KISTI의 GPU 클러스터 시스템인 뉴론은 NVIDIA의 A100과 V100 GPU가 총 260개 탑재되어 있는 클러스터 시스템이다. 뉴론의 계산노드들은 고성능의 인터커넥트인 Infiniband(IB) 케이블로 연결되어 있어 멀티 노드 작업 수행 시에 고대역 병렬통신이 가능하다. 본 논문에서는 NVIDIA사에서 제공하는 NCCL의 벤치마크 코드를 이용하여 인터커넥트 네트워크의 통신 성능을 비교분석하는 방안에 대해서 소개한다.

본 논문에서는 정보 이론 기반 지표의 힘을 활용하여 전체 그래프 임베딩 방법론의 한 가지인 GL2vec 을 사용하여 임베딩을 생성하고, 이를 바탕으로 상장지수펀드 (ETF, Exchange Traded Fund) 수익률을 예측하는 모형을 생성하고자 하였다. 본 연구는 그래프 구조에 금융 데이터를 내장하고 고급 신경망 기술을 적용하여 예측 정확도를 향상시키는 데에 기여할 수 있음을 확인하였다.

본 연구는 계층적 리스크 패리티 (Hierarchical Risk Parity, HRP) 포트폴리오 방법론과 정규화된 상호 정보 거리의 결합을 연구하였다. 이때, 한정된 이동창에서 발생할 수 있는 유한 크기 효과(finite size effects) 문제를 극복하기 위해 무작위로 섞인 NID 값에 대한 평균치를 제공함에 따라 NID 를 활용한 새로운 포트폴리오 최적화 방법을 제안한다. 본 연구의 결과는 NID 를 통합한 HRP 포트폴리오가 기존 방법론에 비해 통계적 장점과 함께 더욱 효율적이며 안정적임을 보여준다.

의미론적 분할(Semantic Segmentation)은 이미지 내의 객체 및 배경을 픽셀 단위로 분류하는 작업으로 정밀한 탐지가 요구되는 분야에서 활발히 연구되고 있다. 기존 어텐션 기법은 의미론적 분할의 다운샘플링(Downsampling) 과정에서 발생하는 정보손실을 완화하기 위해 널리 사용됐지만 고정된 Convolution 필터의 형태 때문에 객체의 형태에 따라 유동적으로 대응하지 못했다. 본 논문에서는 이를 보완하고자 Deformable Convolution과 셀프어텐션(Self-attention) 구조기반 어텐션 모듈을 사용한 의미론적 분할 모델을 제안한다.

본 논문은 상용 특장차의 한 종류인 텔레핸들러가 주행 중에 전방 노면의 평탄하지 못한 상태, 방지턱 같은 장애물, 기울기가 큰 오르막길, 내리막길 등과 같은 상태를 자동으로 판단하여 운전자에게 도움을 주는 방법론을 제안한다. Stereolabs 사의 ZED 2i 카메라를 사용하여 카메라를 원점으로 하는 임의의 점들의 X, Y, Z 를 찾아내고 해당 점들의 원점으로부터 거리를 이용하여 전방 노면 상태를 판단하였다. 이는 추후 자율주행로봇에도 적용이 가능할 것으로 보인다.

본 연구는 궤적 데이터(trajectory data)를 대상으로 증강 그래프 기반의 그래프 뉴럴 네트워크를 활용하여 다음에 방문한 장소를 추천하는 모델을 제안한다. 제안 모델은 전체 궤적 데이터를 그래프로 표현하여 추출한 글로벌 궤적 플로우의 특성을 다음 방문할 POI 추천에 활용한다. 이때, POI 추천시 자주 발생하는 두 가지 문제를 추가로 해결함으로써 POI 추천의 정확도를 높이는 것을 목표로 한다. 첫 번째 문제는 추천 대상 궤적 데이터의 길이가 짧은 경우에 성능 저하가 발생한다는 것이다. 두 번째 문제는 콜드-스타트 문제이다. 기존 POI 추천 모델은 매우 적은 방문 기록만 가지는 사용자 또는 POI에 대해서는 매우 낮은 예측 성능을 보인다. 본 연구에서는 궤적 그래프에서 일부 엣지를 삭제하여 생성한 증강 그래프 기반의 궤적 플로우 특징 기반 모델을 제안함으로써 짧은 길이의 궤적 데이터 및 콜드-스타트 사용자/POI에 대한 추천 성능을 높인다.

영어 교육 시장 확대로 다양한 영어 학습 시스템이 개발되고 있다. 그러나 어휘의 문맥적 이해와 효과적인 학습 방법을 결합한 지능형 어휘 학습 시스템에 대한 연구는 미비하다. 본 연구에서는 임의의 n 개 영어 단어가 한 그룹으로 제시되고, 이들을 모두 포함한 예문을 제공하는 지능형 영어 어휘 학습 시스템을 개발한다. 본 연구에서는 임의의 n 개 영어 단어가 주어졌을 때 문맥에 맞는 영어 예문을 자동으로 생성하는 모델을 개발하였다. 어휘 평가를 바탕으로 자동으로 취약 어휘를 선정하며 학습자들이 해당 어휘를 학습 할 수 있도록 진행한다. 본 연구에서 개발한 지능형 영어 어휘 학습 시스템의 사용성 평가를 위해 설문 검사를 실시하였다. 설문 결과는 문맥 및 어휘 그룹 기반의 지능형 영어 학습 시스템은 사용자들이 사용하기 편리하고 어휘 능력을 향상시키는데 도움이 될 수 있음을 보여준다.

영어 공인 시험에서 영어 어휘는 가장 중요한 요소 중 하나이다. 그러나 기존 영어 어휘 학습 시스템은 단순히 어휘 교재의 콘텐츠를 디지털화한 것에 그치고 있다. 영어 어휘 학습에서 동의어에 대한 학습은 언어 능력을 향상시키고 다양한 상황에서 효과적으로 의사소통할 수 있는 능력 향상에 도움이 된다. 본 연구에서는 학습자들이 영어 어휘 학습을 효과적으로 할 수 있도록 동의어 및 반의어를 활용할 수 있는 학습 시스템을 제안한다. 본 시스템은 동의어와 반의어에 대한 정보가 필요한 영어 어휘를 입력으로 받아 생성형 AI에서 동의어 및 반의어에 대한 정보를 생성한 후에 반환하는 기능을 수행한다. 본 시스템은 학습자들이 어휘 평가에서 오답으로 답한 어휘에 대해 동의어 및 반의어에 대한 추가적인 어휘와 예문을 제공하여 영어 어휘 학습의 효율성을 높일 수 있을 것이다.

본 논문에서는 서술형 수학 문제 풀이 모델의 숫자 대소관계 파악을 위한 명시적 자질추출방식 Explicit Feature Extraction(EFE) Reasoner 모델을 제안한다. 서술형 수학 문제는 자연현상이나 일상에서 벌어지는 사건을 수학적으로 기술한 문제이다. 서술형 수학 문제 풀이를 위해서는 인공지능 모델이 문장에 함축된 논리를 파악하여 수식 또는 답을 도출해야 한다. 때문에 서술형 수학 문제 데이터셋은 인공지능 모델의 언어 이해 및 추론 능력을 평가하는 지표로 활용되고 있다. 기존 연구에서는 문제를 이해할 때 숫자의 대소관계를 파악하지 않고 문제에 등장하는 변수의 논리적인 관계만을 사용하여 수식을 도출한다는 한계점이 존재했다. 본 논문에서는 자연어 이해계열 모델 중 SVAMP 데이터셋에서 가장 높은 성능을 내고 있는 Deductive-Reasoner 모델에 숫자의 대소관계를 파악할 수 있는 방법론인 EFE 를 적용했을 때 RoBERTa-base 에서 1.1%, RoBERTa-large 에서 2.8%의 성능 향상을 얻었다. 이 결과를 통해 자연어 이해 모델이 숫자의 대소관계를 이해하는 것이 정답률 향상에 기여할 수 있음을 확인한다.

폰노이만 구조를 따르는 기존의 컴퓨터 시스템은 프로세서와 메모리의 역할이 구분되어 있으며 프로세서는 메모리에 저장된 명령어와 데이터를 불러와 실행한다. 이 과정에서 메모리와 프로세서 간에 발생하는 데이터 이동은 메모리 집약적인 응용을 처리하는데 있어서 심각한 오버헤드를 야기할수 있다. PIM(Processing-In-Memory)은 데이터 이동 병목을 해결하기 위해서 메모리에 프로세서의 능력을 통합하는 기술로서 최근의 메모리 기술의 발전으로 주목받고 있다. 본 논문에서는 UPMEM사의 상용 PIM 제품을 기반으로 몬테카를로 방법을 이용한 원주율 추정을 구현하고 성능 확장성을 분석하였다.

The recent scholarly focus has been directed towards the expeditious and accurate detection of salient objects, a task that poses considerable challenges for resource-limited edge devices due to the high computational demands of existing models. To mitigate this issue, some contemporary research has favored inference speed at the expense of accuracy. In an effort to reconcile the intrinsic trade-off between accuracy and computational efficiency, we present novel model for salient object detection. Our model incorporate group-wise attentive module within the decoder of the encoder-decoder framework, with the aim of minimizing computational overhead while preserving detection accuracy. Additionally, the proposed architectural design employs attention mechanisms to generate boundary information and semantic features pertinent to the salient objects. Through various experimentation across five distinct datasets, we have empirically substantiated that our proposed models achieve performance metrics comparable to those of computationally intensive state-of-the-art models, yet with a marked reduction in computational complexity.

여러 인공지능 서비스의 보급은 초고성능 컴퓨팅 시스템 아키텍처의 변화를 야기하였고 다양한 계산 자원들의 활용이 모색되고 있다. 본 연구에서는 이러한 계산 자원들의 수용을 위해 범용적으로 사용되는 PCIe 버스를 기반으로 시스템 버스 확장 장치를 설계하고 구현하였다. PCIe 4.0 스위치를 기반으로 하는 확장 보드와 어댑터 카드를 개발하였고 GPU를 활용하여 실제 시스템으로의 활용 가능성을 검증하였다.

사용자 응용 프로그램의 특징을 분석하고 효율적인 시스템 운영을 통하여 사용자 프로그램 최적화를 지원하기 위하여 소프트웨어 프로파일링을 수행한다. 특히 국가 슈퍼컴퓨터인 누리온과 같이 8,400대가 넘는 계산노드로 구성된 클러스터 시스템에서 응용 프로그램의 프로파일링 데이터를 사용자의 개입없이 수집하고 데이터를 분석하는 것에는 한계가 있다. 본 연구에서는 배치작업 스케줄러를 활용하여 사용자의 개입 없이 응용 프로그램의 프로파일링 데이터를 수집하기 위한 방법을 제안한다. 그리고 제안한 방법을 누리온에서 구현하고 사용자 응용 프로그램이 실행될 때 프로파일링 데이터가 수집되는 것을 확인한다.

FALCON 알고리즘은 격자기반 서명 체계로 서명 길이 및 공개키가 짧고, 서명 생성/검증 속도가 빠르다는 장점이 있다. 하지만 Fast Fourier Transform(FFT), discrete Gaussian sampling과 같은 리소스가 많이 사용되는 연산이 활용되기 때문에 최적화 연구가 필요하다. 최근에는 병렬처리 및 파이프라인 기법을 활용할 수 있는 하드웨어를 통한 최적화 및 ARM 아키텍쳐의 병렬 처리 유닛을 활용하고 메모리 접근 방식을 최소화하는 방법들이 연구되고 있다. 이에 본 논문에서는 FALCON 알고리즘 대상 최적화 연구 동향과 그 결과를 분석하고 향후 추가적으로 필요한 FALCON 최적화 구현 방안에 대해서 기술한다.

SYCL은 C++을 기반으로 하는 언어로 가속기를 사용하는 복잡한 과정을 C++의 특징 중의 하나인 추상화를 사용해 개발자가 쉽게 접근할 수 있게 한다. 그러나, 가속기를 활용하는 측면에서는 성능을 최대한으로 끌어내기 위해 저수준 접근도 필요하다. 특히, NVLink와 같이 효율적인 멀티-GPU 통신을 해주는 인터커넥션 링크 활용을 위해서도 필요하다. 본 논문에서는 SYCL 구현물 중의 하나인 AdaptiveCpp을 가지고 NVLink로 연동된 멀티 GPU 환경에서 효율적으로 프로그래밍을 할 수 있는 방법을 제안하고, SYCL 개발자들이 SYCL의 설계 철학을 따라 프로그래밍을 할 수 있도록 이러한 기능을 추상화하여 담은 MPI wrapper API를 제안한다.

본 논문은 1인 가구의 증가에 따라 개인화된 여행 애플리케이션의 필요성을 강조하며, 안전성과 소통 기능을 강화한 애플리케이션을 개발하는데 목표를 설정하였고, 또 다른 주요한 문제점 해결을 모색하였다. 따라서 기존 애플리케이션과 차별화된 기능을 제시하여 혼자 여행하는 사람들의 여행 만족도 향상을 위해 애플리케이션을 개발하고자 한다.

ML/DL과 같은 AI의 연구가 HPC 환경에서 수행되면서 데이터 병렬화, 분산 학습 및 대규모 데이터 세트를 처리를 위한 요구사항이 급격히 증가하였다. 또한, 병렬처리 연산에 특화된 가속기 기반 이기종 아키텍처 환경 변화로 I/O 처리에 고대역폭, 저지연의 스토리지 기술을 필요로 하고 있다. 본 논문에서는 고집적의 병렬 컴퓨팅 환경에 고성능 HPC, AI 애플리케이션을 처리하기 위한 티어링 스토리지 기술을 논한다. 나아가 실제 고성능 NVMe 기반의 플래시 티어링 계층 구성에서 액세스 패턴에 따른 데이터 처리 환경을 구축하고 성능을 검증한다. 이로써 다양한 사용자 어플리케이션의 I/O 패턴을 특성에 맞게 지원할 수 있다.

CEFR(Common European Framework of Reference for Language)는 유럽 전역의 교육기관에서 언어구사 능력을 평가하는 평가 기준이다. 본 논문은 학습자가 문장 작문한 것을 CEFR 에 기반하여 평가하는 모델을 기술하는 것을 목표로 한다. CEFR 기반 문장 작문 평가는 크게 전처리 단계, 작문 단계, 평가 단계로 구성된다. CEFR 기반 문장 작문 평가 모델의 평가는 CEFR 수준별로 분류한 문장들이 전문가의 수동 분류와 일치하는 지의 정확도와 학습자가 작문한 결과의 자동 평가로 측정되었다. 실험은 독일어를 대상으로 하였으며 독일어 전공 41 명의 대학생에게 CEFR 6 등급별로 5 문장씩 총 30 문장의 2 세트를 만들어 실험을 실시하였다. 그 결과 CEFR 등급별 자동 분류는 전문가의 수동 분류와 61.67%로 일치하는 정확도를 보였다.

대학의 교육혁신을 위해 교수역량을 진단하고 향상하고자 하는 노력이 한창이다. 본 연구에서는 공학계열 교수자의 교수역량을 향상하기 위하여 수업역량을 진단하고 분석하였다. 타계열과의 비교·분석을 통해 공학계열 교수자의 수업역량을 향상할 수 있는 방안을 제공하고자 하였다.

프로그래밍 모바일 앱은 장소에의 제약성 해소와 장비의 경량화가 가능하다. 프로그래밍 실습을 위한 환경으로 PC나 서버 연결 온라인 환경 등이 주로 사용되나 모바일 앱은 거의 사용되지 않는다. 이 연구에서는 모바일 앱을 활용하여 프로그래밍할 수 있는 환경을 설계하고 구현한다. 프로그래밍 언어로는 LISP의 파생어인 Scheme을 사용하였다. Scheme 언어는 다중 패러다임 언어로서 프로그래밍 교육에서 다양한 관점으로 문제 해결 방식을 제공할 수 있다. 이를 통해 Scheme 언어에 대한 인터프리터를 서버리스 프로그래밍 앱으로 설계하고 구현하는 과정을 기술한다. 구현 결과에 대한 인터프리터 처리 성능 실험으로 재귀 함수로 피보나치 수열을 계산하였을 때 PC 수행 시간에 대한 모바일 버전 수행 시간 백분율 기하 평균은 0.96으로 모바일 환경에서도 일반 컴퓨터 환경에 버금가는 처리 성능을 얻음을 확인하였다.

이 논문은 한글 프로그래밍 언어 KoBASIC의 설계 및 구현에 관해 기술한다. 현대 사회에서 프로그래밍은 핵심 기술로 자리 잡았으며, 프로그래밍 언어는 이를 실현하기 위한 도구이다. 그러나 대다수의 프로그래밍 언어는 영어로 구성되어 있어, 한글을 주로 사용하는 사용자들에게는 접근이 어려움을 겪고 있다. 이에 본 연구는 한글 사용자들도 쉽게 접근하고 이해할 수 있는 프로그래밍 환경을 제공하기 위한 목적으로, 전통적인 교육용 프로그래밍 언어인 BASIC을 기반으로 한글 프로그래밍 언어 KoBASIC을 새롭게 제안한다.

온라인 저지 시스템은 학습자가 제출한 코드를 평가하기 위해 많은 시스템 자원을 사용한다. 학습자의 코드를 평가하는 방법 중 하나인 코드 효율성 측정은 시간복잡도를 기반으로 평가하기 때문에 대량의 인수를 입력 데이터로 사용한다. 본 연구에서 컨테이너 기술인 도커의 컨트롤 그룹을 활용하여 CPU 자원을 제한한다. 이를 통해 기존에 사용한 데이터보다 적은 데이터를 이용하여 코드 효율성을 측정하는 방법을 제안한다. 제안된 방법에 따르면 최단 경로 계산 문제에서 데이터 크기를 60%, 측정 시간을 33.3% 절감할 수 있는 것으로 나타났다.

인공지능의 추론 작업은 대규모 연산 자원을 필요로 하는 학습 작업과는 다르게 단일 서버에서 다수의 작업을 동시 실행하는 것이 가능하며, 실행 시간이 상대적으로 빠르다는 특성으로 인해 작업 실행을 위해 컴퓨팅 자원을 점유하고 빠르게 작업을 완료한 후 자원을 반환하기 때문에 다수의 추론 작업을 동시에 운용하는데 용이하다. 하지만, 단일 서버의 컴퓨팅 자원은 제한적이다. 이로 인해 컴퓨팅 자원의 허용 범위 내에서 작업을 운용해야 하며, 허용 범위를 초과하는 규모의 추론 작업이 동시에 실행되면 자원 부족으로 인한 경쟁이 발생한다. 본 논문에서는 컨테이너 환경에서 다수의 추론 작업이 동시에 실행될 때 GPU 메모리 부족으로 인한 작업 실패 문제를 실험을 통해 확인한다. 또한, 다수의 추론 작업 사이에서 발생하는 GPU 자원 경쟁과 실행을 실패하는 추론 작업의 GPU 메모리 낭비로 인한 자원 활용률 저하 문제를 분석한다.

쿠버네티스는 컨테이너 오케스트레이션 플랫폼으로, 마이크로서비스 운영에 널리 사용된다. 이는 쿠버네티스가 오토스케일링을 지원하여 서비스 제공자가 부하의 변동에 효과적으로 대응할 수 있도록 지원하기 때문이다. 본 논문은 쿠버네티스 환경에서 runc 와 runsc 두 런타임을 대상으로 CPU 및 I/O 집약적 부하를 주는 웹 애플리케이션을 실행하여 처리 성능을 분석했다. 분석 결과 초당 요청 수가 일정 수준을 넘자 성능이 급락하였으며, 이를 바탕으로 워크로드를 고려한 오토스케일링의 필요성을 제고한다.

대한민국은 국제적인 클라우드 컴퓨팅 추세와 비교하여 클라우드 전환률이 낮은 실정에 있다. 이에 대한 주요 원인으로 보안 문제, 전문 인력 부족, 비용 부담 등이 지적된다. 본 연구는 앞선 문제점을 해결함 동시에 클라우드 마이그레이션의 진입장벽을 낮추기 위해 '보안성을 고려한 클라우드 아키텍처 자동 도식화 플랫폼'을 개발하고자 한다. 이를 통해 국내 클라우드 전환율 향상 및 기업이 직면한 어려움을 완화할 것으로 기대한다.

동기식 분산 딥러닝 기법은 그래디언트 계산 작업을 다수의 워커가 나누어 병렬 처리함으로써 모델 학습 과정을 효율적으로 단축시킨다. 배치 사이즈는 이터레이션 단위로 처리하는 데이터 개수를 의미하며, 학습 속도 및 학습 모델의 품질에 영향을 미치는 중요한 요소이다. 멀티 GPU 환경에서 작동하는 분산 학습의 경우, 가용 GPU 메모리 용량이 커짐에 따라 선택 가능한 배치 사이즈의 상한이 증가한다. 하지만 배치 사이즈가 학습 속도 및 학습 모델 품질에 미치는 영향은 GPU 활용률, 총 에포크 수, 모델 파라미터 개수 등 다양한 변수에 영향을 받으므로 최적값을 찾기 쉽지 않다. 본 연구는 동기식 분산 딥러닝 환경에서 실험을 통해 최적의 배치 사이즈 선택에 영향을 미치는 주요 요인을 분석한다.

최근의 인텔의 새로운 CPU 아키텍처의 도입으로 Singularity 컨테이너 내에서 cgroup 설정으로 인해 특정 작업의 성능에 영향을 초래할 수 있다. 특히 Singularity 컨테이너에서 HPC(고성능 컴퓨팅) 작업은 cgroup 정책에 의해 작업 효율이 달라질 수 있고 아직 새로운 CPU 환경에서의 HPC 작업에 대한 연구가 충분치 않다. 따라서, 본 논문은 Singularity 컨테이너 생성 시 새로운 CPU 아키텍처에 설계된 CPU 코어 유형별 cgroup 지정이 HPC 응용을 포함하여 다양한 유형의 작업 성능에 미치는 영향을 비교 분석하였고, 이를 통해 HPC 사용자에게 가이드라인을 제공하는 것이 목적이다.

오픈 사이언스 운동의 활성화로 인해 다양한 연구 관련 자원들 간의 상호 운용성 확보를 위한 노력이 활발해지고 있다. 특히, 글로벌 연구데이터 커먼즈(Global Open Research Commons) 모델 개발 관련 표준화 활동이 세계 최대 연구데이터 커뮤니티인 RDA(Research Data Alliance)의 주도로 진행되어 왔고, 최근에 GORC Working Group 에서 버전 1.0 모델을 오픈하였다. 이에 이 모델에 대해 살펴보고 국내의 연구데이터 커먼즈인 KRDC(Korea Research Data Commons)와 비교 및 시사점을 논하고 향후 연구 방향을 소개한다.

