와 4차 산업사회의 발달로 교육의 디지털 트랜스포메이션이 진행되고 있다. 그러나 기존 에듀테크 기술들은 코로나 19로 인해 예기치 못한 환경에서의 교육 불균형과 영유아들의 언어적, 신체적 발달에 대한 방향을 제시하고 있지 못하다. 이에 본 논문에서는 MQTT 기반 유아 신체활동 에듀테크 플랫폼을 제안한다. 제안하는 플랫폼의 적용된 기술은 MQTT와 아두이노 센서를 활용하여 학습 동기를 유발하고 자발적인 참여를 유도한다. 성능평가는 제안하는 플랫폼의 주요 기능인 센서 데이터 처리 정확도를 분석하기 위해 QoS(Quality of Service)레벨별 데이터 처리율과 초당 처리량을 분석한다. 부하 테스트 성능평가를 통해 QoS2 레벨이 요청된 데이터 처리를 모두 정상적으로 완료하여 제안하는 플랫폼의 데이터의 신뢰성을 보장하기 위해 QoS 레벨 2를 적용하고자 한다.

2050탄소 중립 사회 전환을 위한 저탄소 발전전략으로 정부는 '2050 탄소중립'을 선언하고 '2050 탄소중립 시나리오' 수립을 추진하고 있다. 본 논문에서는 개인이 저(低) 탄소 생활을 위한 '에코라이프(녹색습관)' 탄소량 측정과 일상생활에서 자주 먹는 음식들의 탄소량을 측정함으로써 하루 얼마나 많은 양의 탄소 소비의 비교를 통해 경제와 지구를 살리는 '저(低) 탄소 에코라이프'를 제시하고자 한다.

2030 세대의 주식시장 참여율은 갈수록 늘어나는 데에 반해 증권업의 높은 진입 장벽과 부족한 정보로 손실을 보는 경우가 적지 않다. 이러한 상황에서 정보의 주체인 개인이 본인 데이터에 대한 권리를 가지고, 본인이 원하는 방식으로 데이터를 관리하는 패러다임인 '마이데이터' 서비스가 최근 떠오르고 있다. 본 논문에서는 위의 문제를 해결하기 위하여 마이데이터를 토대로 특정 주식 종목과 유사한 종목들을 먼저 선별한 후 순수익이 높게 예측되는 종목을 최종 추천하는 모델을 제안한다.

주차 공간의 부족으로 인해 생기는 문제점들을 해결하기 위해 기존 기계식 주차타워가 아닌 새로운 주차 방식으로 자동 주차 로봇을 만들어보고자 한다. A^* 알고리즘과 QR코드, 각종 센서들을 통해 인공지능 프로그램을 구현하고, 회전반경을 줄여 공간의 효율성을 극대화할 수 있는 메카넘휠을 사용해 모바일 주차로봇을 만들어본다.

최근 키오스크의 사용률이 증가함에 따라 키오스크 사용의 어려움을 겪는 정보 취약계층이 존재한다. 키오스크 사용시 메뉴 선택을 키오스크 앞에서 하며, 절차 또한 복잡하다. 또한 키오스크의 높이가 고정되어 있어 휠체어를 타신분, 어린이 등 고정된 높이에 맞지 않는 사람은 사용이 어렵다. 이를 해결하기 위해 맞춤형 추천과 자동 높낮이 조절 키오스트에 대한 연구가 활발하다. 본 논문에서는 사용자 맞춤형 키오스크를 위한 얼굴 분석 기법의 성능 연구 결과를 제시하고 있다. 가장 대표적인 얼굴 분석 알고리즘들로 알려진 MS Azure 얼굴 분석 기법과 네이버 클로바 얼굴 인식 기법에 대한 비교 실험 결과 성별 인식의 경우 MS Azure 기법이 조금 우수했고 나이 분류의 경우에는 비슷한 성능을 보이는 것을 확인할 수 있었다.

본 연구에서는 스마트 홈 솔루션 IoT 허브 시스템의 하드웨어를 개발한다. IoT를 통해 스마트기기의 상태를 모니터링하다가, 특정 센싱값을 받으면 제어를 통해 스마트기기를 제어할 수 있도록 개발한다. 미세먼지 측정과 온습도를 조절하고, 가정 온도를 측정하여 전자제품의 전원을 조절하는 등 홈을 자동 제어하기 위한 소프트웨어도 함께 개발한다.

뉴스와 같은 정확한 정보를 제공하는 영상을 제작하는 과정은 많은 자원과 시간이 소요된다. 작성된 기사를 이용하더라도 영상 기반의 뉴스를 제작하는 것은 인적, 시간적인 자원의 투여가 불가피하다. 뉴스를 송출하기 위해 소요되는 시간을 줄이기에 현실적으로 어렵다. 따라서 우리는 이러한 문제를 해결하고 빠른 뉴스 영상 제공이 가능한 "뉴스 영상 생성 AI"를 개발하기로 하였다.