최근에 Serverless 컴퓨팅은 많은 관심을 받는 기술로, 서버 프로비저닝 없이 코드를 배포하고 실행할 수 있으며 요청량에 따라 동적으로 컴퓨팅 리소스를 확장하여 애플리케이션을 안정적으로 운영할 수 있는 환경을 제공한다. Serverless 컴퓨팅의 주요 이슈 중 하나인 cold start 는 함수를 실행하기 위한 컨테이너 초기화 및 구동하는 단계이며, 해당 과정에서는 이미지 풀링이 수행될 수 있다. 이미지 풀링은 cold start 지연의 대부분을 차지하고 함수의 응답시간을 증가 시켜서 사용자 경험에 부정적인 영향을 줄 수 있다. 따라서, 본 논문에서는 cold start 지연을 줄이기 위해 도커를 활용해서 이미지 레이어 동시 풀링 개수를 조절함으로써 이미지 풀링 속도를 개선시킬 수 있는지 분석하였다. 이와 같은 분석을 통해 풀링 개수가 풀링 속도에 영향을 줄 수 있음을 확인하였다.

머신 러닝의 수요가 증가함에 따라, 머신 러닝 워크플로우의 배포 수요도 증가했다. Kubeflow를 통해 머신 러닝 배포를 편리하게 할 수 있으며, Kubeflow Pipelines에서는 하나의 작업을 여러 컨테이너로 분산시켜서 연산하는 것이 가능하다. 하지만 컨테이너 수를 많이 늘릴수록 반드시 성능이 향상되는 것은 아니다. 따라서, 본 연구에서는 성능 향상의 한계를 제공하는 원인을 분석하기 위해서, Kubeflow에서 CPU 집약적인 작업을 여러 컨테이너로 분산시켜서 연산을 수행하였다. 컨테이너 수에 따른 연산 완료 시간을 비교 및 분석한 결과, 컨테이너 수가 증가할수록 연산 속도 향상이 빨라지나, 어느 시점을 지나면 속도가 다시 완만하게 줄어드는 현상을 확인하였다. 이는 리소스 제한으로 인해 모든 컨테이너가 동시에 스케줄링 되지 못한 것이 가장 큰 원인으로 분석하였다.

소프트웨어를 개발하거나 실행하는 환경은 매우 다양하다. 최근에 혁신을 이끌고 있는 인공지능 모델은 오픈소스 프로젝트룰 통해 공개되는 코드나 라이브러리를 활용하여 구현하는 경우가 많다. 하지만 실행을 위한 환경 설치 과정이 쉽지 않고, 데이터 혹은 기학습된 모델 사이즈가 대용량일 경우에는 로컬 컴퓨터에서 실행하는 것이 불가능한 경우도 발생하고, 동료와 작업을 공유하거나 수동 배포의 어려움 등 다양한 문제에 직면한다. 이러한 문제를 해결하기 위하여, 소프트웨어가 유연하게 동작할 수 있도록 효율적인 리소스를 관리할 수 있는 컨테이너 기술을 많이 활용한다. 이 기술을 활용하는 이유는 AI 모델이 시스템에 관계없이 정확히 동일하게 재현될 수 있도록 하기 위함이다. 본 연구에서는 인공지능 모델 개발과 관련하여 코드가 실행되는 환경을 편리하게 관리하기 위하여 소프트웨어를 컨테이너화하여 배포할 수 있는 기능을 제공하는 연구소프트웨어 개발 통합 프레임워크를 제안한다.

최근 오픈 사이언스 문화가 확산됨에 따라 오픈 데이터, 오픈 소스 소프트웨어와 같은 공개된 리소스들을 효율적으로 공유 및 활용하기 위한 방법이 주목을 받고 있다. 본 논문에서는 연구 소프트웨어의 재현성을 향상시키기 위한 국가연구데이터커먼즈(KRDC)를 소개하고 다중 KRDC 클러스터 간 워크플로우 연계 방안을 제안한다. 국가연구데이터커먼즈는 연구 소프트웨어와 분석 환경인 인프라를 결합하여 함께 제공하는 서비스로, 멀티 노드 쿠버네티스(kubernetes) 클러스터를 기반으로 동작한다. 따라서, 서로 다른 KRDC 프레임워크에 존재하는 리소스들을 하나의 워크플로우로 연계하는 것은 복잡한 사용자 인증/인가 문제, 보안 상의 문제를 고려하여야 한다. 본 논문에서는 프록시(proxy) 앱을 사용하는 워크플로우 연계 기능을 제안하고, 이를 지원하기 위한 통합 인증, 인가 체계와 연계 방안을 구현한다. 제안하는 방법을 두 개의 KRDC 프레임워크를 대상으로 적용하여 제안 워크플로우 연계 방법의 유효함을 확인한다. 본 논문에서 제안하는 워크플로우 연계 방법과 시나리오는 실제 멀티 클러스터 연계 방안을 구현한 사례로, KRDC 프레임워크 뿐만 아니라 다양한 쿠버네티스 기반 리소스 연계에 활용할 수 있는 우수한 결과로 사료된다.

4차 산업혁명과 함께 HPC(High Performance Compuiting) 환경이 보편화되면서 다양한 연구분야와 서비스에서 고성능컴퓨팅 수요가 증가하고 있다. 고성능 컴퓨팅 수요가 증가함에 따라 컴퓨팅 구성에 대한 복잡도 또한 증가하고 있다. 최근 클라우드 환경이 여러 분야에 적용되면서 R&D 연구자들을 위해 시뮬레이션 및 모델링, 가상 실험 등의 환경을 쉽게 제공하는 HPC 클라우드에 대한 새로운 수요와 서비스 요구사항들이 생겨나고 있으며 여러 과학 분야에 HPC 환경을 보다 쉽게 제공하기 위해 중개자가 필요해졌다. 따라서 본 논문에서는 HPC 클라우드 서비스를 설명하고 계산과학 연구자들이 필요한 HPC 클라우드 서비스 요구사항들을 분석하였으며, 이를 기반으로 HPC 클라우드 기반의 연구환경을 쉽게 개발할 수 있는 HPC 클라우드 브로커 고려사항 및 구조도를 제안한다.

본 연구는 web3.0(웹3.0) 서버 환경에서 이더리움 시스템을 구현하려는 것에 목적이 있다. 이더리움 거래 시스템을 만들기 위해 서버 시스템은 web3.0(웹3.0)과 node.js를 사용하였으며, 알케미를 사용하여 기존의 서버 기능을 구현하였다. 또한, 이더리움 실제 거래를 구현하기 위해 메타마스크를 사용하였으며, 이더리움 거래한 데이터를 보기 위해 이더스캔을 사용하였다. 이더리움 거래는 가스를 이용하여 거래의 승인을 하며, 매수자와 매도자는 ERC-20으로 만들어진 토큰을 거래하여 서로의 거래가 성사된다. 그리고 매수자와 매도자의 데이터를 삽입하여 그 정보를 토대로 거래할 수 있게 하였고,. 본 연구에서는 부동산 거래정보를 반응형 웹에 넣어서 그 정보에 의하여 서로 거래가 이루어 질 수 있도록 하였다.

학교, 대형 쇼핑몰, 공항 등과 같은 큰 실내 공간에서는 군중의 동선과 밀도를 파악하고 관리하는 것은 안전사고와 연관되어 있어 매우 중요하다. 와이파이 센싱은 기존에 존재하던 CCTV 카메라나 센서를 활용한 혼잡도 관리보다 효율적이고 정확한 방식으로 추정하는 데 도움이 되며, 설치 및 유지보수 측면에서도 효율적이다. 본 논문에서는 실내 환경에서 군중 수를 추정하기 위해 딥 러닝을 이용한 무선랜 신호 분석 기법을 제안한다. 송수신기가 같은 공간에 위치했던 기존 연구들과는 달리 본 논문에서는 송신기와 수신기가 서로 다른 공간에 배치된 환경에서도 무선랜 수신 신호를 통해 다른 공간의 군중 수를 정확히 예측할 수 있다는 것을 실험으로 검증하였다.

본 논문은 다양한 방향성과 멀티 홉을 고려하여 최적의 콘텐츠 제공을 위한 릴레이 차량 선택 방안을 제안한다. 도로변 기지국의 제한성으로 인해 자율 주행 차량에 탑승한 승객들이 콘텐츠를 충분히 전달받는 데에 있어서, 지연시간과 버퍼링 등의 문제가 발생할 수 있다. 따라서, 도로변 기지국의 보조를 위하여 주위의 다른 차량들을 활용하여 요청된 콘텐츠를 원활하게 제공할 수 있다. 하지만, 기존 방안들은 한 대 또는 너무 많은 차량을 무분별하게 선택함으로써 최적화된 성능을 도출할 수 없었다. 그러므로, 본 논문은 요청 차량과 같은 방향으로 이동하는 1 차 릴레이 차량을 선발하는 데에 있어서 반대쪽에서 오는 2 차 릴레이 차량의 사전 캐싱량을 활용하는 방안을 제안한다. 1차 릴레이 차량의 충분한 요청 차량과의 연결 시간에 비교하여 부족한 사전 캐싱량을 2 차 릴레이 차량들로 보충함으로써 지연시간과 버려지는 패킷을 최소화할 수 있다.

IoT 장치들은 연구, 의료, 금융, 민생 분야 등에 지원하고 있으며 취약한 보안 메커니즘으로 인하여 IoT 네트워크의 개인정보 안전성이 중요해지고 있다. 안전한 다자간 계산은 서로 믿지 않는 참여자라도 데이터 수요자에게 원본 데이터를 누설하지 않는 범위 안에서 다자간 연합 계산 능력을 제공한다. 상업 네트워크나 산업 네트워크에서는 대량의 데이터는 다른 플랫폼들과 통신하기 때문에 기업이나 개인의 개인정보 데이터가 통신 과정에서 도청될 경우 데이터 보유자에게 막대한 경제적이나 잠재적인 손실이 발생한다. 본 논문에서 데이터 통신 과정을 계층별로 정의하여 블록체인에 기반의 안전한 다자간 계산 아키텍처를 제안한다. 제안하는 이키텍처에서 블록체인을 사용함으로써 데이터의 유효성 및 검증 가능성을 보장한다. 인증된 데이터로 안전한 다자간 계산 수행하기 때문에 통신과정의 보안성 및 기밀성도 확보한다. 암호학 및 블록체인 기술의 지속적 발전 및 활성화에 따라 제안하는 아키텍처가 지속적으로 개선할 잠재력이 있다.

오랜 시간 좌식생활은 혈당 수치나 심장병 위험을 높이고 잘못된 자세는 근골격과 건강에 치명적인 악영향을 미친다. 우리나라 성인의 경우, 하루에 앉아서 보내는 시간은 하루 평균 8.9시간으로 점차 늘어나고 있다. 연구에 따르면 30분마다 5분씩 걷기 습관은 혈당 상승 폭을 58% 줄일 수 있다. 또한, 혈압의 경우 1시간마다 1분만 걸어도 효과가 있다. 따라서 본 논문에서는 사용자의 좌식 생활에 따른 부정적인 영향을 개선하기 위해 좌식생활 모니터링 시스템을 제안한다. 제안된 시스템은 사용자가 앉아있는 시간을 기준으로 1시간마다 한 번씩 알림을 주고 잘못된 자세로 있을 시 알림을 주어 올바른 자세를 유지하도록 유도한다.

청각 기능에 문제가 생겨 소리를 잘 듣지 못하는 청각장애인은 육아를 위해 베이비시터를 고용하거나 청각장애인용 소리감지 시스템을 사용하지만, 이는 비용적으로 부담이 될 수 있다. 이러한 문제를 해결하기 위해 사운드 센서 기반의 아기 울음소리감지 시스템을 제안한다. 이는 아기가 있는 곳에 소리감지 시스템을 설치하고, 일정 크기 이상의 소리가 감지되면 손목시계 모양의 웨어러블 디바이스에 진동을 발생시켜 아기가 울고 있음을 알려준다.

Defect detection during liquid crystal display (LCD) manufacturing has always been a critical challenge. This study aims to address this issue by proposing a data augmentation method based on generative adversarial networks (GAN) to improve defect identification accuracy in LCD production. By leveraging synthetically generated image data from GAN, we effectively augment the original dataset to make it more representative and diverse. This data augmentation strategy enhances the model's generalization capability and robustness on real-world data. Compared to traditional data augmentation techniques, the synthetic data from GAN are more realistic, diverse and broadly distributed. Experimental results demonstrate that training models with GAN-generated data combined with the original dataset significantly improves the detection accuracy of critical defects in LCD manufacturing, compared to using the original dataset alone. This study provides an effective data augmentation approach for intelligent quality control in LCD production.

현대사회에 유행처럼 자리잡은 웨이트 트레이닝의 부상률이 높은 것으로 확인되었다. 가장 큰 부상 원인은 '무리한 동작'으로 자신이 수행할 수 있는 운동강도를 인지하지 못하여 근력 유지가 되지 않아 발생한다. 이러한 문제를 해결하기 위하여 근력 유지 실패를 일으키는 원인인 '근피로도'를 검출하여 개인에게 적합한 운동 강도를 찾는 연구를 진행하였다. 그 결과, MNF 기울기 분석을 통해 운동 반복횟수가 증가함에 따라 근피로도가 커지는 것을 확인하였다. 향후, 잡음에 강한 매개변수를 바탕으로 연구가 이어진다면 웨이트 트레이닝의 부상률이 낮아질 것으로 사료된다.

해당 논문은 라즈베리파이를 이용한 온실의 온습도 자동제어 시스템에 관한 연구를 다룬다. 이 시스템은 특정 작물에 대한 최적의 생육환경 제공을 위해 자동으로 온도 및 습도를 측정하고 조절한다. 관리자는 수동으로도 각 기능을 제어할 수 있다. 온습도를 제어하기 위한 방법으로 자연환기, 인공환기, 온실내부 물분사, 열선작동의 방법을 사용한다. 자동화된 온습도 제어 시스템으로 농산물의 생산량 및 품질을 늘림과 동시에 온실 관리에 투자되는 자원을 줄일 수 있어 농업인들의 농업경쟁력을 향상시킬 수 있다.

비닐하우스는 농업 분야에서 매우 일반적으로 사용되는 구조물로, 식물을 보호하고 작물 수확량을 늘리는 데 사용된다. 그러나 비닐하우스는 보안, 위협에 취약하다. 본 논문은 비닐하우스의 보안에 대한 연구를 다룬다. 본 연구로 비닐하우스의 기존 보안 방식에서 IoT를 활용한 보안 방식으로 바꾸어 침입자의 피해에 더욱 발 빠르게 대처가 가능하게 하였다.

라즈베리파이를 이용하여 폭설로 인한 비닐하우스 붕괴 위험을 감지하고 이를 예방하는 장치를 구현하였다. 비닐하우스 상부에 설치된 압력센서를 이용해 눈이 쌓였음을 판단하고 일정량 이상이 쌓였다고 판단되면 서보모터를 이용한 제설기를 작동시킨다. 사용자는 애플리케이션을 통하여 회원가입, 로그인을 할 수 있고 제설기의 자동 또는 수동제어 여부를 결정할 수 있다.

수재해의 증가로 인한 지하차도 침수 사고가 빈번히 발생하고 있다. 지하차도 침수 사고를 예방하기 위한 여러 대비책들이 있지만, 예방적 관점에서 볼 때 사람이 직접 모니터링 하는 방법 이외에는 적절한 예방책이 되지 못한다. 이러한 문제를 해결하기 위해 강수량에 따른 지하차도 진입 여부 시스템을 제안한다. 강수량과 배수량의 차이를 통해 침수 위험도를 판단하여 진입 여부를 파악 후 운전자에게 정보를 전달해 사고를 예방할 수 있다.

비닐하우스 외부 미세먼지로 인해 일사량이 감소하여 작물 품질 및 생산량의 감소가 지속적으로 발생하고 있으며 이를 예방하기 위한 외부 미세먼지 관리가 가능한 시스템이 요구된다. 본 연구는 라즈베리파이를 활용하여 미세먼지 관리 및 모니터링 시스템을 연구하고, 이를 농업 및 환경 연구 분야에 활용함으로써 미세먼지 관리에 새로운 가능성을 제시한다. 이는 관리자가 애플리케이션을 통해 비닐하우스 외부를 효율적으로 관리하여 품질 및 생산성 향상에 기여한다.

최근에 들어 디지털 트윈에 대한 관심이 급증하고 있다. 디지털 트윈은 컴퓨터 기반 시뮬레이션을 통해 물리적 사물이나 현상을 모사함으로써 대상을 최적화하는 기술이다. 그러나 기존의 독립된 디지털 트윈으로는 현실의 복합적인 상호작용을 분석할 수 없다는 한계가 존재한다. 이를 극복하고자 도입된 개념이 연합 디지털 트윈이다. 본 논문에서는 연합 디지털 트윈의 기술적 정의를 살펴보고, 이를 활용한 디지털 트윈의 모듈화 기법을 제안한다.

Federated learning (FL) is a new paradigm in machine learning (ML) that enables multiple devices to collaboratively train a shared ML model without sharing their local data. FL is well-suited for applications where data is sensitive or difficult to transmit in large volumes, or where collaborative learning is required. The Internet of Underwater Things (IoUT) is a network of underwater devices that collect and exchange data. This data can be used for a variety of applications, such as monitoring water quality, detecting marine life, and tracking underwater vehicles. However, the harsh underwater environment makes it difficult to collect and transmit data in large volumes. FL can address these challenges by enabling devices to train a shared ML model without having to transmit their data to a central server. This can help to protect the privacy of the data and improve the efficiency of training. In this view, this paper provides a brief overview of Fed-IoUT, highlighting its various applications, challenges, and opportunities.

일반인은 잘못된 자세를 곧잘 인식하지 못하고 관절에 악영향을 주기 쉽다. 이는 발병으로 이어질 가능성이 있기에, 이를 예방하고자 본 연구에서는 자세 교정 의자 시스템을 제안한다. 해당 시스템은 압력센서로 수집한 데이터를 애플리케이션으로 통신하여, 애플리케이션을 통해 사용자의 자세에 대한 피드백을 제공한다. 또한, 자세와 통증에 대한 통계로 사용자의 자세 교정 및 자가 진단을 돕는다.

다양한 기후변화로 인한 금전적 피해와 위험한 상황을 예방하는 것은 중요한 과제이다. 기존의 창문은 사용자가 수동으로 제어해야 하므로 사용자 부재 시 피해가 발생할 수 있으며, 이에 대한 신속한 대처가 요구되고 있다. 이를 위해 라즈베리파이와 센서를 활용하여 장소의 구애 없이 날씨에 따라 유동적인 대처가 가능한 자동 창문 개폐 시스템을 설계 및 구현하였다.

실내 내비게이션 기술은 시설물 구조에 익숙하지 않은 방문자의 길 안내뿐만 아니라 무인 이동체들의 위치를 파악하는 데 중요한 역할을 한다. 본 논문에서는 UWB 기술을 활용하여 타깃 영역 안에서의 좌표를 추출하고 이를 활용하여 길 안내를 해주는 앱을 개발하였다. 개발된 앱은 보정 기법을 통해 사용자의 실제 위치와 지도 위에 표시되는 위치 사이의 오차를 최소화하였다.

반려동물이 혼자 있는 시간이 많아지면 분리불안, 우울증, 이식증 등 질병이 생기기 때문에 이것을 방지하기 위해 보호자가 외부에 있어도 혼자 있는 반려동물을 돌보기 위한 앱이다. 플러터로 다중플랫폼 앱을 개발하였고 기능에는 원격 조작, 건강 상태 진단, 자동 급식, 청소, 놀이, 실시간 모니터링 기능이 포함되어 있다. 아두이노와 통신을 위한 flutter Blue 패키지를 사용하였다. 반려동물 돌봄 로봇은 아두이노와 블루투스 모듈을 활용하여 스마트폰 앱에서 조작 가능한 Caterpillar 모바일 로봇을 활용하였다. 이 연구의 목적은 반려동물과 보호자에게 편의성 제공을 목표로 한다.

Federated learning (FL)-based network intrusion detection techniques have enormous potential for securing the Industrial Internet of Things (IIoT) cybersecurity. The openness and connection of systems in smart industrial facilities can be targeted and manipulated by malicious actors, which emphasizes the significance of cybersecurity. The conventional centralized technique's drawbacks, including excessive latency, a congested network, and privacy leaks, are all addressed by the FL method. In addition, the rich data enables the training of models while combining private data from numerous participants. This research aims to create an FL-based architecture to improve cybersecurity and intrusion detection in IoT networks. In order to assess the effectiveness of the suggested approach, we have utilized well-known cybersecurity datasets along with centralized and federated machine learning models.

오픈 소스인 YOLO(You Only Look Once) 객체 탐지 알고리즘이 공개된 이후, 산업 현장에서는 고성능 컴퓨터에서 벗어나 효율과 특수한 환경에 사용하기 위해 임베디드 시스템에 도입하고 있다. 그러나, NVIDIA의 Jetson nano의 경우, Pytorch의 YOLOv7 딥러닝 모델에 대한 추론이 진행되지 않는다. 따라서 제한적인 전력과 메모리, 연산능력 최적화 과정은 필수적이다. 본 논문은 NVIDIA의 임베디드 플랫폼 Jetson 계열의 Xavier NX, Orin AGX, Nano에서 딥러닝 모델을 적용하기 위한 최적화 과정과 플랫폼에서 다양한 크기의 YOLOv7의 PyTorch 모델들을 Tensor RT로 변환하여 FPS(Frames Per Second)를 측정 및 비교한다. 측정 결과를 통해, 각 임베디드 플랫폼에서 YOLOv7 모델의 추론은 Tensor RT는 Pytorch에서 약 4.1배 적은 FPS 변동성과 약 2.25배 정도의 FPS 속도향상을 보였다.

사물인터넷은 무선 통신 기술의 발달로 스마트 시티, 스마트 홈, 스마트 농장, 스마트 건물, 스마트 공장과 같은 다양한 분야에서 주목을 받고 있다. 특히 무선 통신 기술 중 하나인 블루투스 메쉬는 비동기 동적 스캐닝을 이용하여 저전력 통신을 제공하기 때문에 사물인터넷 분야에서 주목을 받고 있다. 본 논문은 네트워크의 신뢰성을 유지하면서 적은 계산 복잡도로 에너지 효율을 높이는 방법을 제안한다. 이를 통해 대부분의 저전력 무선네트워크 환경에서 효과적인 에너지 최적화를 실현한다.