본 논문에서 블록체인과 개인화 추천 알고리즘을 통해 사용자 데이터 기반의 카페 정보를 추천하는 시스템과 Non-Fungible Token(NFT) 자동 발행 시스템을 구축하는 방법을 제안한다. Matrix Factorization를 활용한 추천 알고리즘을 통한 맞춤형 카페 정보를 추천한다. 또한 Klaytn을 통한 KIP-17 형태의 NFT를 자동 발급하는 시스템을 제안한다.

데이터 기반 경제가 활성화되면서 데이터의 분석과 활용에 중점을 둔 서비스가 증가하는 추세이다. 금융 분야에서만 활용되던 마이데이터를 관광정보인 외부데이터와 결합해 사용자의 디지털 흔적을 수집, 분석하는 여행 마이데이터 플랫폼을 제시한다. 이를 통해 사용자에게 신뢰도가 높은 여행정보를 제공하고 여행 후 정산 문제를 해결하고자 한다.

본 연구는 유료 OCR 서비스를 이용하여 야외 촬영 이미지의 텍스트를 검출하는 프로젝트에서 야외 촬영 텍스트를 학습시킨 Yolov4 모델을 통한 전처리 작업을 제안한다. 텍스트 감지를 통한 이미지 텍스트 전처리 진행은 불필요한 OCR 실행을 줄여 리소스를 절약하고 유료 서비스의 경우 비용 절감 효과까지 도모할 수 있다는 장점이 있다.

일반적으로 가정 내에서 발생하는 안전 사고의 비율은 비장애인에 비해 청각장애인이 높다. 이는 외부인에게 도움을 받을 수 없는 상황에서 청각장애인 스스로 위험상황에 대한 소리를 인지하지 못하기 때문이다[1]. 본 연구에서는 이러한 문제를 해결하기 위해 시각적 효과 또는 진동 신호를 통해 청각장애인들에게 사고 상황 인지를 돕는 시스템을 제안한다. 현재 상용 제품의 경우는 청각장애인이 스마트기기를 소지하고 있을 때만 알림을 인지할 수 있기 때문에 긴급 상황에서 효과가 떨어질 수 있다. 따라서 제안 시스템에서는 어플리케이션 알림과 함께 건물내 전등 색상에 변화를 주는 서비스를 개발하여 스마트 기기를 소지하지 않는 상황에서도 위험상황에 대한 즉각적인 인지를 통해 위험에 대처할 수 있도록 한다. 소리를 시각화하는 것이 본 연구의 핵심 방법론이며 이를 위해 Convolutional Neural Network 모델과 라즈베리파이를 활용하였다.

본 논문은 수액 치료 부작용 방지와 환자의 안전한 병원 생활환경을 조성하는 "장애인의 안전한 병원 생활을 위한 스마트 링거 폴대"를 제안한다. 본 논문이 제안하는 주요 특징은 다음과 같다. 첫째, 무게 센서로 수액의 잔량이나 주입 속도를 측정하고 조절한다. 사용자는 앱을 통해 수액에 대한 정보를 확인할 수 있다. 둘째, 자이로 센서로 측정한 팔의 높이와 적당하게 자동으로 폴대의 높낮이를 조절한다. 셋째, 앱과 조이스틱으로 링거 폴대를 상하좌우 움직이며 이동 경로에 장애물 존재 시 알람을 울리게 한다. 넷째, 심박수 센서를 통해 환자의 평균 심박수를 측정하고 심박수 값이 정상 범위를 벗어나는 경우 아로마, 백색소음, 수면유도, 심리상담을 통해 심리안정 서비스를 제공한다. 제안된 시스템은 기존 병원에서 수액을 투입하는 방식에 IoT 기술을 적용하여 수액 치료 부작용을 예방하며, 시각장애인 환자의 거동 도움 및 불안감 해소를 위한 편의 서비스를 제공하는 것을 목표로 한다.

코로나19 확산 이후 온라인 주문 배달 음식 시장 규모가 커짐에 따라 다양한 음식 배달 모바일 플랫폼이 상용화되고 있다. 기존 배달 서비스의 기능 및 사용자 인터페이스(UI)를 분석한 결과, 비시각장애인의 관점에서만 편리성이 확보되고 있다는 것을 파악했다. 또한 시각장애인을 대상으로 한 인터뷰를 통해, 기존 배달 애플리케이션의 복잡한 UI로 인해 많은 시간이 소요된다는 문제점을 알 수 있었다. 이에 본 연구에서는 시각장애인 대상의 인터뷰와 관찰을 기반으로 사용자의 pain point를 극복할 수 있는 사용자 경험 중심의 배달 플랫폼을 개발하고자 한다. 서비스 이용 과정의 간소화, 시각 장애인을 위한 맞춤형 UI 제공, 접근성 강화를 통해 플랫폼 구성을 차별화한다. 이를 통해 시각장애인 사용자의 배달 플랫폼 이용을 수월하게 하고 장애인의 편리한 생활을 보장하기 위한 서비스들이 향후 많이 개발될 수 있도록 동기를 부여한다. 또한, 본 연구를 확장하여 '시각장애인의 키오스크 사용 관련 이슈 해결 방안'을 향후 연구 주제로 제안한다.

본 논문에서는 시중에서 판매되는 점자학습 기기의 단점들을 보완한 점자학습 보드를 제안한다. 학습 보드는 다음과 같은 기능을 수행한다. 첫째, 자음, 모음 등의 기초적인 글자 학습, 단어와 문장 학습, 게임학습, 총 세 가지의 학습 모드를 지원하는 기능. 둘째, 사용자의 학습 데이터를 분석하여 마지막 학습 일자, 학습 진행 상황 등의 다양한 요소를 고려한 학습, 복습 내용을 자동으로 업로드하는 기능. 셋째, 기기에 연동된 애플리케이션을 통해 학습상태를 확인하고 기기를 조작하는 기능. 넷째, 학습 보드와 앱의 음성안내, 생체인식을 사용한 로그인, 음성인식을 통한 언어 변환, 보드 자동 교체 등의 사용자 편의성을 위한 기능이다. 본 논문은 이를 통해 점자학습에 대한 접근성을 높여 시각장애인의 문맹률 감소를 목표로 한다.

본 연구는 와상환자에게 자주 발생하는 낙상, 욕창, 불면증을 영상기술을 통해 인식하여 섬망의 조기진단 모형을 구현한다. 실시간 모니터링을 통해 섬망 잠재환자를 선별하고 집중적인 관리와 치료로 이어질 수 있도록 간호인력을 보조하는 데 주된 목적을 두고 있다. 과활동형 섬망은 파생위험 중 하나인 낙상과, 저활동형 섬망은 원인 요소인 욕창과 묶어 자세인식을 통해 판정한다. 또한 주로 밤에 악화되는 섬망의 특성을 고려해 눈 깜빡임을 통한 불면증 검사를 추가로 반영하였다. 낙상과 욕창을 섬망과 묶어 융복합적인 위험예측 시스템을 구축함과 동시에, 기존의 섬망 사정도구들이 지니는 시공간적 제약을 개선함으로써 간호인력의 부담을 덜어줄 것으로 기대된다.

2022년 기준, 독거노인 가구 수 176만 가구 시대에 노인을 위한 케어 서비스가 필요하다. 고령화 사회에 맞춰, 노인 케어 서비스가 많이 출시되었으나 비대면 케어 서비스는 부족한 면이 있다. 비대면 케어 서비스의 경우, 특히 비싼 값에 판매된다는 단점과 로봇과 소통해야 한다는 단점이 있다. 이를 보완하여 저렴한 가격에 생명력을 지닌 식물을 이용해 소통을 증진시켜 우울감 해소를 돕는다면, 노인 비대면 케어 체계에 큰 도움을 줄 것이라고 확신한다. 이에 따라, 본 연구에서는 식물와 어플리케이션을 이용하여 저가격 보급화가 가능한 비대면 복지 시스템을 개발하고자 한다. 구체적으로, 화분이라는 대화 매개체를 통해 어르신들의 대화 증진을 유도하여 우울증 완화에 도움을 주고자 한다. 또한, 시스템을 통해 수집되는 일상 데이터를 활용해 이상징후를 파악하여 고독사 예방을 위한 후속 조치를 취할 수 있다. 본 논문에서는 위의 시스템을 통해 복지 사각지대를 해소하며, 어르신들의 정신 건강 증진에 기여할 수 있을거라 기대한다.

본 연구는 전기전자기기를 비접촉 ON/OFF제어와 기기의 수명연장을 개선 시키기위해 전기전자기기에 다용도로 활용되는 제어컨트롤러 모듈인 PLC(Programmable Logic Controller)의 입력측에 마이크로컨트롤러와 AI 비젼카메라를 설치하여, 비접촉 ON/OFF 제어에 관한 아이디어 제시하고, 이를 기반으로 구현하였다. 구현 결과 단순 I,O 신호에 의한 제어와는 다르게 이미지 인식을 구체적으로 구분하여 센싱하고, 다양한 인식 구분을 위해 머신러닝 기반으로 AI 비젼카메라를 학습시킨 결과 물체 및 색깔 구분에 따라서 전기전자기기를 제어 할 수 있었으며, 접촉이 아닌 비접촉 ON/OFF 제어가 간단하게 구현되어, 전기전자기기 수명연장도 기대 할 수 있게 되었다..