스마트팩토리는 기존 제조산업과 ICT(Information & Communication Technology)가 융합된 지능형 공장이다. 이는 직접적인 제조공정 과정이 수행되는 OT(Operational Technology) 영역(0~3계층)과 전사업무 관리를 수행하는 IT(Information Technology) 영역(4~5계층)으로 구분되며, 각 영역과 계층이 연결되어 제조·물류·유통 과정의 자동화 및 지능화를 제공한다. 그러나 각 영역과 계층이 연결됨에 따라 보안위협 벡터가 증가하고 있으며, 다영역·다계층 환경인 스마트팩토리에 적합한 대응체계 연구를 위해 영역별 보안위협 관련 데이터를 통합하여 처리 및 관리하는 아키텍처 연구가 필요한 실정이다. 이에 따라 본 논문에서는 스마트팩토리 환경 내 IT 및 OT 영역 장치를 식별하고 보안위협 관련 데이터 통합 처리 및 관리를 위한 아키텍처를 제안한다.

본 논문은 휠체어 사용자들이 직면하는 안전, 이동성 자립성 등의 문제를 해소하는 것을 목적으로 하는 internet of things(IoT) 기반 스마트 휠체어를 연구하였다. 본 연구에서는 휠체어의 중요한 기능인 경사로에 따라 자동으로 기울기가 조정되는 기능을 중점적으로 개발했다. 이 기능은 사용자의 안전을 보장하며, 동시에 이동의 편의성을 증가시키는 역할을 한다.

정부에서는 내·외부 사이버 보안 위협 고도화에 대한 실질적이고 효과적인 대응을 위해 정보보호관리체계(Information Security Management; 이하 ISMS) 인증에 대한 법령을 시행하고 있다. ISMS 인증은 컨설팅과 인증심사를 분리하여 독립성을 확보하였으며, 현장심사 비중을 높여 기존 문서심사에 치중되었던 인증·평가제도와의 차별화를 통해 실효성을 증진시켰다. 그러나 최근 ISMS 인증을 받은 대상자임에도 불구하고 개인정보 정보유출 사고, 대규모 서비스 장애가 유발됨으로써, 다시금 ISMS 인증의 실효성 문제가 제기되고 있다. 현재 제기되고 있는 문제의 요인은 인증기준에 적합한 최소한의 요구사항만 심사·심의하는 ISMS 인증의 한계점에 기인한다. 본 논문에서는 이와 같은 ISMS 인증의 실효적 한계점을 개선하고 인증취득 대상자의 실질적 보안역량 강화시키기 위하여 성숙도 평가모델에 기반한 ISMS 인증제도 운영 방안을 제언한다.

머신 러닝의 학습을 위한 데이터는 개인정보가 포함된 데이터인 경우가 존재한다. 특히 음성인식 모델을 학습시키기 위해서 사용자의 음성 데이터가 필요하며, 이는 개인의 민감한 정보가 포함될 수 있다. 인공지능 학습을 위해 수집한 음성 데이터에 대한 정보보호 침해 공격이 발생할 수 있고, 해당 데이터에 대한 보호 조치가 필요하다. 본 연구는 음성 데이터를 안전하게 관리하기 위해 분할학습을 이용한 음성 데이터 학습 모델을 제안한다.

최근 자동차는 자율주행차 혹은 스마트카로 진화하며 다양한 외부 통신 인터페이스를 포함하고 있습니다. 각 기능 통제를 위해 차량 소프트웨어의 복잡성과 자동차 기술 발전에 따라 통신 인터페이스의 증가로 인하여 자동차에 대한 사이버 공격 가능성 및 위험성이 꾸준히 증가하고 있습니다. 특히, 커넥티드카의 안전을 위한 V2X(Vehicle to Everything)통신이 보안 취약점을 가질 경우, 이는 탑승자의 생명에 직접적인 위협을 초래할 수 있습니다. 그러나, 지능형 교통 시스템에서는 익명성을 위해 일정 시간이 지나면 차량의 식별정보를 변경해 공격자를 찾는데 어려움이 있다. 따라서 본 논문에서는 지능형 교통 시스템 내에서 이상행위를 유발하는 차량을 탐지하기 위해 V2X에 활용되는 표준 메시지 정보를 통해 식별하여 추적하는 기술을 제안하고자 한다.

이 논문은 북한 해킹 그룹이 최근 유포하고 있는 악성코드 CHM 과 RokRAT 에 대해 연구하고 대응하는 목적으로 작성되었다. 악성코드 CHM 은 chm 파일 실행 시 도움말 창을 생성하여 내부 악성 스크립트가 동작하는 방식이다. 악성코드 RokRAT 은 윈도우에 기본 탑재된 lnk 파일을 pdf 아이콘으로 위장하여 사람들에게 유포하는 방식을 사용하였다. 이는 다양한 형식의 파일을 통해 유포되는 만큼 사용자가 보안 위협에 대한 경각심을 가지고 스스로 예방하고 대처할 수 있어야 한다는 결론을 내리고 있다.

차분 분석은 암호 분석기법 중 하나이며, 차분 공격을 위해 랜덤 데이터들로부터 차분 특성 (입/출력차분)을 만족하는 데이터를 구별해 내는 것을 구별자 공격이라 한다. Neural distinguisher는 구별자에 딥러닝을 적용한 것이다. 본 논문에서는 NIST 표준 형태보존암호인 FF1, FF3-1을 위한 단일 차분을 사용한 최초의 신경 구별자를 제안하였다. FF1은 차분으로 0F를 사용할 때, 숫자 및 소문자 도메인에서 차분 데이터 구별에 성공하였다 (정확도는 각각 0.85 및 0.52). FF3-1에서는 08을 사용할 때, 숫자 및 소문자 도메인에서 차분 데이터 구별에 성공하였다 (정확도는 각각 0.98 및 0.55).

양자 알고리즘인 Shor 알고리즘으로 공개키 암호의 보안성이 붕괴됨에 따라 NIST는 양자내성암호 표준화 공모전을 진행하였다. 또한 암호시스템의 양자 후 보안을 위해, 양자 컴퓨터상에서 암호 알고리즘들을 미리 구현하고 분석하는 연구가 진행되고 있다. 이에 본 논문에서는, NIST 양자내성암호 공모전 Round 4의 후보 알고리즘인 Classic McEliece의 공개키 생성 양자 회로 구현을 제시하고 회로에 필요한 양자 자원을 추정한다.

양자 컴퓨터가 빠르게 발전됨에 따라 기존의 공개키 암호들이 기반하고 있는 난제인 소인수분해, 이산로그 문제를 다항 시간 안에 풀 수 있는 Shor 알고리즘에 의해 기존 암호의 보안 강도 약화 및 무력화 시기가 다가오고 있다. NIST에서는 양자 컴퓨터 시대에 대비하여 양자 컴퓨터가 등장하더라도 안전한 암호인 양자내성암호에 관한 공모전을 개최하였다. 양자 컴퓨터 환경에서 암호 분석을 통해 암호의 보안 강도를 확인할 수 있는데, 이를 위해서는 암호를 양자회로로 구현해야한다. 본 논문에서는 NIST PQC 공모전의 4 라운드 후보 알고리즘인 HQC (Hamming Quasi-Cyclic)의 PKE (Public Key Encryption) 버전에 대한 키 생성 및 인코딩 연산 중 핵심 역할을 하는 바이너리 필드 산술과shortened Reed-Solomon 코드의 인코딩 연산에 대한 최적화된 양자회로 구현을 제안하고, 이를 위해 필요한 자원을 추정한다.

본 연구는 사용자가 USB에 내장된 스크립트를 실행하여 실시간으로 활성 및 비활성 데이터를 수집하는 라이브 포렌식 도구의 개발에 관한 것이다. 이 도구는 컴퓨터에 USB를 삽입하고 특정 스크립트를 실행하여 중요한 디지털 증거물을 추출하고 분석하는 기능을 제공한다. 도구는 Linux와 Windows 운영 체제용 32비트 및 64비트 버전으로 제작되었으며, 대량의 데이터 처리 시간과 저장 공간 문제를 해결하여 필요한 특정 데이터만 신속하게 추출할 수 있는 효율적인 방법을 제공한다. 이 도구는 활성 데이터와 비활성 데이터를 수집하며, 활성 데이터에는 레지스터, 네트워크 정보, 프로세스 정보, 사용자 정보 등이 포함되며, 비활성 데이터에는 메타데이터, 시스템 설정 정보, 로그 파일 등이 포함된다. 이 연구에서는 라이브 포렌식 도구의 사용 방법과 수집된 결과, 데이터 분석 방법, 그로 인한 보안 이점에 대해 다루고 있다.

카카오 데이터 센터 화재 사건이나 콜로니얼 파이프라인 해킹 사건과 같이 시스템에 대한 다양한 공격이나 사고가 발생하고 이로 인하여 중요한 필수 서비스가 중단되는 문제가 발생하고 있다. 이러한 문제를 해결하기 위하여 사이버 복원력이 관심을 받고 있다. 사이버 복원력은 사이버 보안에 추가해서 예측, 내구, 회복, 적응의 목적을 가진다. 이 논문에서는 사이버 복원력이 무엇인지 소개하고 사이버 복원력을 기술적인 관점에서와 제도적인 관점에서 소개한다.

최근 다양한 동영상 미디어 콘텐츠가 늘어나면서 민감한 개인정보 유출의 위험성 또한 높아졌다. 이에 따라 다양한 동영상 비식별화 기법이 연구되었고, 그중에서 동영상 암호화 기술은 별도로 원본 동영상을 보관하지 않아도 복호화를 통해 원본 동영상을 얻을 수 있다는 장점 때문에 계속해서 연구가 진행되고 있다. 많은 동영상 암호화 연구에서는 암호화된 동영상의 비식별성을 입증하기 위해 기존의 이미지 암호화 연구에서 사용되던 평가 지표를 사용한다. 그러나 이러한 지표들은 암호화된 동영상의 비식별성을 입증하기에는 적합하지 않다. 따라서 본 논문에서는 암호화된 동영상이 전체 구간에서 비식별화되었는지 확인하는 방법을 제안한다. 본 논문에서는 기존의 지표들을 가중 합산하여 동영상의 모든 프레임에 대해 측정하고 이를 그래프로 표현하여 분석한다. 이 방법을 통해 암호화된 동영상에서 비식별화가 정상적으로 적용되지 않은 부분을 쉽게 파악할 수 있다.

다양한 산업과 환경에서 IoT 기술이 사용되는 만큼 보안에 대한 위협도 증가하고 있다. IoT 서비스를 제공하는 디바이스와 시스템이 보안 공격을 당해 중단되는 경우 그에 따른 피해가 막대하기 때문에 IoT 의 보안 중요성은 날로 커지고 있다. IoT 디바이스 보안을 강화하기 위한 방법으로 FOTA 시스템를 통한 펌웨어 업데이트를 하는 것이 필요하다. 본 고에서는 IoT 디바이스 펌웨어 업데이트를 위해 필요한 FOTA 시스템에 대한 아키텍처와 구성 등을 제언한다.

컴파일러는 사용자가 작성한 소스 코드로부터 타겟 머신에서 동작하는 코드로 변환하기 위해 사용되는 프로그램으로 컴파일러의 구현은 몇 가지 단계로 구성된다. 그 단계 중 하나에 속하는 최적화 단계는 사용자에 의해 작성된 코드를 실행 시간, 메모리 사용량, 에너지 소모 등을 줄이기 위해 코드를 효율적으로 사용하고자 적용되는 단계이다. 그렇지만 이러한 컴파일러 최적화 기법은 사용자가 의도하지 않은 결과를 만들어 프로그램의 보안성을 낮추기도 한다. 이에 본 논문에서는 관련 연구 내용을 살펴보고 정리하고자 한다.

디지털 기술의 지속적인 발전으로 여러 서비스를 제공함과 동시에 갈수록 고도화된 사이버 공격으로 인해 다양한 사이버 위험에 노출될 수 있다. 이에 본 연구에서는 사이버 공격 발생 시 신속한 사이버 복원력 확보를 위해 해외 주요국 및 기관의 관련 정책과 동향을 분석해 보고자 한다.

최근 스마트워치는 통화, 문자, 간편 결제, 기타 장치 제어 등 스마트폰의 소형화 및 경량화 형태로 연구되어 여러 서비스를 제공하고 있다. 스마트워치는 스마트폰 대비 작은 물리적 크기로 인해 적용 가능한 하드웨어의 성능이 상대적으로 낮으며, 이로 인해 낮은 수준의 보안 기능을 제공한다. 이는 스마트워치 대상 보안위협으로 이어질 수 있으며, 이에 대응하기 위한 보안위협 분석 및 도출 연구가 필요한 실정이다. 따라서, 본 논문에서는 스마트워치의 하드웨어 적용 한계점으로 인한 스마트워치와 스마트폰의 성능 차이를 분석하고, 이로 인해 발생 가능한 보안위협을 도출한다.

IT(Information Technology) 기술이 고도화됨에 따라 금융 분야에서는 스마트 컨트랙트에 기반하여 자산을 거래할 수 있는 DeFi(Decentralized Finance)가 발전하고 있다. 또한, 다양한 IoT(Internet of Things) 기기들로 구성된 융합환경이 상호 연결되며 IoBE(Internet of Blended Environment)가 조성되고 있다. IoBE의 구성요소 중 의료융합환경인 디지털 헬스케어는 스마트 의료 기기를 통해 진료서비스를 제공한다. 최근에는 디지털 헬스케어 내 자산 거래 수단으로 DeFi를 활용하기 위한 연구가 진행되고 있다. 그러나, 디지털 헬스케어 서비스에 DeFi가 활용될 수 있음에 따라 DeFi 내 보안 위협이 전파될 수 있다. 전파된 보안 위협은 DeFi에서의 디지털 화폐 탈취뿐만 아니라, 디지털 헬스케어 내민감 정보 탈취, 서비스 거부 공격 등 복합 위협으로 이어질 수 있다. 따라서, 본 논문에서는 DeFi의 취약점을 분석하고 이를 기반으로 디지털 헬스케어에서 발생 가능한 공격 시나리오를 도출한다.

디지털 신원은 온라인 환경에서 빠르게 중요해지고 있으며, 그 관리의 중요성은 날로 커지고 있다. 중앙화된 신원 관리 시스템의 한계를 인식하며, 탈중앙화된 신원 관리 시스템인 DID(Decentralized Identifier)에 대한 연구와 관심이 확대되고 있다. 그럼에도 불구하고, DID 활용 시 개인정보 유출의 리스크는 여전히 남아 있다. 이러한 문제를 해결하기 위해, 본 연구는 일회용 DID 기법을 제시하였고, 해당 기법은 사용자의 비연결성을 향상시키며, 키 유출과 관리 문제를 최소화한다. 본 연구를 통해, 일회용 DID가 비연결성 강화, 키의 안전한 관리 등의 이점을 제공함을 확인하였다.

최근 네트워크 환경에서 통신되는 데이터의 신뢰성을 제공하기 위해 서명기술이 필요하다. 다양한 서명기술들 중 속성기반서명은 사용자들이 가지고 있는 속성을 기반으로 서명을 수행하기 때문에, 각 서명자들의 익명성을 보장할 수 있는 서명기술이다. 하지만 속성기반서명을 수행시 익명성을 악용하는 사용자들이 존재하는데, 이들은 잡히는 위험이 없이 일부 목적(금전, 이익)을 위해 의도적으로 자신의 서명비밀키와 속성을 공개할 수 있다. 서명권한이 없는 제 3자는 이를 이용해 서명을 수행할 수 있다. 본 논문에서는 적절한 수준의 익명성과 추적성이 제공되는 속성기반서명 기법을 제안한다. 본 제안방식은 검증자가 서명 검증시 문제가 생긴 서명에 관해 AA에게 서명을 보낸 서명자의 신원을 요청하여 확인할 수 있다.

오늘날 운영체제나 응용프로그램에서 레이스 컨디션으로 인한 문제가 발생하여 공격에 이용하거나 레이스 컨디션을 기반으로 한 공격을 막기 위한 연구가 진행되고 있다. 그러나 레이스 컨디션이 발생할 때 스레드가 자원에 접근하는 매커니즘을 응용한 보호기법과 관련된 연구는 미흡하다. 이에 본 논문에서는 레이스 컨디션이 발생할 때 스레드가 무작위 순서로 자원에 접근하는 점을 이용해 새로운 난수 생성 방식을 제안한다. 또한 이를 난수 생성 알고리즘을 사용하는 랜덤 모듈과 비교하여 더 안정적인 난수 생성 모듈을 개발할 수 있는 가능성에 대해 알아봤다.

브라우저, 컴파일러 등과 같이 규모가 큰 소프트웨어에 존재하는 버그 및 취약점을 찾기 위해 퍼징은 자주 사용되는 방법 중 하나이다. 특히 컴파일러에 존재하는 버그를 찾기 위해 다양한 퍼징 방법이 연구되었으며 컴파일러의 문법 검사를 통과하여 컴파일러 내부 깊은 곳에 존재하는 버그를 찾기 위한 연구도 진행되었다. 최근 머신러닝을 활용하여 특정 언어의 문법을 학습 시킨 모델을 활용해 퍼징을 하는 연구가 활발히 진행되고 있다. 이에 본 논문에서는 컴파일러를 퍼저에 머신러닝을 적용한 연구에 대하여 정리했다.

본 논문은 에어갭 (물리적 분리된 네트워크 환경) 공격 벡터 중 음향 신호를 중점적으로 다루며, 음향 신호 공격 벡터에 대한 연구 동향과 실제 사용 가능성을 조사한다. 연구 결과, 에어갭 공격은 높은 수준의 스텔스와 무결성이 필요하며, 환경적 제약과 사회적 요소도 고려해야 한다. 또한, 실제 공격에는 다단계 프로세스와 통합된 모듈이 필요하며, 이러한 조건을 충족하는 공격은 제한적일 것으로 보인다. 제한적인 공격이 실제로 가능하더라도, 공격 성공 시 파급력이 크기 때문에, 본 논문은 에어갭 보안에 대한 중요성을 강조하며, 공격을 무력화 할 수 있는 높은 보안수준을 유지하기 위한 연구와 대응책이 필요함을 강조한다.

사이버 공격과 위협은 예측 불가능한 수준으로 높아지고 있어 해킹 위협을 완벽히 차단하고 예방하는 것은 현실적으로 불가능하다. 따라서 사이버 공간의 공격이 발생했을 경우 신속한 대응 및 시스템의 생존성 보장을 위해서 사이버 복원력이 필요하다. 우리는 정부, 공공기관, 기업이 사이버 복원력개념을 도입하고 내재화를 위한 평가모델을 연구하였다.

블록체인은 보안성과 탈중앙화를 동시에 제공하는 자료구조 중 하나로, 데이터를 중앙 서버가 아닌 모든 참여자들이 동등한 위치에서 관리할 수 있기 때문에 데이터를 투명하고 신뢰성 있게 관리할 수 있다. 본 연구에서는 자율주행 자동차의 차량정보, 주행 중 생성되는 데이터를 블록체인에 저장하여 차량상태, 차량경로 등을 실시간으로 모니터링할 수 있으며 생성 데이터의 권리 보장, 보안성 강화를 위한 이더리움기반 Dapp을 개발한다.

악성코드를 탐지하는 기법 중 동적 분석데이터와 같은 시계열 데이터는 프로그램마다 호출되는 API의 수가 모두 다르다. 하지만 딥러닝 모델을 통해 분석할 때는 모델의 입력이 되는 데이터의 크기가 모두 같아야 한다. 이에 본 논문은 TF-IDF(Term Frequency-Inverse Document Frequency)와 슬라이딩 윈도우 기법을 이용해 프로그램의 동적 특성을 유지하면서 데이터의 길이를 일정하게 만들 수 있는 전처리 기법과 LSTM(Long Short-Term Memory) 모델을 통해 정확도(Accuracy) 95.89%, 재현율(Recall) 97.08%, 정밀도(Precision) 95.9%, F1-score 96.48%를 달성했다.

ICT 기술과 IoT 기술의 급속한 발전으로 인해 인간은 네트워크와 밀접한 관계를 형성하며 이를 통해 다양한 서비스를 경험하고 있다. 그러나 ICT 기술의 발전과 함께 사이버 공격의 급증으로 인해 네트워크 보안에 대한 필요성이 대두되고 있다. 또한 양자 컴퓨팅을 활용한 다양한 공격은 기존 암호화 체계를 무너뜨려 빠른 대응 및 솔루션이 필요하다. 양자 기반 공격으로부터 안전한 네트워크 환경을 구축하기 위해 양자 키 분배 시스템 및 양자 내성 암호가 활발히 연구되고 있으며 NIST 에서 발표한 양자 내성 암호화 기법의 성능, 취약점, 실제 네트워크 상의 구현 가능성, 향후 발전 방향 등 다각적 관점에서 연구 및 분석이 진행되고 있다. 본 논문에서는 양자 기반 공격에 대해 설명하고 양자 내성 암호화 기법의 연구 동향에 대해 분석한다. 또한, 양자 중첩, 양자 불확실성 등 양자의 물리적 성질을 활용함으로써 양자 공격으로 부터 안정성을 제공할 수 있는 양자 키 분배 기법에 대해 설명한다.

본 논문에서는 디지털증거 분석을 위해 확보한 증거파일 들로부터 범죄 정황에 해당하는 단어 및 어휘를 추출하여 해당 범죄를 인과관계 분석을 하기 위해 핵심 단서와 원인을 효과적으로 파악하기 위해 필요한 인과정보를 제안한다. 이 정보들은 개체명 인식 및 분류를 할 수 있도록 구성되어 범죄 관계인, 관계인간 관계, 범죄 수법과 범죄관련 정보를 추출하고 유형화하여, 향후 해당 범죄에 대한 인과 분석 기법을 활용한 범죄 예방 분석과 수사에 기여할 수 있도록 도움을 준다.

양자컴퓨터의 발전이 빠르게 진행됨에 따라서 고전컴퓨터에서는 해결하지 못하는 문제에 대하여 양자 알고리즘을 활용하여 해결하고자 하는 연구가 진행되고 있다. 이중 소인수 분해 및 이산로 그 문제 해결이 가능한 Shor's Algorithm 및 이에 대한 공개키 암호 해독을 위한 양자 자원량 분석에 대한 연구가 진행되고 있다. 하지만 양자 컴퓨터의 가용 양자 자원량이 제한적이라는 점과, 시간적인 측면에서의 최적화는 암호의 보안강도에 영향을 끼치기 때문에 알고리즘 최적화 연구가 필요하다. 따라서 본 논문에서는 암호를 대상으로 한 Shor's Algorithm 양자 회로의 최적화 동향을 조사하고 향후 연구 방향에 대해서 기술한다.