최근 들어 기후변화와 함께, 화재 발생이 증가함에 따라 인명피해와 경제적 피해가 늘고 있다. 화재 발생시 인명 피해를 줄여주는 소방시설 중 경보설비와 유도등설비는 위험 상황시 경보와 함께 동선을 유도하는 유도등을 보고 재실자들이 안전한 공간으로 신속하게 대피할 수 있도록 하는 소방설비 이다. 이중에서 유도등설비는 화재발생 상황에서 매우 중요한 역할을 맡고 있다. 특히 복잡한 동선을 가지고 있는 복합건물 및 지하철, 고층건축물에 신속한 대피 유도에 필요한 설비이다. 그러나, 화재 초기에 신속한 대피를 해야 하는데 5분도 되지 않아 화재로 인해 발생한 가스는 검은 연기로 유도등의 역할과 효과를 저해하는 현상을 가져온다. 즉 유도등의 녹색빛이 보이지 않는다. 이는 저시력자 또는 시력에 장애를 가지고 있는 자들은 더욱더 유도등을 확인하고 대피 하기란 쉽지 않게 된다. 이런 단점이 있는 기존의 유도등에 IoT(Internet of Things)와 함께 증강현실 이미지를 스마트기기에 활성화 한다면, 진한 검은연기로 인한 빛의 가림으로 인한 유도장애에 대해서 개선 할 수 있을 거라 생각되어, 변류기의 전류 감지를 시작으로 그 신호를 스마트기기에 녹색의 유도 이미지를 활성화하여 골든타임에 대피가 신속하도록 설비를 구현하여 그 가능성을 확인하였다.

본 논문에서는 시각장애인의 안내견을 위한 인공지능을 활용한 객체 인식 기반 과속 탐지 알고리즘을 제안한다. 이는 안내견이 도로 상에서 이동용 장치를 인식하는 것을 도와줌으로써 위험 요소 탐지 능력을 향상시킬 수 있고, 시각장애인의 안전을 보장할 수 있다. 인식 시스템은 Yolov5를 활용하여 사물 학습 과정을 진행하였고, 이동용 물체의 인식 과정을 통해 속도 측정 및 주변 위험 요소를 구분하여 판단하게 하였다. 판단된 정보는 안내견에게 교육된 신호로 전달되고, 시각장애인을 안전하게 인솔하여 도로상의 사고를 사전에 예방할 것으로 기대된다.

본 논문에서는 태양광 발전에서 전류 측정 부면의 기존 센서를 사용한 방식에서 벗어나 센서를 사용하지 않고 전류를 측정하여 최대 전력점을 제어(MPPT)하는 방식을 제안한다. 이 시스템은 인공지능을 사용하여 전류를 예측, 추산하며, 최대 전력점을 보다 정확하고, 세밀하게 계산하여 추종한다. 그렇기에 본 논문에서는 이 시스템을 구축하기 위해 구성한 알고리즘을 제안한다.

아기의 심장 박동 소리를 듣지 못하는 청각 장애 부모를 위한 태아 초음파 심장박동 촉각 변환 시스템을 개발하고자 하였다. 본 시스템은 아기의 심장박동 소리를 USB 마이크를 이용하여 소릿값을 입력받아 이에 대응하는 값을 진동 모터의 진동 출력 세기와 LED 밝기의 세기로 출력시키도록 하였다. 아기의 심장박동 느낌을 진동으로 표현해 내기 위해 진동의 샘플링 주기를 구체적인 수치로 조절하였고 산모에 따라 진동의 세기와 주변 잡음 제거를 할 수 있도록 조절하는 가변저항 2개를 연결하였다. 그 결과 태아 초음파 심장박동 촉각 변환 시스템을 성공적으로 개발하였으며 장치 체험자들로부터 총 평균 4.63점으로 높은 만족도를 얻었다. 개발 제품은 청각장애 산모들의 모성애를 충족시키고 아기의 심장박동을 느낌으로써 아기의 존재를 느낄 수 있을 것이며, 산부인과의 초음파 영상진단의 확장 신기술로 활용할 수 있을 것으로 기대된다.

재난 상황 발생 시 정보 습득이 어려워 시각장애인의 경우 초동대응 시간을 놓치게 된다. 특히나 화재사고 사상자 중 사망자 비중이 장애인은 비장애인에 비해 약 4 배 ~ 5 배 더 높으며 현재까지도 사상자가 발생하여 중요한 사회문제로 논의되고 있다. 본 연구에서는 기존의 스마트 대피 시스템의 한계점을 살펴보고 한계점을 개선할 수 있는 대안을 제시한다. 초동 시간 내에 사회복지사와 소방관이 사용자의 실시간 위치와 정보를 파악해 신고를 유도함과 동시에 자력 대피가 가능하도록 최적 대피 경로를 능동적으로 결정하여 안내방송을 출력하는 시스템을 소개한다.