블록체인 분석 플랫폼은 블록체인에 저장된 데이터 기반의 다양한 산업분야 활용성 증대를 위하여 분산 블록체인 기반 대규모/대용량 데이터에 대한 고속 분석을 통하여 신뢰성이 보장되는 보안과 신뢰 기반의 데이터 서비스를 제공하기 위한 분석 플랫폼이다. 본 논문에서는 블록체인 분석 플랫폼에서 제공하는 데이터 분석 중 시계열 데이터에 대한 고성능의 분석을 제공하기 위한 시계열 데이터 인덱스의 설계와 구현에 대하여 기술한다.

블록체인의 데이터 중복 저장 문제를 해결하기 위해 소거 코드 기반의 분산 저장 방법이 제안되었고, 이에 따라 청크 데이터의 효율적인 전파가 중요해졌다. 본 연구는 이를 위해 QUIC 프로토콜을 도입하여 청크 데이터의 신속한 전파 기능을 구현하였다. 더불어 Reed-Solomon 코드 기반 시스템에서 QUIC 프로토콜의 효용성을 검증한 결과, QUIC 프로토콜은 분산 저장 시스템에서 청크 데이터 전파와 재인코딩 성능에 결정적 역할을 수행함을 확인하였다. 이는 QUIC 프로토콜이 블록체인과 같은 네트워크 환경에서 효과적으로 사용될 수 있음을 나타낸다.

블록체인 원장의 용량이 폭증하면서 여러 확장성 문제들이 나타나고 있다. 이에 대한 해결 방법으로 원장에 Reed-Solomon 부호화를 적용하여 용량을 줄이려는 연구가 일부 진행 중이나, 피어에 장애가 발생하거나 악의적 행동이 있다면, 데이터 손실을 막기 위한 복구 과정이 필수적이다. 본 논문에서는 원장에 Reed-Solomon 부호화를 적용해 얻는 저장 공간의 감소 효과에 비해서 데이터를 복구할 시 어느 정도의 오버헤드가 발생하는지 성능 평가를 수행했다. 결과적으로, 많은 블록 복구가 필요한 상황에서 인코딩/디코딩 시간은 미미하였고, 대부분의 오버헤드는 청크 재전송 시간이었다.

쇼어 알고리즘을 실행할 수 있는 양자 컴퓨터의 발전으로 인해 기존 ECC(Elliptic Curve Cryptography)를 사용하던 블록체인이 PQC(Post Quantum Cryptography)로의 전환을 고려하고 있다. 하지만 PQC 는 기존 암호에 비해 큰 사이즈, 느린 서명/검증 속도 등과 같은 문제점이 존재한다. 본 논문에서는 우리가 WISA'23 에서 새롭게 제안한 PQ-DPoL 합의 알고리즘에 NIST(National Institute of Standards and Technology)가 선정한 Crystal-Dilithium, Falcon 그리고 Sphincs+를 적용하여 비교 분석하였다. 실험 결과에 따르면, 매우 큰 서명 크기를 가지고 있기 때문에 블록에 담기는 트랜잭션의 수가 감소하므로 Sphincs+의 성능이 가장 떨어짐을 확인하였다. 또한 Dilithium 은 Falcon 과 비슷한 성능을 보여주었다. 그 중에서도 Falcon 이 가장 우수한 성능을 보여주었다. 이는 Falcon 의 공개키와 서명의 크기가 다른 알고리즘에 비해 작기 때문이다. 따라서 양자내성을 갖는 블록체인에는 Falcon 512 알고리즘이 가장 적합할 것으로 생각된다. 그러나 블록체인의 속도와 보안 강도는 Trade-off 관계이므로 보안성을 중요시하는 블록체인 네트워크에서는 Sphincs+가 적합할 수 있을 것으로 보인다. 따라서 블록체인 네트워크의 상황과 목적에 따라 적절한 알고리즘을 사용해야 될 것으로 생각된다.

양자 컴퓨터의 발전과 쇼어 알고리즘을 통한 ECC(Eliptic Curve Cryptography)에 대한 다항 시간의 솔루션을 제공함으로써 블록체인의 안정성이 위협받고 있다. 본 논문에서는 Round-Robin을 기반으로 하는 알고리즘을 제안함으로써 블록 생성에 대한 공정성을 제공하며 양자 내성 전자 서명인 CRYSTALS-DIlithium을 적용함으로써 근미래에 다가올 양자 위험성에 대비하였다. TPS 측면에서는 DIlithium의 큰 키 크기와 큰 서명 크기에 의해 ECDSA에 비해 낮은 성능을 보여주었지만, Latency 측면에서는 더욱 높은 성능을 보여주며, 이는 실시간성이 중요한 IoT와 같은 분야에서 더욱 높은 효용성을 보여줌을 알 수 있다.

Considering the growth of blockchain technology, the research aims to transform the efficiency of recommending optimal coffee suppliers within the complex supply chain network. This transformation relies on the extraction of vital transactional data and insights from stakeholders, facilitated by the dynamic interaction between the application interface (e.g., Rest API) and the blockchain network. These extracted data are then subjected to advanced data processing techniques and harnessed through machine learning methodologies to establish a robust recommendation system. This innovative approach seeks to empower users with informed decision-making abilities, thereby enhancing operational efficiency in identifying the most suitable coffee supplier for each customer. Furthermore, the research employs data visualization techniques to illustrate intricate clustering patterns generated by the K-Means algorithm, providing a visual dimension to the study's evaluation.

The circular economy approach in the coffee supply chain promotes a more sustainable, environmentally friendly, and socially responsible coffee industry. It aims to reduce the environmental impact of coffee production and consumption while ensuring the long-term viability of coffee farming communities and ecosystems. However, there are many challenges in the traditional circular economy coffee supply chain. Hence, this paper undertakes a comparative analysis between the traditional circular economy coffee supply chain and its integration with blockchain. As a result, we display the benefits of incorporating blockchain technology into the conventional circular economy framework of the coffee supply chain. Additionally, this integration promises to overcome the challenges in the traditional circular economy coffee supply chain.

본 논문에서는 구글 클라우드에 1차적으로 저장된 Healthcare API 서비스의 FHIR 객체들을 Big Query 서비스로 전환하고 질의를 작성하여 결과를 확인하는 과정을 설명한다. 이 과정에서 IAM을 위한 Big Query 테이블로의 입력 권한 부여 과정과 중첩된 필드들을 포함하고 있는 FHIR 객체의 명세과정이 핵심적인 단계가 되고 있으며 위 서비스들의 연계에 의해 대용량의 의료정보들이 구글 클라우드 상에 저장되고 사전분석되어 추가적인 정밀 분석을 위한 기저 자료를 제공할 수 있다.

불수의적인 혀 움직임과 떨림은 다른 신체 부위의 떨림증상이 없이 혀만 움직이는 증상을 말하며, 신경 정신과적 문제와 한의학의 기혈허약 등의 증상에 의해 발생할 수 있다. 혀 영상 촬영 장치로 정면과 측면의 혀를 연속을 촬영하여 혀의 움직임과 떨림을 탐색하려 한다. 혀의 표면은 코너와 같은 특징점을 구하기 어려운 모양이므로 혀의 움직임의 특성을 찾아내는 것은 매우 어려운 일이다. 움직임을 추적하는 방법 중에서 Farnebäck optical flow 방법은 모든 픽셀에 대해서 optical flow를 계산하여 혀의 움직임을 추적할 수 있었다. 이러한 움직임의 크기를 정면과 측면 영상에 대해서 구할 수 있었고, 움직임의 방향도 구할 수 있었다. 혀의 움직임과 떨림에 대한 위치별 정보와 세기 정보를 이용하여 건강상태를 진단할 수 있을 것으로 생각된다.

본 논문은 ICT 기술을 활용한 과학적 연구 적용사례를 분석하고, 데이터의 전송, 저장, 처리를 위한 ICT 기술의 적용모델을 소개하고자 한다. 과학을 다루는 많은 분야에서 플랫폼을 기반으로 분석SW들의 API 네트워킹을 통하여 분석모델들을 연계하여 결과치를 활용하는 방식으로 진화하고 있다. 이러한 API 네트워킹을 위한 ICT 기술들의 구축 모델을 분석하고자 한다.

본 연구는 입력된 수사문건에 대해 시간 속성을 기반으로 범죄사건의 흐름을 나타내는 스토리라인을 자동으로 시각화하여 사건의 전체적인 흐름에 대한 이해도를 향상하는 데 도움을 주는 범죄사실에 특화된 스토리라인 시각화 인터페이스에 관한 연구이다. 이를 위해 객관적인 사실 관계 파악과 논증 검증이 중요한 범죄수사에서 중요한 자료인 판결문 데이터를 활용하였으며, 판결문 중에서도 육하원칙에 따라 해당 범죄의 구성요건적인 특징이 명확히 기재되어 있는 범죄사실을 대상으로 하여 사건의 흐름에 따라 추출된 데이터를 자동으로 시각화하였다. 이는 현장에서 실무자들이 범죄사건의 흐름을 쉽고 빠르게 파악하고 더 나아가 종합적이고 입체적으로 파악하는 데 도움이 될 것으로 기대된다.

최근 증가하고 있는 글로벌 이슈의 해결을 위해 국제 공동연구를 통한 글로벌 협력체계 강화에 대한 중요성이 커지고 있다. 이러한 흐름에 따라 한국 정부에서도 2024년 국제 공동연구 관련 R&D 예산 규모를 약 3배 가량 늘릴 것으로 발표하였다. 이에 본 연구에서는 2018년부터 2021년 동안의 정부 R&D 사업의 국제 공동연구 투자 현황을 살펴보고, 이를 향후 국제 공동연구에 대한 예산 계획을 수립하고, 국제 공동연구를 활성화하기 위한 전략 수립의 근거로 활용할 수 있을 것으로 기대한다.

자율주행 자동차 시장 규모 및 기술이 급속도로 성장하고 있음에도 불구하고, 전문가 교육을 위한 높은 하드웨어 비용 때문에 실제로 이 기술을 실험하기 위한 집단 교육 플랫폼의 필요성이 높아졌다. 이에 따라 우리는 자율주행에 사용되는 센서와 액츄에이터, 그리고 자율주행 알고리즘 학습을 위한 1/5 크기의 하드웨어를 포함한 교육 플랫폼을 설계했다. 이 교육 프로그램은 온라인 강의와 실습으로 구성되며, 각각의 모듈은 로봇 운영체제(ROS)를 활용한 C언어로 개발되었다. 이 교육 플랫폼은 언제 어디서나 접근 가능한 온라인 형식으로 제공되므로, 학생들은 이론과 실습을 통해 자율주행 분야의 전문가로 성장할 수 있는 기회를 얻게 되고 혁신과 경쟁력 강화에 기여할 것으로 기대된다.

자율주행 경진대회에서 학생들의 장애물 후에 경로를 생성 능력을 검정하는 라바콘 추종 종목은 중요한 항목 중의 하나이다. 라바콘의 위치를 알기 위해서는 라이다 센서가 필요하다. 실내의 경우 저가의 2D 라이다 센서를 사용하여 콘의 위치 검출이 가능하지만, 실외의 경우에는 고가의 3D 라이다 센서 또는 고가의 3차원 카메라가 필요하다. 이러한 고가의 기자재는 실습의 대중화에 걸림돌이 되고 있으므로, 1개의 카메라와 인공지능을 이용한 라이다 콘의 검출하는 방법을 개발하였고, 이를 활용하여 경로 생성 및 제어를 수행하였다. 그 결과 0.4m 이내의 정밀도로 콘의 위치 추정과 주행을 성공적으로 수행하였다.

우리 나라는 오래 전부터 민방위 차원에서 각 지역에 대피소를 선정해두고 정부 해당 부처의 게시판으로 알리고 있다. 그러나, 민방위 훈련이 거의 실시되지 않는 터라 대부분의 국민들은 어느지역에 어떤 대피소가 마련되어 있는지 알지 못한다. 최근에는 민방위 뿐만 아니라 바닷가 해일에 대비하기 위한 대피소도 늘어나고 있는데 이를 알고 있는 국민 또한 많지 않다. 따라서 이 연구에서는 현재 위치 주변에 어떤 대피소가 있는지와 가장 가까운 대피소까지의 길을 안내하는 긴급 대피소 안내 앱을 개발한다. 그 외에 이 앱은 지역별로 최근 발송된 재난 문자를 검색하는 기능도 제공한다.

우리 사회가 고령화시대로 접어들면서 낙상은 매우 심각한 사회문제가 되고 있으며 정확한 낙상 감지 기술의 수요도 늘고 있다. 본 연구는 웹 캠을 이용한 개선된 낙상감지 기법을 제안한다. 제안하는 기법은 RGB 영상을 기반으로 스켈레톤 포즈 추출, 데이터 가공, GRU(Gated Recurrent Unit) 신경망 알고리즘을 적용한 낙상 감지 실험 및 감지 결과 분석의 과정이 포함된다.

턴버클(turn buckle)은 컨테이너선의 컨테이너 유실을 방지하기 위한 고박 장치이다. 컨테이너선의 항해 중 발생하는 진동을 비롯한 황천과 같은 상황 등은 고박된 턴버클의 회전과 턴버클 jaw bolt의 유실을 유발시킨다. 이러한 상황이 지속적으로 누적되어 턴버클에 영향을 미치는 경우 제대로 컨테이너를 고박하지 못해 붕괴로 이어질 수 있다. 이를 방지하기 위해 턴버클의 회전 검출과 jaw bolt의 유실 여부를 yolov5를 통해 학습하여 턴버클이 회전하는 경우와 jaw bolt의 유실 여부를 실시간으로 인지한다. 이를 통해 24시간 무인으로 턴버클을 감시하는 영역이 생김으로서 선원들의 고박 감시구역이 줄어드므로 선원들에게 주어진 과도한 업무를 줄여주는데 의의를 가진다.

반려동물을 입양하는 가구수는 매년 증가하고 있고 반려인과 반려동물들의 길거리 치안은 위협받고 있다. 이에 따라 본 논문에서는 반려인이 반려동물과 함께 안전한 외출을 할 수 있도록 '반려동물과 함께하는 안심산책 지도' 애플리케이션을 제안한다. 본 연구의 애플리케이션은 Geofence API를 사용해 안심등급을 산출하여 반려인들과 반려동물을 보다 안전한 환경에 있도록 한다.

이 연구는 사람의 외적인 요소와 마이어스-브릭스가 제안한 16 가지 성격유형을 결부한 연구이다. 기존의 성격유형에 대한 기준을 기반으로 하여, 일반적인 MBTI 판독기와는 다르게 StyleCLIP 을 활용해서 추상적인 단어로 이미지를 변환하고 전이학습 AI 를 이용하여 비교 테스트를 진행한다. 최종적으로 이 연구를 통해 외모와 성격은 연관이 있다는 가설을 증명한다.

본 논문에서는 웹 크롤링을 통한 개인 맞춤형 정보제공 애플리케이션에 관해 연구하였다. 본 서비스는 Java의 Jsoup 라이브러리를 이용해서 웹 크롤링(Web Crawling)한 데이터를 MySQL에 저장한다. 이를 통해 사용자가 지정한 키워드를 필터링하여 사용자에게 정보를 제공한다. 예를 들어 사용자가 지정한 키워드 관련 공지 사항이 업데이트되면 구현한 앱 내에서 확인 가능하며, KakaoTalk 알림톡을 통해서도 업데이트된 정보를 실시간으로 전송받는 서비스를 구현하였다.

COVID-19 가 사실상 종식됨에 따라 대학 강의가 비대면 온라인 강의에서 대면 강의로 전환되었다. 온라인 강의에서는 다시 보기를 통한 복습이 가능했지만, 대면강의에서는 녹음을 통해서 이를 대체하고 있다. 하지만 다시 보기와 녹음본은 원하는 부분을 찾거나 내용을 요약하는데 있어서 시간이 오래 걸리고 불편하다. 본 논문에서는 강의 내용을 STT(Speech-to-Text) 기술을 활용하여 텍스트로 변환하고 ChatGPT(Chat-Generative Pre-trained Transformer)로 요약하는 애플리케이션을 제안한다.

입 모양 인식은 음성인식의 중요한 부분 중 하나로 이를 개선하기위한 다양한 연구가 진행되어 왔다. 기존의 연구에서는 주로 입술주변 영역을 관찰하고 인식하는데 초점을 두었으나, 본 논문은 음성인식 시스템에서 기존의 입술영역과 함께 입술, 턱, 뺨 등 다른 관심 영역을 고려하여 음성인식 시스템의 입모양 인식 성능을 비교하였다. 입 모양 인식의 관심 영역을 자동으로 검출하기 위해 객체 탐지 인공신경망을 사용하며, 이를 통해 다양한 관심영역을 실험하였다. 실험 결과 입술영역만 포함하는 ROI 에 대한 결과가 기존의 93.92%의 평균 인식률보다 높은 97.36%로 가장 높은 성능을 나타내었다.

드론 비행 후 추출할 수 있는 Log 파일은 드론의 비행 정보를 확인할 수 있는 데이터이다. 이 데이터를 Log 분석기를 사용하여 그래프 형태로 시각화 하게 되면 비행 속도, 거리, 높이 등 다양한 비행데이터를 분석하기에 용이하다. 또한 Log 분석 자료에는 기체운용 중 발생하는 안전 이슈에 대한 기록도 포함되어 있어 드론의 사고 또는 고장유무를 판단할 때에 중요한 자료로서 활용된다. 그러므로 데이터분석 시에 안전 이슈 발생 시점과 연관지어 데이터를 분석하는 것이 보다 효과적이다. 그러나 상용 서비스에서는 분석데이터와 안전 이슈 데이터를 함께 보는 방법은 제공되지 않는다. 따라서 본 논문에서는 기존의 Log 분석 시스템에 안전 이슈 정보를 추가하여 볼 수 있는 방법을 제시하여 드론 운용자가 로그분석을 보다 효과적으로 할 수 있는 방법을 제안하고자 한다.

본 연구는 협업 기반 필터링을 이용하여 반려동물 동반 가능 장소를 추천해주는 시스템을 제안한다. 반려동물 양육 인구가 늘고 있는 현재에 반해 반려동물을 대상으로 하는 추천 시스템은 발전이 더딘 상황이다. 반려동물은 다양한 크기와 종류를 갖고 있기 때문에 기존의 인간 기준의 추천 시스템과는 다르게 접근해야 할 필요성이 있다. 본 연구에서는 반려동물의 다양한 특성을 고려한 장소를 추천해주기 위해 협업 기반 필터링을 활용하였다. 사용자 데이터의 수가 늘어나면 결과의 정확도를 높여주지만, 사용자 간의 유사도를 구하는 비용이 증가한다. 이러한 장단점을 고려하여 '아이템 기반 협업 필터링' 과 '사용자 기반 협업 필터링' 방법을 적절히 사용하는 방향을 제안한다.

IT 서비스는 지속성, 신속한 변경을 위해 클라우드 플랫폼에서 운영되는 가상머신을 바탕으로 제공되도록 변경되고 있다. 서비스의 지속성을 위해서는 의도치 않은 상황(예를 들어, 정전, 화재 등의 재해상황)에 대해 신속하게 대처하거나, 방지하는 방안이 필요하다. 기존 클라우드 플랫폼은 이러한 상황에 대비하여 가상머신 백업을 위한 스냅샷, 이미지 기반 저장 등의 다양한 방법을 제공하였다. 그러나, 기존의 방법들은 IT 서비스 제공자의 클라우드 플랫폼적인 지식이 요구되며, 성능적 측면의 이슈가 해결될 필요가 있었다. 따라서, 본 논문에서는 지속적인 서비스 수행을 보다 유연하게 수행할 수 있는 방안으로 가상머신 풀을 구성하고 풀 내의 가상머신을 바탕으로 유사성 검증을 통해 복구하는 기법을 제시한다. 또한, 해당 기법을 보이는 사례 시스템을 구축하여 실 구현 가능함을 나타낸다.

딥러닝에 대한 관심이 증가함에 따라 다양한 분야의 연구자 사이에 딥러닝 모델의 적용 및 재현이 중요한 작업으로 자리잡았다. 하지만 모델을 재현하고 활용하는데 있어 다양한 환경과 자원의 한계가 발생하여 문제가 되고 있다. 이러한 문제를 해결하기 위해 본 논문에서는 국가연구데이터커먼즈체계인 KRDC 프레임워크를 활용하여 딥러닝 학습 모델의 재현 방안을 제안하였다. 이를 통해 딥러닝 연구에 익숙하지 않은 사용자도 학습 모델의 적용 및 활용을 용이하게 할 수 있음을 확인하였다. KRDC 프레임워크는 사용자가 원하는 데이터와 태스크를 정의하고, 워크플로우로 구성, 학습 모델의 재현 및 활용을 지원한다.

최근 수많은 오픈소스로 공개되면서, 대부분의 소프트웨어가 오픈소스를 활용하여 구현되고 있다. 하지만, 오픈소스에 적용되어 있는 라이선스 간의 충돌 문제가 발생하면서, 라이선스 위반 문제가 지속적으로 발생하고 있다. 이러한 문제를 사전에 방지하기 위해 소스코드 분석이 필수적이지만, 다양한 기능이 실행되는 소스코드 특성 상 소스코드만 봤을 경우 직관적으로 분석이 어렵다는 문제점이 있다. 최근 소스코드의 효과적인 분석을 도와주는 다양한 도구들이 개발되었고, 그 중 한 가지 방법은 소스코드를 그래프로 변환하여 시각적인 편의성을 제공하는 방법이다. 그래프로 변환된 소스코드는 해당 시점에는 분석이 가능하지만, 분석이 필요할 때마다 변환을 해야 하는 문제점이 존재한다. 따라서 소스코드를 변환한 그래프 데이터를 저장하는 방법이 요구되었는데, 그래프 데이터베이스의 경우 특정 파일 형식만 지원하기 때문에 그래프 데이터 저장에 어려움이 존재한다. 본 제안방식에서는 소스코드를 변환한 그래프 데이터를 그래프 데이터베이스에 효과적으로 저장하고, 분석이 요구될 때마다 데이터베이스 상에서 즉각적으로 분석이 가능한 방법을 제안한다.

소프트웨어를 개발하는 과정에서 소스 코드를 직접 작성하면 높은 비용과 시간이 필요하다. 이를 해결하기 위해 OSS를 활용해 개발 비용 절감 및 소요 시간 단축 등 다양한 이점을 가지게 된다. 그러나 수많은 기업은 무분별한 OSS 사용으로 인해 개발 중인 소프트웨어에 적용되는 OSS의 라이선스를 정확히 파악하지 못한다. 그로 인해 라이선스 위반 및 충돌로 인한 저작권 문제로 법적 분쟁과 상용화된 소프트웨어 제품을 전부 리콜해야 하는 등의 피해가 발생한다. 하지만 국내에는 이러한 문제를 체계적으로 분석하고 예방하기 위한 점검 도구가 부족하다. 본 논문은 앞서 언급된 문제를 해결하고자, 높은 접근성을 바탕으로 OSS의 정보를 효과적으로 분석하는 플랫폼을 구현하였다. 사용자가 소스 코드의 분석을 요청하면, 플랫폼에 등록된 OSS 프로젝트 중 가장 높은 유사도를 보이는 프로젝트의 메타데이터, 유사도 분석 결과, 라이선스 정보를 제공한다. 이를 통해 사용자들은 자신들이 사용 중인 소스 코드에 적용된 OSS의 세부 구성 요소를 편리하게 분석하고 조회할 수 있다.

일반적인 여행 커뮤니티는 사진과 텍스트 기반의 사용자 리뷰를 바탕으로 정보 공유를 한다. 본 연구에서는 관광지에서 수행한 활동을 한 문장의 형태로 공유하는 애플리케이션을 제안한다. ChatGPT를 활용하여 활동을 산책, 사진, 음식 등 9가지 태그로 분류하여 관광지가 가지는 특징을 용이하게 파악한다. 또한, 사용자가 작성한 활동을 임베딩하고 관광지 소개 글 벡터와 유사도를 비교하여 관광지를 추천한다. 본 애플리케이션을 통해 사용자가 긴 설명이나 사진 없이 관광지가 가지는 정보를 쉽게 공유하고 관광지 추천을 하는 새로운 여행 커뮤니티를 제공할 수 있을 것으로 기대한다.

We propose a method of movie recommendation that involves an algorithm known as spectral bipartition. The Social Network is constructed manually by considering the similar movies viewed by users in MovieLens dataset. This kind of similarity establishes implicit ties between viewers. Because we assume that there is a possibility that there might be a connection between users who share the same set of viewed movies. We cluster users by applying a community detection algorithm based on the spectral bipartition. This study helps to uncover the hidden relationships between users and recommend movies by considering that feature.

머신러닝과 딥러닝 모델의 사용이 급증함에 따라 충분한 데이터 확보의 중요성이 부각되고 있다. 이에 따라 생성 모델을 통한 데이터 증강 기술이 주목받고 있으나, 증강 데이터를 활용했을 때 학습의 성능 분석은 아직 부족하다. 따라서 본 연구에서는 데이터 증강 시나리오에 따라 증강 비율별 합성 데이터의 유용성을 조사하고자 한다. 본 연구에서는 테이블 데이터를 증강하는 것에 초점을 맞추었으며, 이를 위해 테이블 데이터를 합성할 때 유용한 성능을 보이는 딥러닝 모델 CTGAN을 활용하였다. 실험에서 데이터를 증강하는 두 가지 다른 시나리오를 고려한 결과, 두 시나리오에서 모두 실험에서 설정한 증강 비율까지의 합성 데이터가 유용한 결과를 보임을 확인할 수 있었다.

데이터 처리 과정에서 데이터 손실 및 장애 상황을 감지하고 예방하기 위한 모니터링 시스템의 필요성이 증가하고 있다. 복잡한 데이터 파이프라인에서 각 단계를 실시간으로 관찰하고 문제 상황에 신속하게 대응하기 위해서는 종합적인 모니터링 시스템을 구축하는 것이 중요하다. 본 논문에서는 엔터프라이즈 레벨의 파이프라인 모니터링 시스템을 개발하여 데이터 파이프라인의 안정성을 향상하고 데이터의 신뢰성을 높이고자 하였다. 모니터링을 데이터, 애플리케이션, 운영, 그리고 외부서비스 및 인프라 관점으로 분류 및 설계하고 각 관점에 따라 어떤 방식으로 활용되었는지 소개한다. 본 논문에서 개발한 모니터링 시스템을 통해 비즈니스 및 연구 분야의 데이터 처리 작업을 보다 효과적으로 관리하고, 문제 상황을 조기에 탐지하여 안정성을 향상시킬 수 있을 것으로 기대된다.

본 연구에서는 서울시에서 시범 운영을 진행 중인 스마트쉘터를 우선으로 설치해야 하는 지역을 제안한다. 행정동별 유동 인구뿐만 아니라 교통약자, 폭염, 대기오염을 고려한 클러스터링을 통해 우선순위를 부여한 서울시 스마트쉘터 설치 지역을 제안하였고, 이를 통해 스마트쉘터를 효율적으로 설치할 수 있을 것으로 기대한다.

컨테이너 해상 유실 사고는 매해 적지 않은 수로 발생하고 있으나 기존에는 사후적 대응, 사전 대응 관점의 대응책들이 대부분이다. 그렇기에 항해 간 컨테이너 유실에 대한 모니터링이 필요한데, 선원들이 항해하는 선박에 적재된 수천 개의 컨테이너를 일일이 들여다보거나 모든 곳에 센서를 부착해 감지하는 것에는 물리적, 경제적 한계가 존재한다. 본 연구는 선박에 적재된 컨테이너들을 3차원 좌표 화하여 선박의 경사시험에서 모티브를 가져와 일정 정도의 기울기를 선박에 적용하였을 때, 기울기 중심을 기준으로 회전운동이 가장 큰 좌표에 해당하는 컨테이너들을 K-평균 군집화를 통해 최적화 위치로 선정하여 센서 위치를 최적화시켜 효율적인 컨테이너 유실 감지를 위한 기반을 마련한다.

본 연구는 지역 치안에 대한 불안감을 해소시키고 더 나아가 사용자에게 안전 경로를 추천해 주는 서비스를 제공하는 모바일 앱을 제안한다. 안전시설 위치 정보 제공 및 안전 경로 추천 기능으로 인해 도보로 이동하는 사용자에게 안정감을 줄 수 있으며, 응급상황 발생 시 빠른 후속 조치를 가능하도록 해줄 수 있을 것으로 기대된다.

건식 반도체 공정에서 저온플라즈마를 일정한 상태로 유지하는 것은 반도체 공정의 효율을 높이기 위해서 매우 중요한 문제이다. 그러나 저온플라즈마 반응로를 진공상태로 유지해야하기 때문에 플라즈마의 상태를 예측하는 작업은 매우 어렵다. 본 연구에서는 OES 센서에서 수집된 데이터를 이용하여 플라즈마의 상태를 예측하는 모형을 개발하였다. 질소가스를 이용한 플라즈마 반응로에서 15개의 서로 다른 플라즈마를 생성하여 OES 데이터를 수집하였고 15개 플라즈마의 상태를 분류할 수 있는 Gaussian Mixture Model(GMM)을 개발하였다. 총 7,296개 파장에서 측정된 분광강도(intensity)를 주성분분석(Pricipal Component Analysis)를 통해 2개의 주성분으로 차원 축소하여 GMM 모형을 개발하엿다. 모형의 정확도는 약 81.72%으로 플라즈마의 OES데이터에 대한 해석력은 뛰어났다.

지난 몇 년간 온라인 쇼핑 시장은 크게 성장하고 있다. 쇼핑몰에서 제공하는 최저 가격 정렬 기능은 사용자에게 편의성을 제공하나 배송비 포함이 제각각임에 따라 실질적인 최저 가격 정렬이 불가능하다는 한계가 있다. 본 연구에서는 배송비가 적용된 가격으로 보여주는 프로그램을 제안하고자 한다. 제안 프로그램은 크롬 확장 프로그램으로 구현되며 Open API와 스크롤링을 통해 획득한 배송비 정보까지 포함된 최종가격 정보를 제공한다. 이를 통해 배송비가 포함된 실질적인 가격 비교 정보를 제공하여 사용자 편의성을 크게 향상 시킬 것으로 기대된다.

연합 학습(Federated Learning, FL)은 중앙 서버 없이 분산된 클라이언트들이 공동으로 모델을 훈련시키는 방식으로, 데이터를 로컬에서 학습시키기에 개인정보 보호의 이점을 제공한다. 그러나 연합 학습 환경에서도 여전히 데이터 보안을 위협하는 다양한 공격이 존재한다. 본 논문에서는 특히 개인 데이터 탈취와 관련된 개인 정보 보호, 보안을 주요 대상으로 공격기법과 대응 방안에 대한 연구를 소개하고 이를 통해 연합 학습에서 클라이언트 데이터 보호를 위한 지속적인 연구를 촉진하기 위한 기초를 제공한다.

전기차의 보급에 따라 전기차 충전시설이 매 년 확대되고 있으며, 충전에 따른 데이터도 수집되고 있다. 전기차 충전시설의 2가지 방식인 플러그인 방식과 펜터그래프 방식의 특징을 반영할 수 있는 데이터 처리가 필요하고 이에 적합한 데이터 플랫폼 개발이 필요하다. 이러한 데이터 플랫폼의 구축은 향후 전기차 충전시설의 설치와 활용에 도움이 될 것이다. 또한 국내의 이러한 전기차 충전시설의 데이터 플랫폼을 향후에는 아시아 등 해외에 수출하거나 투자 진출 할 수 있는 방안들로 활용할 수 있다. 본 연구에서는 2가지 방식의 전기차 충전시설에 따른 데이터 플랫폼 개발시 고려사항을 도출하였고 이에따라 중국, 인도 및 아시아 시장 진출의 패키징 전략을 도출하였다.

본 논문에서는 구글 클라우드의 Healthcare API의 의료정보 표준에 따라 정의된 객체들을 저장하는 과정을 수행하고 활용방안을 설계한다. 클라우드에서 프로젝트 생성, API 활용 설정, 인증, 데이터 셋 생성 등의 과정을 거쳐 cloud shell을 통해 curl 명령을 수행함으로써 Json으로 표현된 의료자원들에 대해 CRUD 연산을 수행할 수 있다. 무결성 체크 과정에서 기본 객체의 id 필드 명세가 중요하며 데이터 저장시 객체에 구글 클라우드의 특정한 request 속성추가가 필요하다.

뱀장어는 내수면 양식어종으로 뱀장어 양식에서 널리 쓰이는 지수식 양식에 있어서 가장 중요하고 가장 어려운 것은 수질관리다. 수질을 구성하는 요소와 공급된 사료량은 서로 상관관계를 가지며, 이 상관관계에 이상 현상이 발생하면 먹이 섭취 불량과 폐사로 이어질 수 있다. 그래서 본 연구에서는 센서로 측정한 양식장 데이터와 인공지능 모델을 이용하여 수조 속 DO 를 예측하는 모델을 새롭게 제안하여, 적절한 사료 공급 시점과 적절한 공급량을 결정하는 방안에 적절히 사용할 수 있다는 것을 검증하였다. 사료 공급과 공급량에 따른 변화를 가미한 3 시간 후의 DO 를 합당한 이벤트 처리를 통해 예측하였다. 이를 활용하면 사료로 인해 떨어지는 DO 수치를 예측하고, DO 수치가 낮아 회복이 필요한 시점에 투입하는 사료량을 조절하여 질식으로 인해 발생하는 폐사로부터 양식어를 지키며 보다 안정적으로 양식을 위해 활용할 수 있다는 점을 확인할 수 있었다.

본 연구는 공공 조직 및 인사 관리의 새로운 패러다임으로서 서비스 중심적 접근법을 제시하였다. 특히 코로나19 팬데믹 이후의 불확실하고 경쟁적인 환경에서는 파편화된 데이터를 마이크로 서비스화하고 동적으로 재조합하는 것이 중요하며, 이를 실현하기 위한 모델로 KISTI의 ScienceON API Gateway와 시나리오 활용 서비스를 참고하였다. 이러한 접근법은 조직 및 인사 관리의 투명성과 효율성을 높이며, 서비스-이용자 간 상호작용을 강화하고, 조직의 변화를 촉진하는 데 기여할 것으로 기대된다.

카테고리별 베스트셀러를 통해 트렌드 파악 및 사용자 맞춤형 도서 추천을 위해 카테고리별로 도서 데이터를 수집하고, 대용량 데이터인 위키피디어 데이터를 이용하여 워드임베딩 모델을 구축한다. 도서 데이터에 대한 키워드 분석 및 LDA 주제분석 기법에 의해 카테고리별 핵심 단어 분석을 통해 도서 트렌드를 파악하고, 사용자 맞춤형 도서 정보 제공 및 도서를 추천하는 기능을 구현한다.

본 논문은 F1TENTH 와 같은 자율주행 경주 대회를 위한 고전적인 자율주행 알고리즘의 파라미터 최적화에 관한 연구를 다룬다. 고전적인 자율주행 알고리즘은 하이퍼파라미터의 영향을 크게 받고 더 나아가서 하이퍼파라미터의 설정에 따라서 성능의 차이가 크다. 이 하이퍼파라미터를 빠르게 찾기 위하여 Piece and Conquer Fireworks 방법을 제안한다. 결과적으로Random search에 비해서 일반 Fireworks알고리즘은 약8.3배, Piece and Conquer Fireworks알고리즘은 약 28.5배 빠른 성능을 보여준다.

4차 산업혁명으로 다양한 기술과 아이디어가 생겨나고 있고, 이를 보호하기 위한 특허는 그 등록 건수가 매년 증가하는 추세이다. 그러나 현재 특허문서를 분류하는 과정을 수동으로 진행하고 있기에 이를 자동으로 진행할 수 있는 분류기를 생성할 필요를 느꼈고, 본 논문에서는 특허문서를 분류기에 적용할 데이터의 전처리 과정 중 데이터 변환과 통합 과정을 다루었다.

대한민국은 고령화 사회에 접어들었다. 본 연구에서는 서울시 지하철 무임승차를 대표로 선정하여 서울시의 노인인구 특성, 지하철 이용행태를 고려한 정책대안을 모색함으로써 지하철 적자 문제의 해결 방안을 제안하였다. 공공 데이터를 통해 통계분석을 하고, Linear Regression 분석을 통해 결과를 예측하였다. 예측한 결과에 노인의 소득수준을 반영하여 손실 비용이 어떻게 변화하는지 비교하였다.

factor 들이 많은 데이터의 군집화는 어려움을 요한다. K-means 클러스터링을 사용하여 군집화를 할 때, 각 데이터들이 가진 factor 의 개수가 상이한 경우 비슷한 성향을 가진 데이터임에도 불구하고 클러스터링이 적합하게 되지 않는 현상이 발생한다. 이러한 문제점을 해결하기 위해 최적의 군집화 개수를 결정하는 실루엣 기반 방법을 제안하고 제안기법의 성능을 평가한다.

정부의 정책과 언론, 미세먼지 실황 서비스 등의 영향으로 미세먼지에 대한 사람들의 관심과 불안이 증가하고 있다. 본 연구에서는 미세먼지 발생에 화석연료 소비가 크게 작용한다고 보고 이 두 변수의 관계를 연구하기 위해 화석연료의 대리변수로 경제성장에 따라 증가하는 자동차 보유량을 채택하여 분석을 진행하였다. 시계열 데이터에 적합한 분석방법을 활용하여 VAR 모델에 적용시켜서 두 변수의 관계를 확인하였다.

스마트홈은 기술 시스템, 자동화 프로세스, 원격 제어 기기 등을 아파트나 주택에서 사용하는 것을 말한다. 주요 목적은 가정에서 삶의 질과 편의성을 높이는 것이다. 현재의 스마트홈은 사용자의 원격 제어 방식을 사용하고 있다. 이러한 방식은 고정된 시간에만 스마트홈이 작동하도록 한다는 문제가 있었다. 연관분석과 순차분석을 통해 AI가 상황과 사용자의 취향을 학습한다면, 스스로 최적화된 패턴을 제공할 수 있을 것이다.

본 연구의 목적은 최근 증가하고 있는 고령 인구를 위해 여러 가지 요인을 고려하여 노인만을 대상으로 하는 여가 만족도를 산출하는 것이다. 노인의 여가 만족도에 영향을 주는 요인으로 '여가시설', '노인 인구', '노인 건강', '노인 소득'을 산정하였다. 해당 요인들에 가중치를 분배하여 산정하기 위한 방법으로 PCA와 선형회귀를 사용하였다. 위 과정을 통해 제작된 노인 여가 만족도 지표에 인자값을 투입하여 자치구별로 노인 여가 만족도 점수를 산출하였고, 스코어 카드를 통해 현황을 살펴보았다. 본 연구는 산출된 각 자치구별 여가 만족도 점수와 인자에 해당하는 점수를 파악하여, 여가만족도가 낮은 지역들의 취약 분야를 파악하고 취약 분야를 중점으로 여가 만족도를 개선해나갈 것을 제안한다.

최근 경제침체로 인해 지속되는 연체율 상승의 원인을 지역별 및 시차별로 분석하였다. 독립변수를 가계대출변수, 부동산지수변수, 경제지표변수로 나누었고 통계적 모델링을 통해 총 19 가지 변수로 연체율을 예측하였다. 각 지역마다 상이한 결과가 도출되었는데 이를 바탕으로 지역별 연체율 감소 정책을 제안한다.

Spark는 대용량의 데이터를 처리를 위해 분산된 데이터를 네트워크로 모은 다음, 데이터를 분할하는 작업인 Shuffle을 진행한다. 이때 Spark 클러스터의 어느 한 노드의 네트워크 전송 속도가 느릴 경우 병목 현상으로 인한 전체 처리 성능이 저하된다. 이에 본 논문에서는 네트워크 병목 현상을 예방하기 위한 클러스터 구성 방법을 제안한다. 본 논문에서 제안하는 노드 선택 시스템은 iperf 도구를 이용해 노드들의 대역폭을 측정하고 이에 따라 노드 선택 알고리즘을 통해 클러스터를 구성한다. 기존 Spark 클러스터와 본 논문이 제안하는 시스템으로 구성한 클러스터를 비교했을 때, 250MB 로그 파일을 제외하고 750MB 로그 파일부터는 네트워크 전송 속도가 낮은 노드를 가지고 있는 클러스터의 성능이 병목 현상으로 인해 느려졌다. 본 논문의 제안에 따라 노드들의 네트워크 전송 속도를 고려하여 클러스터를 구성하면 네트워크 전송 속도로 발생하는 병목 현상을 예방할 수 있다.

전 세계적으로 해양 쓰레기 문제는 계속해서 심각해 지고 있으며 이에 대해 각국에서는 여러 해결 방안을 통해 문제를 해결하고 있다. 해양 쓰레기 문제를 해결하기 위해 많은 양, 여러 종류의 해양 쓰레기 데이터가 존재하지만 대부분의 수치자료가 막대그래프로 되어있어 한계가 있음을 확인하여 데이터를 다양하게 시각화하고, 이를 통해 해양 쓰레기 문제를 해결하는데 도움이 되고자 한다.

본 논문에서는 패션 매칭의 어려움을 해결해주기 위하여 '무신사' 쇼핑몰을 이용하여 크롤링하고 이를 정제한 dataset을 이용하여 패션 스타일의 핵심 요소 중 하나인 신발에 초점을 맞추어, 이미지 기반의 패션 매칭 시스템인 빅데이터 기반 패션 도우미, Shoes Navigator 를 제안한다. 이를 위해 컴퓨터 비전 및 딥 러닝 기술을 활용하여 이미지에서 의류 항목을 자동으로 감지하고, 스타일, 색상과 같은 패션 특성을 추출한다. 또한, 사용자의 개인적인 스타일을 고려하여 최적의 매칭을 제안하기 때문에 패션 코디 문제를 용이하게 해결할 수 있다.

ASPI가 발표한 국가 및 기관별 핵심 기술수준 분석 보고서에 따르면, 44개의 핵심기술 분야 중 대다수에서 중국이 선두를 차지하고 있다. 이러한 결과는 중국이 개방적이지 않은 권위주의 국가로의 글로벌 영향력 이동 가능성을 나타낸다. 본 논문은 '에너지와 환경' 분야의 8개 전략 기술에 초점을 맞추어, 한국의 과학기술 수준 및 핵심 연구자의 현황을 파악하고자 한다. 이를 위해 최근 5년간의 국가 R&D 정보를 수집하고, 과제, 정부투자연구비, 학위별 동향을 분석했다. 그 결과, 글로벌 핵심기술 경쟁에서 한국은 전략기술 분야에서 부족한 부분이 있음을 확인했다. 이러한 분석 정보는 과학기술 혁신 정책 수립과 핵심인재 양성 등에 활용될 것으로 기대된다.

본 연구는 최근 서울시의 모든 지역이 과밀억제권역에 해당되는 문제를 해결하는 방법을 분석하였다. 서울시 행정동별 소득수준, 사업체 통계, 거주인구 데이터, 매출액, 대중교통 승차 승객 수 등의 변수를 활용하여 2번의 클러스터링을 거쳐 진행하였다. 2번에 걸쳐 클러스터링 된 군집별 특징을 바탕으로 서울시 내 미비 업종 진단을 제안한다.

추천 시스템은 빅데이터 관련 기술과 알고리즘의 발달로 다양한 분야에서 사용되고 있다. 관광 산업도 예외는 아니다. 본 연구에서는 사용자들이 촬영한 사진을 기반으로 유사한 여행지를 추천하는 추천 시스템을 제안한다. 사용자가 입력한 이미지에서 언어적 특성과 비언어적 특성을 추출하고 이를 기반으로 유사한 이미지를 탐색하고, 이를 기반으로 사용자가 좋아할 다음 여행지를 추천한다. 사용자가 질의어를 입력하지 않고 이미지를 제공하여 추천이 이루어진다는 점과 사용자의실제 여행 여부를 이용해 모델의 성능을 평가했다는 점에서 연구의 의의가 있다.

본 연구는 서울소재 외식업종의 6년간 점포당 매출액 데이터를 이용해 시계열 군집분석을 수행, 업종 및 지역별 상권을 세분화하고 '성장 상권'부터 '쇠퇴 상권'에 이르기까지 재정의한다. 이를 통해 예비 창업자와 소상공인이 업종과 지역을 선정하는 지표들을 분석하고 연구하였다.