코로나-19의 여파와 기술의 발전으로 비대면 거래가 증가하고 있는 추세다. 비대면 거래가 증가하면서 무인점포도 늘어나고 있고, 늘어남에 따라서 시각장애인들은 무인점포를 이용하는데 어려움을 겪고 있다. 본 논문에서는 자율주행 로봇에 음성인식 기술과 딥러닝 기술을 적용하여 시각장애인에게 도움을 줄 수 있도록 ICT융합 로봇을 구현하였다. 무인점포 뿐만이 아니라 안내가 필요한 다양한 장소에서도 적용될 수 있을 것으로 기대한다.

시각장애인이 이미지로 구성된 온라인 쇼핑몰에서 정보를 얻기 어려운 문제를 해결하기 위해, 본 논문에서는 이미지 텍스트 변환 알고리즘 연구를 진행하였다. 해당 연구를 기반으로 개발한 어플리케이션 <들리네>는 쇼핑몰 홈페이지로부터 정보를 수집하고, 이미지 속 텍스트를 추출하여 전처리 및 음성 변환 과정을 거쳐 사용자에게 제공한다. <들리네>는 사용자가 이미지 정보로 이루어진 온라인 쇼핑몰에서 명확한 정보를 편리하게 얻는 것을 목표로 한다.

최근 미세먼지는 중대한 건강위험요소로 고려되고 있고, 미세먼지 취약계층은 이에 대한 적극적 대응이 필요하다. 그러나 현재의 대기환경지수는 세분화 되어있지 않아 본 논문에서는 위해성 평가와 GAM 모형을 기반으로 건강취약계층 대상을 위한 미세먼지 위험지수를 새롭게 개발하였다. 또한, 이에 따라 실내 및 실외활동을 추천하는 시스템을 구현함으로써 생활밀착형 스마트시티로 발돋움하도록 한다.

본 논문은 보이스피싱에 취약한 VoIP와 일반 유선전화 상의 보안을 위해 유선전화의 대화내용을 Google STT API 및 텍스트 자연어 처리를 통해 실시간으로 보이스피싱 위험도를 알 수 있는 모델을 제안했다. 보이스피싱 데이터를 Data Augmentation와 BERT 모델을 활용해 보이스피싱을 예방하는 솔루션을 구상했다.

우리나라의 생산 가능 인구는 올해를 정점으로 감소하기 시작해 앞으로 1,000 만 명 이상 줄어들 것으로 예상된다. 양육과 교육비에 대한 부담이 단산까지 이어지고 있다. 우리나라에 있는 임신, 육아, 출산에 대한 서비스는 매우 적은 편이며 기존에 존재하는 기술의 경우 특정 사용자를 대상으로 해서 소외되는 계층이 생겨나는 문제가 있다. 사람들이 경제적인 격차와 사각지대에 놓여 정보적 격차를 느끼는 만큼 이를 해결할 수 있는 복합적인 서비스와 사용자 편의성을 증대한 기능이 필요한 상황이다. 본 논문에서는 인공지능과 공공데이터를 이용한 임신, 출산, 육아 통합 앱 개발을 통해 모든 사용자가 차별 없이 정확하고 다양한 정보를 얻을 수 있고 혜택을 받아 사회적인 문제를 감소시킬 수 있도록 제안한다.

본 연구는 산후조리원 내 신생아를 위한 원격 관리 시스템을 제안한다. 기존 시스템들은 공기질 문제만을 해결하거나, 모니터링 문제만을 해결하는 등 단순한 동작과 감시에 초점이 맞추어졌으나, 제안하는 시스템은 실내와 신생아 주변에 설치된 각각의 센서를 통하여 공기질을 포함한 실내 환경과 신생아를 모니터링하여 간호사와 산모가 쉽게 신생아의 건강을 웹과 엡으로 모니터링하고 원격으로 관리한다. 또한, OpenCV 라이브러리를 이용하여 신생아의 얼굴을 인식하고 표정별 이미지를 저장할 수 있도록 설계 및 구현하고 있다.

최근 인공지능 기술이 급격하게 발전하고 빠르게 보급되면서, 머신러닝 시스템을 대상으로 한 다양한 공격들이 등장하기 시작하였다. 인공지능은 많은 강점이 있지만 인위적인 조작에 취약할 수 있기 때문에, 그만큼 이전에는 존재하지 않았던 새로운 위험을 내포하고 있다고 볼 수 있다. 본 논문에서는 데이터 유형 별 적대적 공격 샘플을 직접 제작하고 이에 대한 효과적인 방어법을 구현하였다. 영상 및 텍스트 데이터를 기반으로 한 적대적 샘플공격을 방어하기 위해 적대적 훈련기법을 적용하였고, 그 결과 공격에 대한 면역능력이 형성된 것을 확인하였다.