본 연구의 목적은 발생한 거래에 대해 적합한 회계 계정을 선택하는 예측 모델을 생성하는 것이다. 이를 통해 단기적으로 보조 수단으로 활용하여 회계 전표 승인에 대한 소요 시간을 단축하거나, 장기적으로 손익계산서가 일정 오차율 이내에서 자동으로 빠르게 작성됨으로써 재무 정보의 적시성을 올려주고, 기업의 실적을 나타냄에 있어 개별 담당자의 주관이 개입될 여지가 줄어든다는 면에서 재무 정보의 객관성을 올려줄 것으로 기대한다. 제안하는 모델은 비용 전표 이력의 적요를 자연어 처리하고 학습한 모델을 통해 1 차(공시용) 비용 계정을 분류한다. 분류 결과를 범위로 활용하는 기계 학습을 활용하여 좀 더 세밀한 범위의 2 차(관리용) 비용 계정을 분류하였다.

With the explosion of information, recommendation algorithms are becoming increasingly important in providing people with appropriate content, enhancing their online experience. In this paper, we propose a recommender system using advanced deep reinforcement learning(DRL) techniques. This method is more adaptive and integrative than traditional methods. We selected the MovieLens dataset and employed the precision metric to assess the effectiveness of our algorithm. The result of our implementation outperforms other baseline techniques, delivering better results for Top-N item recommendations.

레이블링 작업은 데이터 분석 시 필요한 사전 작업중 하나이다. 모든 데이터들에 대해 레이블링 작업은 시간/인적 자원을 필요로 하기에, 해당 작업을 보완할 방법이 존재한다면 요구되는 리소스를 줄여 효율성을 크게 향상시킬 수 있다. 본 논문에서는 통신회사에서 적재된 데이터 셋에 대하여 레이블이 없는 데이터(Unlabeled-data)에 대해 의사 레이블링(Pseudo-labeling), SMOTE 를 통한 데이터 증강을 활용하여 기존에 활용되지 못한 데이터를 추가하여 모델에 학습시킨다. 실험을 통해 의사 레이블을 통한 모델 학습 방법이 기존 도메인 지식의 레이블 방법보다 효율적이고 성능이 우수함을 확인하였다.

비디오 프레임 오류는 스트리밍 클라이언트에서 프레임을 표출할 때 정상적인 영상이 아닌 손상된 프레임이 표출되는 현상이다. 프레임 오류가 발생하는 빈도는 높지 않지만 긴급하거나 중요한 상황에서 발생한다면 업무에 지장을 초래할 수도 있으므로 신속한 대처가 중요하다고 할 수 있다. 또한 프레임 오류를 인지하고 해결하기 위해서는 인간의 개입이 불가피하지만 사용자가 24시간 스크린을 모니터링 하는 것은 사실상 불가능하다. 따라서 본 논문에서는 전이학습을 이용하여 스트리밍 클라이언트에서 비디오 프레임 오류가 발생하는 것을 자동으로 감지하는 모델을 제안한다.

본 논문은 Word2Vec를 이용하여 한국어 증상 기반 질병 예측 모델을 제시한다. 아산병원 질환 백과의 크롤링 데이터를 세 가지 형식으로 나누어, 모델에 알맞은 데이터 형식을 찾고 모델에 적용한다. 가장 모델에 맞는 데이터 형식은 증상별 질병과 질병별 증상을 합친 경우이다. 데이터의 양을 늘려 임베딩 스페이스를 넓혔고, 가장 중요한 증상과 질병의 유사도도 정확하게 출력되었다. 이는 유사도가 높은 질병과 증상들이 제대로 학습이 되었다는 것을 알 수 있다. 이렇게 만들어진 예측 모델에 positive 증상을 입력하면 유사도가 향상되고, negative에 입력하면 하락하는 결과를 확인했다. 따라서 환자의 증상을 positive에 넣으면, 그 증상을 가진 질병이 가까워지는 반면, 환자의 증상이 아닌 증상을 negative에 넣으면, 환자에게 맞지 않는 질병이 멀어진다. 그러므로 환자의 상태에 맞는 질병을 유추해, 의사나 환자가 증상에 대한 질병을 알고 싶을 때 또는 검색에 유용하게 사용할 수 있다. 더불어, 질병의 진료과 데이터를 추가하여, 환자에게 맞는 진료과를 찾는 데도 도움을 줄 수 있다.

고령화 사회로 인한 노인의 건강과 안전에 대한 관심이 증가함에 따라 낙상 문제는 더욱 중요해졌다. 기존 연구들은 영상에서 인체의 관절위치를 측정하고 이것만을 활용하여 낙상을 감지했지만, 본 논문에서는 방향과 속력 정보를 추가하여 탐지 능력을 향상시켰다. 실험결과 기존 방식에 비해 향상된 성능을 관찰할 수 있었다.

AI 의료 영상 분석 기술은 의료 분야의 인력 부족 문제를 해결하는 방법으로 주목받고 있다. 이전 연구들은 세그멘테이션 라벨링과 질병 유무를 결합하여 판단하는데, 이 방법은 큰 비용과 시간이 소요된다. 본 논문은 의료 전문가의 세그멘테이션 라벨링 없이 병명 라벨만의 학습으로 질병을 어느 정도 진단할 수 있음을 보인다. 실험에 따르면 의미있는 결과를 확인할 수 있었다.

최근 현대인의 식습관 및 고령화로 인해 당뇨병 환자의 수가 연간 증가하고 있다. 따라서 현재는 아직 당뇨병이 발생하지 않았더라도 미래에 발생할 가능성 예측의 중요성이 커지고 있다. 기존의 당뇨병 발생 여부 진단 연구는 회귀 분석과 같은 단일 모델을 사용하여 수행된다. 그러나 당뇨병에 영향을 미치는 변수들은 복잡하게 얽혀있어 단일 모델만으로는 패턴을 충분히 학습하기 어렵다. 본 논문에서는 데이터에 적합하게 자동으로 다층 스태킹 앙상블 모델을 구성하는 알고리즘을 이용한 다층 스태킹 앙상블 모델을 제안한다. 제안하는 방법은 성능이 높은 모델들을 기준으로 층을 쌓으며 모델을 구성하며 실험 결과 다른 자동 기계학습 라이브러리와 비교해 F1 score 기준으로 최대 12.89%p의 성능 향상을 보였다.

개체명 인식은 자연어 처리의 핵심적인 작업으로, 특정 범주의 명칭을 문장에서 식별하고 분류한다. 이러한 기술은 헬스케어 분야에서 진단 지원 및 데이터 관리에 필수적이다. 그러나 기존의 사전 학습된 모델을 특정 도메인에 대해 전이학습하는 방법은 대량의 데이터에 크게 의존하는 한계를 가지고 있다. 본 연구는 방대한 데이터로 학습된 거대 언어 모델(LLM) 활용을 중심으로, 한국어의 교착어 특성을 반영하여 형태소 정보를 활용한 Few-Shot 프롬프트를 통해 한국어 헬스케어 도메인에서의 개체명 인식 방법을 제안한다.

교육 분야에서는 각 학생의 특성과 요구에 부응하는 개인화 교육의 중요성이 증가하고 있다. 이에 따라 인공지능 기반의 튜터링 시스템, 특히 대화 기반의 튜터링이 주목받고 있다. 본 연구는 GPT-3.5-turbo 를 사용하여 데이터를 생성하는 과정에서 프롬프트 설계의 중요성과 인간의 감수 과정의 필요성을 확인했다. 또한, 자동 평가 방법을 제안하여 데이터의 품질과 유용성을 평가하였다.

스테이블 디퓨전(Stable diffusion)과 같은 텍스트 프롬프트 입력 기반 이미지 생성 AI 기술의 발전으로 원하는 형태의 고품질 이미지를 누구나 손쉽게 생성가능할 것으로 기대하였으나 대부분의 경우 원하는 이미지를 얻기 위해서는 텍스트 프롬프트를 정교하게 조정해가며 많은 실패를 겪어야만 한다. 이러한 한계를 극복하기 위해 클립 인터로게이터(CLIP Interrogator)와 같은 유사 이미지를 재생성하기 위한 텍스트 프롬프트 추정 기술이 개발되었으며 몇몇 이미지에 대해 뛰어난 결과를 보였다. 본 논문에서는 이러한 텍스트 프롬프트 추정 기술의 활용이 한국화를 재생성할 수 있는지 실험을 통해 가능성을 확인하고 향후 한국화 재생성을 위한 연구 방향을 제안하고자 한다.

사회 환경적 운동의 하나인 플로깅(Plogging)은 조깅을 하며 길거리의 쓰레기를 줍는 행위를 소셜 네트워크 서비스(SNS) 등에 기록하는 사회 환경적 운동의 일환이다. 그러나, 활동 지역이나 쓰레기의 종류 및 양 등을 직접 입력해야 하는 불편함으로 인해 이러한 활동의 확대를 저해할 수도 있다. 본 연구는 이러한 활동 기록를 자동으로 트래킹하고 기록할 수 있는 딥러닝 기반의 플로깅 트래핑어플리케이션을 개발하였다. CNN과 YOLOv5를 사용하여 학습된 이미지 인식 모델은 높은 성능으로 쓰레기의 종류와 양을 인식하였다. 이를 통해 사용자는 더욱 편리하게 플로깅 활동을 기록할 수 있었으며, 수거한 쓰레기의 양이나 활동 거리를 활용한 리워딩 시스템으로 사용자 간의 건전한 경쟁을 유도하는데 활용할 수 있다.

최근 공급망 이슈로 재고관리의 중요성이 커지는 상황이다. 본 연구에서는 시계열분석과 강화학습을 이용해 오프라인매장의 적정재고를 관리하는 방안을 연구하였다. 연구결과 방안을 활용해 효율적인 재고관리가 가능함을 확인하였다. 향후 온라인 매장으로의 연구확대를 기대한다.

전통적인 텍스트 분류 방법은 상당량의 라벨링된 데이터와 미리 정의된 클래스가 필요해서 그 적용성과 확장성이 제한된다. 그래서 이런 한계를 극복하기 위해 제로샷 러닝(Zero-shot Learning)이 등장했다. 텍스트 분류 분야에서 제로샷 텍스트 분류는 모델이 대상 클래스의 샘플을 미리 접하지 않고도 인스턴스를 분류할 수 있도록 하는 중요한 주제이다. 이 문제를 해결하기 위해 정책 네트워크를 활용한 심층 강화 학습(DRL) 기반 접근법을 제안한다. 이러한 방법을 통해 모델이 새로운 의미 공간에 효과적으로 적응하면서, 다른 모델들과 비교하여 제로샷 텍스트 분류의 정확도를 향상시킬 수 있었다. XLM-R 과 비교하면 최대 15.9%의 정확도 향상이 나타났다.

최근 딥러닝 및 로봇기술의 발전으로 인해 대량의 데이터를 빠르게 수집하고 처리하는 연구 분야들로 확대되었다. 이와 관련된 한 가지 분야로써 다중 로봇을 이용한 분산학습 연구가 있으며, 이는 단일 에이전트를 이용할 때보다 대량의 데이터를 빠르게 수집 및 처리하는데 용이하다. 본 연구에서는 기존 Distributed Neural Network Optimization (DiNNO) 알고리즘에서 제안한 정적 분산 학습방법과 달리 단계적 분산학습 방법을 새롭게 제안하였으며, 모델 성능을 향상시키기 위해 원시 변수를 근사하는 단계수를 상수로 고정하는 기존의 방식에서 통신회차가 늘어남에 따라 점진적으로 근사 횟수를 높이는 방법을 고안하여 새로운 알고리즘을 제안하였다. 기존 알고리즘과 제안된 알고리즘의 정성 및 정량적 성능 평가를 수행하기 MNIST 분류와 2 차원 평면도 지도화 실험을 수행하였으며, 그 결과 제안된 알고리즘이 기존 DiNNO 알고리즘보다 동일한 통신회차에서 높은 정확도를 보임과 함께 전역 최적점으로 빠르게 수렴하는 것을 입증하였다.

최근 문화유산 해설 분야에도 AI를 도입하기 위해 여러 노력을 기울이고 있으나, 관람객의 특성이나 관심사를 고려하지 않고 사전에 수동으로 입력한 동일한 문화해설 콘텐츠를 다수의 관람객에게 반복 전달하는 형태로만 제공되는데 그치고 있다. 본 논문에서는 관람객이 관람 중인 문화유산을 관람객의 다양한 관심사에 맞추어 문화유산을 다양하게 해설해주기 위한 기초 연구로 영상을 통해 입력된 한국 전통회화에서 도상을 검출하는 연구를 진행하였다. 아직 가능성 타진 연구로 진행되어 현재 제시된 실험 결과에서는 우수한 도상 검출 성능을 내지 못하였지만, 다양한 증강기법과 퓨샷 러닝기법을 통하여 성능 향상을 도모할 경우 충분히 관람객 맞춤형 문화유산 해설 분야에 활용 가능할 것으로 기대된다.

The rapid development of the Internet has led to a significant increase in multimedia content in social networks. How to better analyze and improve video classification models has become an important task. Deep learning models have typical "black box" characteristics. The model requires explainable analysis. This article uses two classification models: ConvLSTM and VGG16+LSTM models. And combined with the explainable method of LRP, generate visualized explainable results. Finally, based on the experimental results, the accuracy of the classification model is: ConvLSTM: 75.94%, VGG16+LSTM: 92.50%. We conducted explainable analysis on the VGG16+LSTM model combined with the LRP method. We found VGG16+LSTM classification model tends to use the frames biased towards the latter half of the video and the last frame as the basis for classification.

본 연구는 은행에서 리스크 관리 자동화를 위해 고객의 대출 상환 여부 예측 모델을 제안하고자 한다. 예측 모델로 금융 데이터 같은 정형데이터에서 전통적으로 높은 성능을 보인 의사결정나무기반 모델 LightGBM, CatBoost, XGB 와 최근 제안된 정형데이터에서 사용할 수 있는 설명 가능한 딥러닝 기반 모델 TabNet 간의 성능 비교를 진행한다. 다만, 대출 상환 여부 데이터는 불균형 클래스 데이터로 구성되어있어 샘플링을 진행한다. SMOTE, Random Under Sampling, 혼합 방식을 비교해 가장 높은 성능의 샘플링 기법을 제안한다. 대출 상환 여부 예측 결과 TabNet 모델이 의사결정나무모델들보다 좋은 성능을 보여 정형데이터에서 의사결정나무 기반 모델을 딥러닝 모델이 대체 할 수 있는 가능성을 확인했다.

ADHD(과활동성 주의력 결핍 장애) 환자 수가 증가하며 주의력 집중이 사회적 문제로 대두되고 있다. 그러나 ADHD에 대한 이해나 요인에 대한 연구는 미흡하다. 본 연구에서는 아동기 전신마취가 ADHD 발생에 영향이 있다는 연구를 기반으로, 상관관계 분석과 선형회귀분석, Lasso Regression, Support Vector Regression, Deep Neural Network, Ensemble, Random Forest Regression을 활용하여 ADHD 증가 요인에 대해 탐구했다. 분석 결과는 전신 마취에 노출될 가능성이 높은 아동의 경우 ADHD에 노출될 가능성 역시 높을 수 있음을 시사한다.

가공식품이라는 특정 도메인에서는 기존 검색엔진에서 많이 활용되는 BM25 만을 가지고 최저가 검색하는 데는 어려움이 있다. 본 논문에서는 BM25 외에도 검색의 정확성을 높이기 위해 HuggingFace 에 공개되어 있는 KoELECTRA 를 활용하여 개체명 인식(Named Entity Recognition 과 이진 분류모델(Binary Classification)을 Fine-tuning 하고 BM25 와 연계하여 구축한 검색시스템을 제안한다. 기존의 BM25 대비 성능 평가를 통해 효과를 검증하였다.

최근 GPT-3 와 LLaMa 같은 생성형 거대 언어모델을 활용한 서비스가 공개되었고, 실제로 많은 사람들이 사용하고 있다. 해당 모델들은 사용자들의 다양한 질문에 대해 유창한 답변을 한다는 이유로 주목받고 있다. 하지만 LLMs 의 답변에는 종종 Inconsistent content 와 non-factual statement 가 존재하며, 이는 사용자들로 하여금 잘못된 정보의 전파 등의 문제를 야기할 수 있다. 이에 논문에서는 동일한 질문에 대한 LLM 의 답변 샘플과 외부 지식을 활용한 Hallucination Detection 방법을 제안한다. 제안한 방법은 동일한 질문에 대한 LLM 의 답변들을 이용해 일관성 점수(Consistency score)를 계산한다. 거기에 외부 지식을 이용한 사실검증을 통해 사실성 점수(Factuality score)를 계산한다. 계산된 일관성 점수와 사실성 점수를 활용하여 문장 수준의 Hallucination Detection 을 가능하게 했다. 실험에는 GPT-3 를 이용하여 WikiBio dataset 에 있는 인물에 대한 passage 를 생성한 데이터셋을 사용하였으며, 우리는 해당 방법을 통해 문장 수준에서의 Hallucination Detection 성능이 baseline 보다 AUC-PR scores 에서 향상됨을 보였다.

디퓨전 모델에서 생성한 이미지를 조작하는 기존 프롬프트 기반 방법과 포인트 기반 방법에는 각각의 단점이 있다. 프롬프트 기반은 프롬프트로만 조작이 가능하고 세세하지 못하다. 포인트 기반은 입력 이미지의 스타일을 보존하려면 파인튜닝이 필요하다. 본 논문은 디퓨전 생성 모델에 셀프 어텐션 제어와 드래그 조작을 통해, 파라미터 학습 없이, 이미지의 스타일을 보존하며 다양한 범위의 이미지 조작이 가능한 방법을 제안한다.

이 논문은 이미지 처리와 머신 러닝 분야에서 중요한 주제 중 하나인 알고리즘 성능과 효율성에 대한 연구이다. 역전파 알고리즘과 상대적으로 새로운 Forward-Forward 알고리즘을 비교하고 분석해 보니 Forward-Forward 알고리즘이 역전파 알고리즘보다 비교적 높은 정확도를 확인할 수 있었다.

문서 전자화 시스템의 도입에 따라 OCR에 관련된 많은 연구가 진행되고 있으며, 현재 넓은 분야에서 OCR을 활용 중이다. 그러나 OCR 라이브러리들의 한국어 인식성능에 어느 정도 차이가 있는지에 대한 의문이 생기고 있다. 본 논문에서는 현재 사용 중인 OCR 라이브러리의 한국어 인식성능을 비교, 분석하였고 Tesseract OCR이 더 인식성능이 좋다는 결과를 얻었다.

잘못된 분리수거는 다른 재활용 폐기물의 재활용을 제한한다. 본 논문에서는 올바른 분리수거를 위해 페트병 라벨 유무 분류 모델을 구현했다. 초기 모델의 낮은 성능을 개선하기 위해 이미지 데이터의 노이즈를 줄이는 편집을 거치고 데이터 증강을 적용하였으며, 모델 개선 작업을 진행하여 과적합을 피하면서 더 나은 성능을 도출했다. 최종 모델은 초기 모델보다 비교적 우수한 성능을 보였으나, 실제 활용 면에서는 낮은 성능을 나타냈다. 이는 학습 데이터의 질과 데이터양의 부족에서 나타난 결과로 볼 수 있다.

컴퓨터 단층촬영(CT)을 활용한 골격근 단면적은 근감소증과 관련된 기능을 평가하는 데 사용된다. 일반적인 근감소증 연구는 요추 3번의 골격근량을 주로 보지만 암 또는 폐절제술과의 상관관계를 예측하기 위한 다양한 연구에서는 흉추 4번, 7번, 8번, 10번, 12번 다양한 수준의 골격근량으로 연구를 진행하고 있음을 알 수 있다. 본 논문에서는 흉부와 복부 CT 영상에서 근감소증 진단을 위해서 흉추와 요추의 영역별 슬라이스를 검출하기 위해서 CNN 구조의 EfficientNetV2를 전이학습하여 인공지능 모듈을 개발하였다. 인공지능 모듈은 전체 흉부 및 복부 CT 영상에서 Cervical, T1, T2, T3, T4, T5, T6, T7, T8, T9, T10, T11, T12, L1, L2, L3, L4, L5, Sacral 총 19 클래스를 검출하도록 하였다. Test 데이터셋을 사용하여 Confusion Matrix와 Grad-CAM으로 모델의 정확도를 시각화하여 보였으며 검증으로 인공지능 모듈의 정확성을 측정하였다. 끝으로 우리가 개발한 다기관 공동연구 지원플랫폼에 적용하여 시각화된 결과를 보였다.

생성형 인공지능은 학습의 기준을 파악하기 어려운 모델이다. 그 중 DCGAN을 분석하여 판별자를 통해 생성자의 학습 기준을 판단할 수 있는 하나의 방법을 제안하고자 한다. 그 과정에서 XAI 기법인 Grad-CAM을 활용하여 학습 시에 모델이 중요시하는 부분을 분석하여 적합한 학습과 학습에 적합하지 않은 데이터를 분석하는 방법을 소개하고자 한다.

양자 컴퓨팅 환경에서 빅데이터를 이용하는 Quantum Artificial Intelligence(QAI)는 빠른 계산 속도를 추구한다. 최근 금융, 물류, 교통 분야의 QAI 모델과 이미지 분류용 quantum convolutional neural network가 소개됐지만 아직 완벽한 성능은 달성하지 못했다. 본 논문은 성능 향상을 위한 모듈을 새로 제시하고, 이를 소형 양자 컴퓨터에 적용하며 하이브리드 모델 구성을 가능하게 한다. 실험 결과, 제안하는 방법은 기존 네트워크와 비교해 우수한 성능을 보였다.

최근 금융 분야는 예측 모델의 복잡성으로 인한 블랙박스 문제와 금융 규제에 대한 관심이 높아지고 있다. 이에 따라 금융 업계는 신뢰성과 투명성을 강조하며, 특히 신용평가 분야에서 설명 가능한 모델 연구가 활발히 진행되고 있다. 또한, 해당 분야에서 소수 클래스에 대해 충분히 학습하지 못하고 다수 클래스에 과적합 될 수 있는 데이터 불균형 문제 역시 강조되고 있다. 이는 제 2종 오류(Type 2 Error)를 최소화해야 하는 상황에서 더욱 부각되며, 대출 상환 능력이 낮은 고객을 최대한 식별해야 하는 개인 신용평가 문제에서 매우 중요한 화두로 떠오르고 있다. 본 논문에서는 어텐션 메커니즘을 활용하여 모델의 설명 가능성을 개선하고, 분석 결과를 해석하는 데 도움이 되고자 한다. 더 나아가, SMOTE, GAN, ADASYN 등 총 다섯 가지 데이터 증강 기법을 실험하여, 이를 앙상블 하였을 때 소수 클래스 레이블에 대한 분류 정확도를 크게 개선할 수 있음을 확인하였다.

본 논문에서는 RLHF 기반의 오픈소스 LLM인 llama-2-13b model을 FinQA task에 적용하여 그 성능을 확인해 보았다. 이때, CoT, few-shot과 같은 다양한 prompting 기법들을 적용해보며 어떤 방법이 가장 효과적인지 비교했다. 그 결과, 한 번(total)에 task를 수행한 경우 few-shot 예시를 2개 사용했을 때보다 3개 사용했을 때, subtask로 나누어 수행한 경우 prompt로 답(simple)만 제시했을 때보다 CoT 형식으로 주었을 때, 각각 24.85%의 정확도로 가장 높은 성능을 보였다.

기계 학습에서 데이터 및 기능은 기계 학습의 상한을 결정한다.이러한 기능은 산업 생산에서 과도한 데이터 양과 유형으로 인해 상당한 추가 비용이 발생할 수 있다. 따라서 적절한 특징 처리 방법이 매우 중요해졌다. 대부분의 기존 특징 처리 방법은 특징 엔지니어링을 기능 검색 문제, 즉 모델 성능을 최적화할 수 있는 기능 변환 작업을 검색하는 것으로 추상화한다. 그러나 자동 특징 엔지니어링의 경우 검색량과 변환 조합의 수가 매우 많기 때문에 요인 분해 기반 모델을 사용하여 벡터 곱셈을 통해 상호 작용을 측정하면 조합 특징의 패턴을 자동으로 학습하는 방법이 특히 효율적이다. xDeepFM 은 명확한 방식으로 특징적인 상호작용을 생성하도록 설계된 새로운 Compressed Interaction Network (CIN)를 제안한다. 여기에 제시된 Low-rank Compressed Interaction Network(LRCIN )은 xDeepFM 접근 방식에서 CIN 네트워크의 단순화된 개선을 기반으로 하며 xDeepFM 에 주의 메커니즘을 추가하여 보다 정확하게 예측된다. 실험 결과에 따르면 모델은 계산 복잡성을 단순화할 뿐만 아니라 예측 정확도도 다른 모델보다 훨씬 우수한다.

클릭률(CTR) 예측은 많은 실제 응용 프로그램에서 가장 기본적인 작업 중 하나가 되었으며 이 분야에서 많은 고급 모델이 나았다. 그러나 가장 고전적인 CF(Collaborative Filtering) 모델에서 딥러닝 모델로 발전하는 과정에서 특징 교차의 기본 단위가 요소(비트 단위)가 아닌 특징(벡터 단위)이라는 사실을 기억하는 모델은 거의 없다. 이 논문에서는 Masknet 모델에 벡터 단위 교차를 적용하는 클릭률 예측 모델은 제안한다.Movielens 에 대해 예측 결과는 89.24%로 나타나고 원본 모델보다 효과가 더 좋다.

음성 기반의 감정 분석은 인간의 감정을 정확하게 파악하는 데 중요한 연구 분야로 자리잡고 있다. 최근에는 wav2vec2.0과 같은 트랜스포머 기반의 모델이 음성 인식 분야에서 뛰어난 성능을 보이며 주목받고 있다. 본 연구에서는 wav2vec2.0 모델을 활용하여 한국어 감성 발화 데이터에 대한 감정 분류를 위한 데이터 샘플링 전략을 제안한다. 실험을 통해 한국어 음성 감성분석을 위해 학습 데이터를 활용할 때 감정별로 샘플링하여 데이터의 개수를 유사하게 하는 것이 성능 향상에 도움이 되며, 긴 음성 데이터부터 이용하는 것이 성능 향상에 도움이 됨을 보인다.

본 연구는 기업 간 협력과 경쟁력 강화를 위한 특허 기반 유사 기업 추천 모델을 제안한다. 제안 모델은 특허 데이터와 한국표준산업분류(KSIC) 정보를 활용하여, 특허 정보를 기반으로 기업 간 유사성을 평가하고 유사한 기업을 추천한다. 제안 모델은 특허 초록 정보와 한국표준산업분류를 사용하여 기술 측면에서 기업별 특성을 고려한 기업 대표 벡터를 생성한다. 또한, 기업의 특허 수를 고려하여 정확한 유사기업 추천을 제공합니다. 제안 모델은 기업들이 협력 파트너를 찾고 새로운 비즈니스 기회를 모색하는 데에 도움을 줄 수 있으며, 현재는 NTIS(www.ntis.go.kr)의 분류기반 특허분석 서비스에서 사용 중이다.

비속어 탐지 기법으로 주로 사용되는 비속어 데이터베이스 활용 방식 혹은 문장 자체를 혐오, 비혐오로 분류하는 방식은 변형된 비속어 탐지에 어려움이 있다. 본 논문에서는 자연어 처리 태스크 중 하나인 개체명 인식 방법에서 착안하여 시퀀스 레이블링 기반의 비속어 탐지 방법을 제안한다. 한국어 악성 댓글 중 비속어 부분에 대해 레이블링 된 데이터셋을 구축하여 실험을 진행하고, 이를 통해 F1-Score 약 0.88 의 결과를 보인다.

스마트팜 혁신밸리는 스마트팜에 특화된 스마트팜 기자재 연구·실증 기능의 집약을 위해 추진되었다. 하지만 기존의 스마트팜 실증단지 구축 시스템은 모놀리식 접근 방식을 사용해서 시스템 내 다양한 기능의 업데이트와 유지보수를 하는데 많은 시간과 인력을 필요로 한다. 이에 본 논문은 차후 스마트팜의 실증단지 운영시스템 구축에 마이크로 서비스 아키텍처를 활용한 '마이크로 서비스' 시스템을 제시하는 것을 목적으로 한다. 이를 통해 스마트팜 기능의 통합을 개선하고 대규모배포를 위한 성능을 향상시킬 수 있다. 이를 위해 MSA 설계 전략에 대한 제언을 한다. 향후 실제 실증단지 운영시스템 구축에 본 제안의 유용성을 확인하는 작업이 필요하다.

본 논문은 기존의 웨어러블 센서 방식이 아닌 영상으로 반려견의 행동을 분석하는 연구에 대한 것이다. 제안한 시스템은 영상에서 반려견의 영역을 탐지하고, 탐지된 이미지에서 반려견의 관절 좌표를 추출하여 행동을 판단하는 방식이다. 모든 프레임에 대해 처리하지 않고, 일정 주기 단위로 영상을 처리해 실시간성을 확보하였다. 제안한 시스템의 유용성은 실험으로 검증하였으며, 유의미한 실험 결과를 얻을 수 있었다.

비접촉 음파 센서와 기계학습을 결합하여 도로 표면의 투명한 블랙아이스 감지 및 노면 분류 97%의 정확도를 달성한 새로운 접근 방법을 제안한다. 개발된 시스템은 블랙아이스를 포함한 다양한 물질의 반사 특성을 분석하여 미끄러운 도로 상황을 실시간 감지 및 예측이 가능하여 도로 안정성을 향상한다. 본 연구에서는 테스트 벤치와 투명하고 미끄러운 물질을 이용하여 블랙아이스를 감지할 수 있는 기술의 정확도를 비교하며, 실험 결과를 통해 제안된 블랙아이스 감지 방법의 타당성을 입증하고자 한다.

현대 컴퓨터 비전 분야에서는 객체 추적이 중요한 연구 주제 중 하나다. 기존 Tracking By Detection 방식은 실시간 추적 속도와 Tracklet을 유지할 수 있는 정보 전달의 한계를 가지고 있다. 본 연구에서는 유사도 비교 모듈을 기반으로 Tracking By Detection 모델을 설계하고자 한다. 탐지 모델은 Anchor를 사용하지 않는 CenterNet을 사용하고 탐지된 값에 유사도 비교 알고리즘을 적용하여 객체 탐지와 객체 추적을 동시에 수행하는 모델을 제안한다. 제안하는 방법은 Occlusion으로 인한 객체 정보 손실을 완화하고, 새로운 객체 및 장애물에 대해 강건할 것으로 사료된다.

CNN 기반 Deep Learning 분야에서 객체 탐지 정확도를 높이기 위해 모델의 많은 Parameter 가 사용된다. 많은 Parameter 를 사용하게 되면 최소 하드웨어 성능 요구치가 상승하고 처리속도도 감소한다는 문제가 있어, 최소한의 정확도 하락으로 Parameter 를 줄이기 위한 여러 Pruning 기법이 사용된다. 본 연구에서는 Neural Architecture Search(NAS) 기반 Channel Pruning 인 Artificial Bee Colony(ABC) 알고리즘을 사용하였고, 기존 NAS 기반 Channel Pruning 논문들이 Classification Task 에서만 실험한 것과 달리 Object Detection Task 에서도 NAS 기반 Channel Pruning 을 적용하여 기존 Uniform Pruning 과 비교할 때 파라미터 수 대비 정확도가 개선됨을 확인하였다.

본 연구는 인 컨택스트 러닝 (In-Context Learning)을 오디오-언어 작업에 적용하기 위한 멀티모달 (Multi-Modal) 딥러닝 모델을 다룬다. 해당 모델을 통해 학습 단계에서 오디오와 텍스트의 소통 가능한 형태의 표현 (Representation)을 학습하고 여러가지 오디오-텍스트 작업을 수행할 수 있는 멀티모달 딥러닝 모델을 개발하는 것이 본 연구의 목적이다. 모델은 오디오 인코더와 언어 인코더가 연결된 구조를 가지고 있으며, 언어 모델은 6.7B, 30B 의 파라미터 수를 가진 자동회귀 (Autoregressive) 대형 언어 모델 (Large Language Model)을 사용한다 오디오 인코더는 자기지도학습 (Self-Supervised Learning)을 기반으로 사전학습 된 오디오 특징 추출 모델이다. 언어모델이 상대적으로 대용량이기 언어모델의 파라미터를 고정하고 오디오 인코더의 파라미터만 업데이트하는 프로즌 (Frozen) 방법으로 학습한다. 학습을 위한 과제는 음성인식 (Automatic Speech Recognition)과 요약 (Abstractive Summarization) 이다. 학습을 마친 후 질의응답 (Question Answering) 작업으로 테스트를 진행했다. 그 결과, 정답 문장을 생성하기 위해서는 추가적인 학습이 필요한 것으로 보였으나, 음성인식으로 사전학습 한 모델의 경우 정답과 유사한 키워드를 사용하는 문법적으로 올바른 문장을 생성함을 확인했다.

오늘날 과도한 정보의 양 속에서 디지털 문서 내 중요한 정보를 효율적으로 획득하는 것은 비용 효율의 측면에서 중요한 요구사항이 되었다. 문서 요약은 자연어 처리의 한 분야로서 원본 문서의 핵심적인 정보를 유지하는 동시에 중요 문장을 추출 또는 생성하는 작업이다. 이 중 추출요약은 정보의 손실 및 잘못된 정보 생성의 가능성을 줄이고 요약 가능하다. 그러나 여러 토크나이저와 임베딩 모델 중 적절한 활용을 위한 비교가 미진한 상황이다. 본 논문에서는 한국어 사전학습된 추출 요약 언어 모델들을 선정하고 추가 데이터셋으로 학습하고 성능 평가를 실시하여 그 결과를 비교 분석하였다.

CTR(Click Through Rate) 예측은 사용자가 광고나 아이템을 클릭할 확률을 예측하는 데 사용되는 용어로, 광고 분야에서 중요한 연구 분야로 자리 잡았다. 인터넷 데이터의 양이 증가함에 따라, 전통적인 피쳐 엔지니어링의 인건비는 계속해서 상승하고 있다. 특징 상호 작용에 대한 의존도를 줄이기 위해, 본 논문은 TMH(Two-Tower Multi-Headed Attention Neural Network) 접근법이라고 하는 명시적인 특징 상호 작용과 암시적인 특징 상호 작용을 결합한 융합 모델을 제안한다. CTR 예측에서 TMH 의 효과를 평가하기 위해 3 개의 실제 데이터 세트를 사용하여 많은 수의 실험을 수행하였다. 성능은 3 개의 데이터 세트에서 0.12%, 0.41% 및 0.68%으로 향상되었다.

설명 가능한 심층 강화 학습 지식 증류 방법(ERL-KD)이 제안하였다. 이 방법은 모든 하위 에이전트로부터 점수를 수집하며, 메인 에이전트는 주 교사 네트워크 역할을 하고 하위 에이전트는 보조 교사 네트워크 역할을 한다. 글로벌 최적 솔루션은 샤플리 값과 같은 해석 가능한 방법을 통해 얻어진다. 또한 유사도 제약이라는 개념을 도입하여 교사 네트워크와 학생 네트워크 간의 유사도를 조정함으로써 학생 네트워크가 자유롭게 탐색할 수 있도록 유도한다. 실험 결과, 학생 네트워크는 아타리 2600 환경에서 대규모 교사 네트워크와 비슷한 성능을 달성하는 것으로 나타났다.

Speech emotion recognition(SER) is one of the interesting topics in the machine learning field. By developing multi-modal speech emotion recognition system, we can get numerous benefits. This paper explain about fusing BERT as the text recognizer and CNN as the speech recognizer to built a multi-modal SER system.

Due to vast points and irregular structure, labeling full points in large-scale point clouds is highly tedious and time-consuming. To resolve this issue, we propose a novel point-based transformer network in weakly-supervised semantic segmentation, which only needs 0.1% point annotations. Our network introduces general local features, representing global factors from different neighborhoods based on their order positions. Then, we share query point weights to local features through point attention to reinforce impacts, which are essential in determining sparse point labels. Geometric encoding is introduced to balance query point impact and remind point position during training. As a result, one point in specific local areas can obtain global features from corresponding ones in other neighborhoods and reinforce from its query points. Experimental results on benchmark large-scale point clouds demonstrate our proposed network's state-of-the-art performance.

대중교통은 현대 사회에서 필수적인 요소이며 특히 출퇴근 시간대에는 도로 교통 상황에 영향을 덜 받는 지하철의 수요가 높은 편이다. 그러나 제한된 물리적 자원으로 인해 열차 내 혼잡도 증가와 열차 운행 지연은 불가피한 상황이다. 본 논문에서는 이를 해결하기 위한 한 가지 방법으로 강화학습기반 DQN 알고리즘을 이용한 열차 정차 시간 최적화 기법을 제안했다. 열차 정차 시간과 승차 인원 모두 고려하면서 최적화를 진행했을 때와 그렇지 않았을 때를 비교하면서 실험을 진행하여 성능을 분석했다.

청각 장애인 운전자를 위한 보조등을 개발하고자 한다. 청각 장애인들은 운전할 때 다른 차의 경적이나 구급차, 소방차와 같은 긴급 자동차의 사이렌 소리를 듣지 못한다. LED 기술과 아두이노를 활용하여 소리의 발생 위치와 종류를 시각적으로 표시하며, 진동으로 알림을 제공해 주고자 한다. 이를 통해 다른 운전자와의 오해를 줄이고 운전 중의 시각 집중도를 높일 수 있을 것이다. 이로써, 청각 장애인들이 운전 시 마주치는 애로사항을 완화할 수 있을 것이다. 이 제품은 다양한 차종에 적용할 수 있을 것이며, 청각 장애 운전자에게 자유로운 운전과 도로 안전을 제공할 것으로 기대된다.

딥러닝 기술은 더 많은 분야와 과제에 적용되기 위해서 네트워크는 더 복잡하고 거대한 형태로 발전해왔다. YOLOv7-tiny과 같은 객체탐지 네트워크는 다양한 객체와 환경에서 활용하기 위해 COCO 데이터 세트를 대상으로 발전해왔다. 그러나 본 논문에서 적용할 모델은 임베디드 보드 환경에서 실시간으로 1개의 Class를 대상으로 객체를 탐지하는 네트워크 모델이 찾고자 프루닝을 적용하였다. 모델의 프루닝을 할 필터를 찾기 위해 본 논문에서는 클러스터링을 통한 필터 프루닝 방법을 제안한다. 본 논문의 제안 방법을 적용했을 때 기준 모델보다 정확도가 7.6% 감소하였으나, 파라미터가 1% 미만으로 남고, 속도는 2.1배 증가함을 확인하였다.

Due to the serious issues posed by facial manipulation technologies, many researchers are becoming increasingly interested in the identification of face forgeries. The majority of existing face forgery detection methods leverage powerful data adaptation ability of neural network to derive distinguishing traits. These deep learning-based detection methods frequently treat the detection of fake faces as a binary classification problem and employ softmax loss to track CNN network training. However, acquired traits observed by softmax loss are insufficient for discriminating. To get over these limitations, in this study, we introduce a novel discriminative feature learning based on Vision Transformer architecture. Additionally, a separation-center loss is created to simply compress intra-class variation of original faces while enhancing inter-class differences in the embedding space.

봇넷은 지속적으로 사이버 범죄에 이용되고 있으며 네트워크 환경에 큰 위협이 되고 있다. 기존에는 봇들이 C&C 서버와 통신하는 것을 방지하기 위해 블랙리스트를 기반으로 DNS 서버에서 봇넷 도메인을 탐지하는 방식을 주로 사용하였다. 그러나 도메인 생성 알고리즘(DGA)을 이용하는 봇넷이 증가하면서 기존에 사용하던 블랙리스트 기반의 도메인 차단 방식으로는 더 이상 봇넷 도메인을 효율적으로 차단하기 어려워졌다. 이에 따라 봇넷 도메인 생성 알고리즘을 통해 생성되는 도메인의 특성을 분석하고 이를 토대로 봇넷 도메인을 식별하고 차단하고자 하는 시도가 계속되고 있다. 특히 연속적인 데이터 처리에 주로 사용되는 딥러닝 알고리즘을 이용하여 봇넷 도메인의 특징을 효과적으로 추출하고 정확도가 높은 탐지 모델을 구축하고자 하는 연구가 주를 이루고 있으며, 탐지뿐만 아니라 봇넷 그룹(Family) 분류까지 연구가 확장되고 있다. 이에 본 논문에서는 봇넷 도메인 생성 알고리즘에 의해 생성되는 봇넷 도메인을 식별 및 분류하기 위해 딥러닝 기술을 적용한 최근 연구 동향을 조사하고 앞으로의 연구 방향성을 논의하고자 한다.

내진 설계가 되어있지 않은 건물의 경우, 지진으로 인해 건물 붕괴 가능성이 높아지며 이로 인해 많은 인명 피해가 발생할 수 있다. 지진으로 인한 건물의 피해를 예측하고 이를 기반으로 취약점을 보완한다면 인명 피해를 줄일 수 있으므로 건물 피해 예측 모델에 대한 연구가 필요하다. 본 논문에서는 2015 년 네팔 대지진으로 인해 손상된 건물 데이터를 활용하여 Random Forest 와 Extreme Gradient Boosting 기계학습 분류 알고리즘을 사용하여 지진 피해 예측 모델의 정확도를 비교하였다.

현재 전력망에서는 불규칙하거나 낭비되는 전력 문제를 해결하기 위한 한 방법으로 ESS(Energy Storage System)를 활용하는 방법이 많은 관심을 받고 있다. 본 연구에서는 업종별로 시간대에 따라 요금을 다르게 부과하는 배전망 시스템에서, 배터리를 보다 경제적으로 사용하는 동시에 여유 용량을 유지하도록 하는 DQN 기반 강화학습 기법을 제안하였다. 또한, 업종별로 다른 전력 소비 패턴을 에이전트의 동작성과 함께 그 성능을 분석하고 비교하였다.

데이터 증강은 데이터 불균형 문제를 해결하기 위해 일반화 성능을 향상시킨다. 이는 과적합 문제를 해결하고 정확도를 높이는 데 도움을 준다. 과적합을 해결하기 위해서 본 논문에서는 분할 마스크 라벨링을 자동화하여 효율성을 높이고, RoI를 활용한 분할 Copy-Paste 데이터 증강 기법을 제안한다. 본 논문의 제안 방법을 적용한 결과 YOLOv8 모델에서 기존의 분할, 박스 Copy-Paste 데이터 증강 기법과 비교해서 쓰러진 사람 객체에 대한 정확도가 10.2% 증가함으로써 제안한 방법이 일반화 성능을 높이는 데 효과가 있음을 확인하였다.

In this paper, we introduce a pre-training method leveraging the capabilities of the Vision Transformer (ViT) for disease diagnosis in conventional Fundus images. Recognizing the need for effective representation learning in medical images, our method combines the Vision Transformer with a Masked Autoencoder to generate meaningful and pertinent image augmentations. During pre-training, the Masked Autoencoder produces an altered version of the original image, which serves as a positive pair. The Vision Transformer then employs contrastive learning techniques with this image pair to refine its weight parameters. Our experiments demonstrate that this dual-model approach harnesses the strengths of both the ViT and the Masked Autoencoder, resulting in robust and clinically relevant feature embeddings. Preliminary results suggest significant improvements in diagnostic accuracy, underscoring the potential of our methodology in enhancing automated disease diagnosis in fundus imaging.

본 논문에서는 YOLOv5m과 이미지 전처리 기법을 활용한 문 객체 감지 시스템을 제안한다. 이미지 전처리를 하지 않은 Original 이미지 그리고 이미지 전처리를 한 CLAHE 이미지, Bilateral 이미지 세 가지를 사용해서 가장 좋은 기법을 비교한다. mAP 진행 그래프 및 이미지 출력을 통해 결과를 검증한다. 본 논문의 목표는 인공지능이 문을 감지하는 알고리즘을 구현하여 배송 로봇이 목적지의 문을 찾아내는 것이다

Acupuncture and acupressure apply needles or pressure to anatomical points for therapeutic benefit. The over 350 mapped acupuncture points in the human body can each treat various conditions, but anatomical variations make precisely locating these acupoints difficult. We propose a computer vision technique using the real-time hand and face tracking capabilities of the MediaPipe framework to identify acupoint locations. Our model detects anatomical facial and hand landmarks, and then maps these to corresponding acupoint regions. In summary, our proposed model facilitates precise acupoint localization for self-treatment and enhances practitioners' abilities to deliver targeted acupuncture and acupressure therapies.

최근 인공지능을 활용한 경혈의 위치를 추론하는 연구가 활발하게 진행되고 있다. 본 논문은 자세 추정(Pose Estimation)을 통해 경혈 검출을 위한 두 가지 접근법인 Top down 방식과 Bottom up 방식의 추론 결과를 비교함으로써 어떤 방식이 경혈의 위치를 추론하기에 더 적합한 지 알아보고자 한다.