도시화가 급속도로 진행됨에 따라서 일상생활에서 생활폐기물의 관리와 처리에 대한 문제가 심각해지고 있다. 이 문제를 해결하고자 어플리케이션을 통해 생활폐기물 처리를 쉽게 할 수 있는 시스템을 제안한다. '싹처리'는 편리성, 정확성, 확장성, 수익성을 가지고 (중)대형 생활 폐기물 처리하는 딥러닝 어플리케이션이다. 어플리케이션 내의 저장된 딥러닝 과정으로 학습되어진 생활폐기물 분류 모델을 통해 폐기물 사진을 자동 인식하는 과정으로 누구나 쉽게 폐기물 배출을 신청할 수 있다. 정확한 딥러닝 알고리즘과 전이학습, 데이터 검수 등을 통해 높은 성능의 사물 자동 인식을 할 수 있다. 이 시스템을 통해 임산부, 장애인, 독거노인 등의 사회적 약자는 불필요한 과정 없이 손쉽게 폐기물을 처리할 수 있고, 더 나아가 중고시장의 활성화에 기여할 수 있는 가치가 있다.

실시간 보이스 채팅과 텍스트 채팅을 활용하여 양방향 비대면 행사 및 공연을 진행할 수 있다. 사용자의 개성을 나타낼 수 있는 캐릭터를 선택하여 덕성여자대학교 메타버스 캠퍼스를 탐방할 수 있다.

본 논문에서는 모든 사람들이 더 안전하고 편리하게 대중 교통을 이용하기 위해 탑승할 버스를 미리 예약할 수 있는 예약 버튼 시스템과, 단말기에 카드를 찍지 않아도 탑승 버튼을 통해 요금을 자동 결제하는 시스템, 그리고 버스 내에서 직접 stop 버튼을 누르지 않아도 앱의 하차 버튼을 누르면 자동으로 벨이 울리는 어플리케이션 시스템을 제안했다. 기존 버스 관련 앱 대부분이 버스 도착 예정시간, 경로, 정류소 정보들만 있다. 본 논문에서는 여기서 더 나아가 탑승할 버스 예약, 요금 결제, 하차벨 기능을 더한 어플리케이션 기술을 제안했다.

마스크 착용의 보편화로 청각장애인들이 일상에서 소통하는데 어려움을 겪고 있다. 본 논문에서는 청각장애인들의 소통의 불편함을 줄여주기 위해 AR 글래스를 활용한 수어 통역 애플케이션을 구현한다. 구현한 통역 애플리케이션은 STT 를 활용해 텍스트를 지문자로 분리하여 수어 애니메이션을 AR 글래스로 확인할 수 있다. 또한, AR 글래스를 활용해 대화 상대자와 눈을 마주 보며 원활한 소통을 할 수 있다.

지속적인 지구 평균 기온 상승으로 인해 우리나라를 포함한 전 세계적으로 탄소중립을 위한 혁신이 이루어지고 있다. 본 연구는 해양수산부 '해양수산분야 2050 탄소중립 로드맵'의 기준에 따라 에너지 자립률을 극대화하고 효율을 최적화시킨 제로에너지 탄소중립 건축물을 제시한다. 태양광 발전 시스템에서, 패널의 태양 일주추적 기능을 통해 에너지 발전률을 극대화하고, 패널 하향정렬 및 딥러닝 모델을 통해 유지 보수를 용이하게 하여 성능 저하를 예방한다. 폐열을 이용한 열 회수/바이패스 환기 시스템을 통해 에너지 효율을 최적화하고, 온/습도에 가중치를 부여하여 모호했던 환기 시스템 결정 기준을 에너지 효율화에 맞게 최적화해 제시한다. 탄소중립 BEMS 기능이 내재된 앱 개발로 위의 건축물 시스템을 제어·관리한다. 본 연구를 통해 제로 에너지 건축물으로서 항만 건물의 가능성을 제고하고, 탄소중립 항만의 구현을 기대한다.

항만 안전사고를 줄이고자 하는 노력에도 불구하고 항만 산재는 지속적으로 발생하고 있으며, 2017년이후 지속적으로 증가하는 추세이다. 이는 근속 기간이 적어 충분한 훈련이 되지 않았거나 근로자의 안전보다 작업의 효율성이나 비용을 더 우선시하는 환경, 컨트롤 타워의 부재 등으로 인해 발생하는 것으로 추정된다. 본 프로그램에서는 안전사고 관리 기능을 통해 항만 산재를 체계적으로 관리하여 개선된 작업 환경을 제공하고, 훈련 알고리즘을 통해 근로자의 항만 사고를 효과적으로 예방하고자 한다.

'22년 중대재해처벌법과 항만안전특별법이 본격 시행되었다. 이에 대비하기 위하여 본 논문에서는 위험물 컨테이너에서 발생하는 안전사고를 사전에 방지하는 지능형 컨테이너 및 청소 로봇을 제안한다. 지능형 컨테이너 및 청소 로봇은 다음과 같은 기능을 수행한다. 첫째, 유해물질 감지 센서와 산소 센서 등을 통해 컨테이너 상태를 실시간으로 관리한다. 둘째, 유해물질 유출 및 산소 농도가 부족한 경우 위험 컨테이너로 변경 관리한다. 셋째, 컨테이너 내부 유해물질 청소를 위해 로봇을 호출하고 지능형 청소 로봇은 방제약품과 흡착포를 통해 컨테이너 내부를 청소한다. 넷째, 위험 컨테이너는 자동문 개폐관리 기능을 통해 유해물질 청소 완료 전까지 문을 폐쇄하여 안전사고를 방지한다. 본 논문은 제시한 기능을 통해 위험물 컨테이너에서 발생하는 작업자 질식사 등의 사고를 감소시키는 것을 목표로 한다.

스마트 컨테이너 제어를 위해서는 컨테이너 내부에 센서가 필요하나, 센서의 개수가 증가하면 비용 및 시스템 부하가 증가한다. 본 연구에서는 CFD(Computational Fluid Dynamics)를 이용하여 얻은 컨테이너 내부 온도 데이터와 센서 위치 최적화 알고리즘을 이용하여 컨테이너 내부 모니터링을 위한 최적의 센서 위치 결정 방법론을 제시한다. CFD 상용 SW로 컨테이너 내·외부 상황을 가정하여 내부 온도 데이터를 추출하고, 이를 바탕으로 내부 상태를 대표하는 공간들을 구분한다. 컨테이너 내벽에 부착된 센서가 탐지할 수 있는 능력을 탐지 거리 및 각도의 수식들로 나타내어 각 수식을 조합하여 센서의 탐지 능력을 수치화하고, 이 수치에 따라 균등하게 분포된 센서 위치 후보군 중, 선별된 공간을 탐지하는 센서 위치를 최적화하여 효율적인 컨테이너 제어를 위한 여건을 마련한다.

최근 비대면 수요의 증가와 함께 유통·물류산업은 배송서비스 품질 향상을 위해 전략을 세워왔고, 퀵커머스 배송과 같은 빠른 배송서비스가 일상화되자 소비자의 배송서비스의 품질에 대한 기대치도 높아졌다. 이제는 뉴노멀 시대에 접어들며, 수요 불확실성에 대응할 혁신적 기술이 요구된다. 본 논문에서는 배송서비스 품질 향상 전략으로 도로주행 트랜스퍼 크레인을 메타버스 플랫폼을 통해 제안한다. 트랜스퍼 크레인은 도로의 정체와 상관없이 화물운송이 가능하여 배송서비스 속도 향상과 함께 도로 혼잡비용 감소 등 여러 부가적인 효과를 기대해 볼 수 있다.

스마트폰이 널리 보급화 된 현대 사회, 도로 위에서도 스마트폰을 보기 위해 시선을 아래로 향한 채 걸어가는 보행자를 목격할 수 있다. 본 논문에서는 항만 내 안전한 도로 보행을 보장하기 위한 솔루션을 제공한다. 사용자 위험 지역 데이터 및 객체 검출을 활용하여 도로 보행자의 위험여부를 파악한 후, 스마트폰 디바이스 내 설치된 Application 으로 스마트폰 디바이스를 제어할 수 있도록 한다. 본 논문에서 제시하는 솔루션을 통해 사용자의 주위를 환기할 수 있고, 전방 미주시로 인한 사고를 예방할 수 있다.

본 연구는 항만에서 안전 수칙을 위반하여 발생하는 사고 및 이상행동을 실시간 탐지를 수행한 후 위험 상황을 관리자가 신속하고 정확하게 대처할 수 있도록 지원하는 지능형 CCTV, Smart Eye를 제안한다. Smart Eye는 컴퓨터 비전(Computer Vision) 기반의 다양한 객체 탐지(Object Detection) 모델과 행동 인식(Action Recognition) 모델을 통해 낙하 및 전도사고, 안전 수칙 미준수 인원, 폭력적인 행동을 보이는 인원을 복합적으로 판단하며, 객체 추적(Object Tracking), 관심 영역(Region of Interest), 객체 간의 거리 측정 알고리즘을 구현하여, 제한구역 접근, 침입, 배회, 안전 보호구 미착용 인원 그리고 화재 및 충돌사고 위험도를 측정한다. 해당 연구를 통한 자동화된 24시간 감시체계는 실시간 영상 데이터 분석 및 판단 처리 과정을 거친 후 각 장소에서 수집된 데이터를 관리자에게 신속히 전달하고 항만 내 통합관제센터에 접목함으로써 효율적인 관리 및 운영할 수 있게 하는 '지능형 인프라'를 구축할 수 있다. 이러한 체계는 곧 스마트 항만 시스템 도입에 이바지할 수 있을 것으로 기대된다.

본 논문은 최근 울산항만에 물류 차량과 사람이 충돌하는 위험이 수반되어 특별 안전대책에 따라 사각지대 없는 안전관리 체계의 일원으로 차별화된 울산항만과 선박 사이의 스마트 안전 정류장 구축과 이를 연계한 인공지능 기반의 무인 자율 이송 트램을 구현하는 프로젝트이다. 플랫폼 기반의 하드웨어로 각종 사물에 센서와 통신 기능을 내장하여 인터넷에 연결하는 사물인터넷(IoT)와 안드로이드 기반의 앱으로 사물인터넷에서 측정된 정보를 제공하거나 스마트 정류장과 연계하여 안전하게 이동할 수 있도록 서비스를 제공하며 이를 위해서 사물인터넷(IoT)을 분석한 데이터 정보는 인공지능 기반의 무인 자율 이송 트램의 사고를 방지하기 위해 꼭 필요하다.

해외로 이동하고 있는 컨테이너 화물의 실시간 위치를 확인하고 기상정보 및 국제 이슈 등을 고려하여 도착 예상 시간을 계산해 화물의 도착 예정시간을 실시간으로 확인할 수 있는 서비스이다. 그동안 선박 추적 시스템은 해외 서비스에 의존해왔으며, 선사에서 자체적으로 제공하는 정보는 정확도가 40%에 미치는 한계가 존재했다. 이러한 문제점을 보완하여, 해당 서비스를 통해 빅데이터 기반의 분석과 향후 프로젝트 운영을 통해 축적될 시스템 상의 데이터와 현장의 데이터를 취합하여 높은 정확도를 이룰 수 있을 것으로 예상한다. 이를 통해 수출 기업들은 안전재고를 감축할 수 있게 되어 보관 관련 물류비용을 절감할 수 있게 될 것이다. 또한 보다 정확한 제조 일정을 수립할 수 있게 되어 과잉 생산을 방지할 수 있음을 기대해볼 수 있다.

울산항에서 일어나는 선박사고를 줄이고자 실제 산업환경정보를 수집하여 관제서버로 전송할 수 있는 기능을 갖춘 수상드론과 소형선박 운항자들을 대상으로 제작된 메타환경에서의 모의 운항을 할 수 있는 시뮬레이터를 제작하여 안전한 산업환경을 만들기 위해 복합적인 항만 안전운항관리 솔루션을 구축하고자 한다.

우리나라의 무역 활동을 처리하는 항만은 국가 주요시설로 보안에 만전을 기하고 있다. 그러나 항만의 면적이 넓고 복잡하기 때문에 사각지대가 존재하고 사각지대에서의 불법행위 단속 건수는 매년 증가하고 있다. 이에 항만의 보안 강화를 위한 대책이 필요하다. 본 논문은 항만의 상황을 이동형 CCTV에 부착된 IoT 센서들로 인식하여 YOLOv5 딥러닝 모델로 분석한 후 웹 대시보드에 시각화하는 항만 보안 시스템을 제안한다. 이동형 CCTV는 특정 위치로 직접 이동할 수 있어 거리에 따라 해상도가 낮아지는 기존 CCTV의 단점을 보완할 수 있다. 또한 해당 시스템은 주변에서 쉽게 구할 수 있는 장비들과 오픈소스 라이브러리를 활용하기 때문에 다른 보안장비들에 비해 효율적인 비용으로 높은 보안 효과를 얻을 수 있다는 강점을 지닌다. 본 시스템은 항만시설뿐 아니라 군사시설, 물류시설 등 보안을 중요시하는 다른 분야에 확대 적용될 수 있다는 점에서 의의가 있다.

본 논문은 항만 완전 자동화를 위하여, 자율주행 트랙터와 스마트 신호등을 도입한 IoT 기반 스마트 항만 교통제어 시스템을 메타버스를 통해 제안한다.

본 논문에서는 각종 물류를 운반해야 하는 실내외 환경에서 스스로 실시간 위치측위가 가능하고 사용자를 등록 및 추적할 수 있는 개인용 AGV 로봇을 제안하였다. 제안한 로봇은 UWB(Ultra Wide Broadband)기반의 비콘을 이용해 사용자를 등록, 실시간 위치를 파악하는 것을 통해 추적하는 기능을 제공한다. 로봇을 사용하기 위한 기반시설이 구축되지 않은 환경에서 활용될 수 있는 방안을 제안하고자 한다.