The problem of classifying of age, gender, and race images still poses challenges. Despite deep and machine learning strides, convolutional neural networks (CNNs) remain pivotal in addressing these issues. This paper introduces a novel CNN-based approach for accurate and efficient age, gender, and race classification. Leveraging CNNs with residual blocks, our method enhances learning while minimizing computational complexity. The model effectively captures low-level and high-level features, yielding improved classification accuracy. Evaluation of the diverse 'fair face' dataset shows our model achieving 56.3%, 94.6%, and 58.4% accuracy for age, gender, and race, respectively.

애니메이션은 주어진 키프레임(key frame)에 맞추어 움직이기 때문에, 다른 객체와 상호작용할 때 상대편 물체의 위치나 방향을 애니메이션에 맞추어 변환해야 한다. 이 논문에서는 모방학습으로 애니메이션을 학습하고, 모션 블렌딩(motion blending) 기법으로 객체 간 상호작용을 학습하여 새로운 애니메이션을 생성하는 방법을 제안한다. 에이전트(agent)는 오브젝트의 상태를 관측하고 주어진 모션들을 블렌딩하는 방법으로 다양한 행동을 취하고 목적에 대한 보상을 받는다. 에이전트가 행동하는 과정에서 모션 블렌딩 비율에 대한 가중치를 계산하는 함수를 설계하고, 생성되는 애니메이션이 사람이 취할 수 있는 동작에 가깝도록 회전 각도 clamping 함수와 보상 시스템을 설계하여 반영한다. 모방학습 기반 모션 블렌딩 기법은 객체의 변화에 상호작용하는 애니메이션을 기존 강화학습 기반 애니메이션 생성 기법보다 적은 학습량으로 생성할 수 있음을 확인했다.

한국 수어는 소리로 말을 배울 수 없어서 사용하는 '보이는 언어'이고 한국수화언어를 줄인 말이다. 한국어나 영어와 같이 독립된 언어로 한국어와는 문법 체계가 다른 대한민국 농인의 고유한 언어이다. 하지만, 한국 사회에서는 수어를 일상어로 사용하는 농인이 수어만으로 다른 사람과 대화하거나 서비스 등을 이용하기에는 쉽지 않은 구조이다. 이에 본 논문에서는 택시라는 상황을 가정해 택시 안에서 학습된 모델이 농인의 수어를 인식하고 택시 기사에게 해당 의미를 전달하는 시스템을 제안한다. 제안 시스템을 통해 택시 기사는 농인(수어사용자)에게 응답할 수 있다. 본 논문에서는 한국수어 번역기 웹서비스를 설계 및 구현하여 실제 환경에서의 활용 가능성을 검증한다.

외발자전거는 서커스 곡예의 소재로 사용될 정도로 일반인이 타기 어렵다. 하지만, 구조가 단순하고 부피가 작고 가벼워 개인용 이동 수단으로 장점이 많다. 바퀴가 하나이므로 자유도가 높아서 좁거나 곡선반지름이 작은 길에서도 유리하다. 최근 전기자전거뿐만 아니라 전동보드, 전동휠 등 다양한 형태의 전력 구동형 개인 이동 수단들이 많이 등장하고 이용되고 있는데 스스로 균형을 유지하여 안전하고 쉽게 탈 수 있는 외발 전동차를 개발을 위해 인공지능 강화학습을 적용한 자동제어장치를 시뮬레이션을 통해 구현하고자 한다.

본 논문에서는 동물의 십자인대 질환의 진단지표인 경골고원각도(TPA)를 자동으로 측정하는 딥러닝 소프트웨어 기법을 제안한다. 동물 X-ray 영상에서 나타나는 피사체의 위치와 형태에 대한 다양한 변이는 TPA(Tibial Plateau Angle) 지표 산출에 필요한 특징점 검출과정에서 학습 효율을 현저하게 저하시킨다. 이에 본 연구에서는 YOLO(You Only Look Once) 기반 모델을 사용하여 일차적으로 경골영역의 분할 단계를 수행하고, 이어서 경골 상단부의 과간융기와 복사뼈의 중심점을 찾는 과정을 Resnet 기반의 특징점 추출 모듈로서 구현함으로써 학습의 효율과 지표 검출의 정확도를 향상시켰다. 총 201 개의 실제 X-ray 영상을 사용하여 학습 속도와 영역 분할 및 특징점 추출의 정확도 측면을 고려함으로 제안된 이론의 타당성을 실험적으로 평가하였다.

코로나 19 이후 무인매장에 대한 수요가 꾸준히 증가하며 빠른 시장 규모 성장을 보이고 있다. 그러나 관리자의 부재로 감시가 어렵고 즉각적인 대응이 불가능한 환경으로 인해 도난 문제 또한 꾸준히 발생하고 있다. 본 논문은 YOLO 객체인식 기술을 활용한 무인매장 도난 감지 시스템과 실시간 메일 알림 기능을 제안한다. 이를 통해 무인매장에서 발생하는 도난 범죄를 예방하고, 즉각적인 조치를 가능하게 함으로써 보다 안전하고 효율적으로 무인매장을 관리할 수 있게 한다.

대량 문자서비스를 통한 스팸 문자가 계속 증가하면서 이로 인해 도박, 불법대출 등의 광고성 스팸 문자에 의한 피해가 지속되고 있다. 이러한 문제점을 해결하기 위해 다양한 방법들이 연구되어 왔지만 기존의 방법들은 주로 사전 정의된 키워드나 자주 나오는 단어의 출현 빈도수를 기반으로 스팸 문자를 검출한다. 이는 광고성 문자들이 시스템에서 자동으로 필터링 되는 것을 회피하기 위해 비정상 문자를 조합하여 스팸 문자의 주요 키워드를 의도적으로 변형해 표현하는 경우에는 탐지가 어렵다는 한계가 있다. 따라서, 본 논문에서는 이러한 문제점을 해결하기 위해 딥러닝 기반 객체 탐지 및 OCR 기술을 활용하여 스팸 문자에 사용된 변형된 문자열을 정상 문자열로 복원하고, 변환된 정상 문자열을 문장 수준 이해를 기반으로 하는 자연어 처리 모델을 이용해 스팸 문자 콘텐츠를 분류하는 방법을 제안한다. 그리고 기존 스팸 필터링 시스템에 가장 많이 사용되는 키워드 기반 필터링, 나이브 베이즈를 적용한 방식과의 비교를 통해 성능 향상이 이루어짐을 확인하였다.

최근 텍스트 생성형 인공지능인 ChatGPT가 화두가 되면서 생성형 인공지능을 이용한 서비스에 사람들의 관심이 높아졌다. 이를 활용하여 시간과 비용이 많이 드는 분야인 외국어 작문 학습을 자기 주도적으로 학습할 수 있을 것이라 조망하였다. 따라서 텍스트 생성형 인공지능인 ChatGPT API를 활용하여 사용자가 자기 주도적으로 외국어를 학습할 수 있는 방향성을 제시하고 더욱 쉽고 저렴한 비용으로 외국어를 익힐 수 있도록 하는 시스템을 개발한다.

현재 수치예보 시스템은 항공기, 위성 등 다양한 센서에서 얻은 다종 관측 데이터를 동화하여 대기 상태를 추정하고 있지만, 관측변수 또는 물리량이 서로 다른 관측들을 처리하기 위한 계산 복잡도가 매우 높다. 본 연구에서 기존 시스템의 계산 효율성을 개선하여 관측을 평가하거나 전처리하는 데에 효율적으로 활용하기 위해, 각 관측의 특성을 고려한 자기 지도학습 방법을 통해 멀티모달 기상관측으로부터 실제 대기 상태를 추정하는 방법론을 제안하고자 한다. 비균질적으로 수집되는 멀티모달 기상관측 데이터를 융합하기 위해, (i) 기상관측의 heterogeneous network를 구축하여 개별 관측의 위상정보를 표현하고, (ii) pretext task 기반의 self-supervised learning을 바탕으로 개별 관측의 특성을 표현한다. (iii) Graph neural network 기반의 예측 모델을 통해 실제에 가까운 대기 상태를 추정한다. 제안하는 모델은 대규모 수치 시뮬레이션 시스템으로 수행되는 기존 기술의 한계점을 개선함으로써, 이상 관측 탐지, 관측의 편차 보정, 관측영향 평가 등 관측 전처리 기술로 활용할 수 있다.

차량 탐지와 차량 추적 기술은 교통관리 시스템, 자율주행 자동차 시스템 및 이를 응용한 보안 감시 시스템, 군사 작전 및 안전 등 다양한 산업 분야에서 활용되고 있다. 본 논문에서는 차량 탐지는 YOLOv7 모델을, 차량 추적은 DeepSORT 알고리즘을 사용하여 도로의 차량들에 대해 탐지 및 추적을 순차적으로 진행하였다. 실험환경은 차량 탐지 데이터 셋(dataset)을 직접 라벨링(labeling) 하여 실험하였고, 차량 추적은 차량 탐지에서 학습해서 얻은 체크포인트(checkpoint) 모델을 가중치로 설정하여 실험을 진행하였다. 차량 탐지 실험결과는 validation 과 test 에서 높은 정확도를 확인할 수 있었고, 차량 추적은 Namsa 비디오 및 Seohaegyo 비디오에서도 차량 추적이 잘 되고 있음을 확인할 수 있었다.

스마트팩토리의 핵심 설비 기기인 협동로봇의 유지보수를 위해 다양한 센서 데이터를 활용한 딥러닝 기반 결함 진단 연구가 확대되고 있다. 하지만 협동로봇은 기계적 특성과 수행하는 작업의 다양성으로 인해 내부 센서 데이터의 복잡도가 매우 높아 고정적인 결함 진단 기법을 적용하기 어렵다. 따라서 본 논문은 협동로봇의 동작 패턴을 직관적이고 신속하게 인지할 수 있는 비전 기술을 활용하여, 동작 오류 진단을 기반으로 원인이 되는 조인트 결함 위치를 추적하는 딥러닝 기법을 제안한다.

X-ray는 촬영 방식의 한계로 진단하기 어려운, 품질 낮은 영상을 다수 발생시킨다. 이러한 저품질 영상은 임상 현장에서의 진단이 어려울 뿐만 아니라, 진단 보조 도구를 개발함에 모델의 성능과 신뢰도를 떨어뜨리는 주요 요소가 된다. 특히 투과도가 낮은 영상은 학습 성능에 악영향을 미친다는 것이 입증된 바 있다. 따라서 본 연구는 투과도가 낮은 영상을 진단에 부적합한 영상으로 정의하여, 이를 분류하는 기법을 제안한다. 제안하는 기법은 민감도 94.9%. 특이도 96.0%의 높은 성능을 보였다.

본 연구는 한국 주식 시장인 KRX 데이터에 중점을 둔 투자 전략의 최적화를 목표로 하였다. 전통적인 기술 분석 방법은 투자자들의 경험에 의존하여 파라미터를 선택하였다. 하지만 이 연구에서는 기존의 경험에 기반한 파라미터 선택 대신 유전 알고리즘을 사용하여 파라미터를 최적화했다. 결과적으로, 이 전략은 상승장과 하락장 모두에서 buy-and-hold 전략보다 더 나은 성과를 보였다. 이는 기술 분석의 파라미터 최적화의 중요성을 강조하며, 더 효과적인 투자 전략 개발의 가능성을 보여준다.

기술이 발전함에 따라 복합적인 모달리티 정보를 포함하는 멀티미디어 데이터의 수집이 용이해지면서, 사람의 성격 특성을 이해하고 이를 개인화된 에이전트에 적용하고자 하는 연구가 활발히 진행되고 있다. 본 논문에서는 비디오 스트림 구조를 활용하여 사용자 특성을 예측하기 위한 동적 키프레임 추출 방법을 제안한다. 비디오 데이터를 효과적으로 활용하기 위해서는 무작위로 선택한 프레임에서 특징을 추출하던 기존의 방법을 개선하여 영상 내 시간에 따른 정보와 변화량을 기반으로 중요한 프레임을 선택하는 방법이 필요하다. 본 논문에서는 제 3자가 평가한 Big-five 지표 값이 레이블링된 대표적인 데이터셋인 First Impressions V2 데이터셋을 사용하여 외면에서 발현되는 특징들을 기반으로 영상에서 등장하는 인물들의 성격 특성을 예측했다. 결론에서는 선택된 키프레임에서 멀티 모달리티 정보를 조합하여 성격 특성을 예측한 결과와 베이스라인 모델과의 성능을 비교한다.

Recent research has highlighted the effectiveness of Deep Learning (DL) techniques in automating the detection of lung sound anomalies. However, the available lung sound datasets often suffer from limitations in both size and balance, prompting DL methods to employ data preprocessing such as augmentation and transfer learning techniques. These strategies, while valuable, contribute to the increased complexity of DL models and necessitate substantial training memory. In this study, we proposed a streamlined and lightweight DL method but effectively detects lung sound anomalies from small and imbalanced dataset. The utilization of 1D dilated convolutional neural networks enhances sensitivity to lung sound anomalies by efficiently capturing deep temporal features and small variations. We conducted a comprehensive evaluation of the ICBHI dataset and achieved a notable improvement over state-of-the-art results, increasing the average score of sensitivity and specificity metrics by 2.7%.

의료 분야에서 AI 모델의 활용이 증가하고 있지만, 모델의 예측 불확실성을 정확하게 평가하고 표현하는 것이 중요하다. 본 연구는 이러한 문제를 해결하기 위해 AI-driven 방식을 제안하며, 특히 의료 영상 변환 모델에 대한 불확실성 표현과 데이터 한계 극복 방법론을 제안한다. 제안된 AI-driven 안저영상 변환 모델은 기존 GAN과는 다르게 구조가 이루어져 있으며, 신뢰도가 낮은 영역을 구분하고 시각화하여 표현할 수 있다. 실험 결과, 제안된 방법은 기존 모델과 비교하여 영상 변환 성능이 크게 향상되었으며, 불확실성에 대한 정확도 평가에서도 AI-driven 방식이 높은 성능을 보인다. 결론적으로, 본 연구는 AI-driven 방식을 통해 의료 AI에서의 불확실성 표현의 가능성을 확인하였으며, 이 방식이 데이터의 한계와 불확실성을 극복할 수 있을 것으로 기대된다.

갈비뼈 병변 진단 과정은 방사선 전문의가 CT 스캐너를 통해 생성된 2 차원 CT 이미지들을 해석하며 진행된다. 병변의 위치를 파악하고 정확한 진단을 내리기 위해 수백장의 2차원 CT 이미지들이 세밀하게 검토되며 갈비뼈를 분류한다. 본 연구는 이런 노동 집약적 작업의 문제점을 개선시키기 위해 Biaxial Rib Segmentation(BARS)을 제안한다. BARS 는 흉부 CT 볼륨의 관상면과 수평면으로 구성된 2 차원 이미지들을 U-Net 모델에 학습한다. 모델이 산출한 세그멘테이션 마스크들의 조합은 서로 다른 평면의 공간 정보를 보완하며 3 차원 갈비뼈 볼륨을 재건한다. BARS 의 성능은 DSC, Recall, Precision 지표를 사용해 평가하며, DSC 90.29%, Recall 89.74%, Precision 90.72%를 보인다. 향후에는 이를 기반으로 순차적 갈비뼈 레이블링 연구를 진행할 계획이다.

최근 computer vision 기술 발달이 가속화되고 있으나, 특정 산업의 경우 산업 적용의 어려움과 데이터적 특성으로 인하여 기술 발전의 속도를 따라가지 못하고 있다. 특히, CCTV 는 대부분 실외 환경에 운영되어 다양한 환경의 변화 및 데이터 고유 특성상 노이즈가 많기 때문에 데이터 산포가 커서 기술의 현장 적용에 어려움이 있다. 본 논문에서는 CCTV 데이터의 특성을 고려하여 CCTV 운용 환경에 강건한 객체탐지(object detector) 학습을 위한 데이터 설계 방안을 제안한다. 제안 기법은 대용량의 CCTV 영상에서 객체탐지에 효과적인 샘플링을 유도하는 방안과 소수의 CCTV 레이블 데이터 외 MS COCO 등 다수 오픈 레이블 데이터를 혼합학습 하여 일반화 성능을 높이는 방안을 제안한다. 다수의 실험을 통해 제안 기법의 우수성을 입증하였으며, 특히 mAP 기준 13.39%의 성능 향상을 꾀할 수 있음을 선보였다.

본 논문에서는 탄소중립 중요성이 증대됨에 따라 일상 배출되는 생활 쓰레기 중 자원으로 재활용 할 수 있는 다양한 요소를 탄소중립실천요소로서 정의하고 각 행위를 자동적으로 분류하고자 한다. 딥러닝과 영상처리의 한 분야인 객체 인식 기술을 활용하여, 실시간으로 탄소중립실천요소를 인식하고 재활용 자원의 결과를 수집, 관리할 수 있는 모바일 앱 개발한다. 아울러, 플라스틱컵, 유리컵, 텀블러, 종이컵, 빨대 등 실제 재활용 자원의 이미지에 적용하여 인식을 수행하고 그 결과를 분석한다.

본 연구는 당뇨병성 망막증의 자동 분류를 위해 딥러닝 모델을 활용한다. CLAHE 를 사용한 전처리로 이미지의 대비를 향상시켰으며, ResNet50 모델을 기반으로 한 전이학습을 통해 모델의 성능을 향상했다. 또한, 데이터의 불균형을 고려하여 정확도 뿐만 아니라 민감도와 특이도를 평가함으로써 모델의 분류 성능을 종합적으로 평가하였다. 실험 결과, 제안한 방법은 당뇨병성 망막증 분류 작업에서 높은 정확도를 달성하였으나, 양성 클래스의 식별에서 일부 한계가 있었다. 이에 데이터의 품질 개선과 불균형 데이터 처리에 초점을 맞춘 향후 연구 방향을 제시하였다.

Unmanned aerial vehicles are gaining in popularity with the development of science and technology, and are being used for a wide range of purposes, including surveillance, rescue, delivery of goods, and data collection. In particular, the ability to avoid obstacles during navigation without human oversight is one of the essential capabilities that a drone must possess. Many works currently have solved this problem by implementing deep reinforcement learning (DRL) model. The essential core of a DRL model is reward function. Therefore, this paper proposes a new reward function with appropriate action space and employs dueling double deep Q-Networks to train a drone to navigate in indoor environment without collision.

We present a new approach to evaluate the generated texts by Large Language Models (LLMs) for meme classification. Analyzing an image with embedded texts, i.e. meme, is challenging, even for existing state-of-the-art computer vision models. By leveraging large image-to-text models, we can extract image descriptions that can be used in other tasks, such as classification. In our methodology, we first generate image captions using BLIP-2 models. Using these captions, we use GPT-4 to evaluate the relationship between the caption and the meme text. The results show that OPT_6.7B provides a better rating than other LLMs, suggesting that the proposed method has a potential for meme classification.

Diabetic retinopathy (DR) is a prevalent complication of diabetes that can lead to vision impairment if not diagnosed and treated promptly. This study presents a novel approach for the automated grading of diabetic retinopathy in ultra-widefield fundus images (UFI) using deep learning techniques. We propose a method that involves preprocessing UFIs by cropping the central region to focus on the most relevant information. Subsequently, we employ state-of-the-art deep learning models, including ResNet50, EfficientNetB3, and Xception, to perform DR grade classification. Our extensive experiments reveal that Xception outperforms the other models in terms of classification accuracy, sensitivity, and specificity. his research contributes to the development of automated tools that can assist healthcare professionals in early DR detection and management, thereby reducing the risk of vision loss among diabetic patients.

Surveillance systems play a pivotal role in ensuring the safety and security of various environments, including public spaces, critical infrastructure, and private properties. However, detecting abnormal human behavior in lowlight conditions is a critical yet challenging task due to the inherent limitations of visual data acquisition in such scenarios. This paper introduces a spatiotemporal framework designed to address the unique challenges posed by low-light environments, enhancing the accuracy and efficiency of human abnormality detection in surveillance camera systems. We proposed the pre-processing using lightweight exposure correction, patched frames pose estimation, and optical flow to extract the human behavior flow through t-seconds of frames. After that, we train the estimated-action-flow into autoencoder for abnormal behavior classification to get normal loss as metrics decision for normal/abnormal behavior.

This paper presents multimodal image fusion with human pose for detecting abnormal human behaviors in low illumination conditions. Detecting human behaviors in low illumination conditions is challenging due to its limited visibility of the objects of interest in the scene. Multimodal image fusion simultaneously combines visual information in the visible spectrum and thermal radiation information in the long-wave infrared spectrum. We propose an abnormal event detection scheme based on the multimodal fused image and the human poses using the keypoints to characterize the action of the human body. Our method assumes that human behaviors are well correlated to body keypoints such as shoulders, elbows, wrists, hips. In detail, we extracted the human keypoint coordinates from human targets in multimodal fused videos. The coordinate values are used as inputs to train a multilayer perceptron network to classify human behaviors as normal or abnormal. Our experiment demonstrates a significant result on multimodal imaging dataset. The proposed model can capture the complex distribution pattern for both normal and abnormal behaviors.

Deep Learning(DL)을 사용한 호흡음의 자동 분석은 폐 질환의 조기 진단에 중추적인 역할을 한다. 그러나 현재의 DL 방법은 종종 호흡음의 공간적 및 시간적 특성을 분리하여 검사하기 때문에 한계가 있다. 본 연구는 컨볼루션 연산을 통해 공간적 특징을 캡처하고 시간 컨볼루션 네트워크를 사용하여 이러한 특징의 공간적-시간적 상관 관계를 활용하는 새로운 DL 프레임워크를 제한한다. 제안된 프레임워크는 앙상블 학습 접근법 내에 컨볼루션 네트워크를 통합하여 폐음 녹음에서 호흡 이상 및 질병을 검출하는 정확도를 크게 향상시킨다. 잘 알려진 ICBHI 2017 챌린지 데이터 세트에 대한 실험은 제안된 프레임워크가 호흡 이상 및 질병 검출을 위한 4-Class 작업에서 비교모델 성능보다 우수함을 보여준다. 특히 민감도와 특이도를 나타내는 점수 메트릭 측면에서 최대 45.91%와 14.1%의 개선이 이진 및 다중 클래스 호흡 이상 감지 작업에서 각각 보여준다. 이러한 결과는 기존 기술보다 우리 방법의 두드러진 이점을 강조하여 호흡기 의료 기술의 미래 혁신을 주도할 수 있는 잠재력을 보여준다.

건설은 경제 발전과 일자리 창출에 중요한 역할을 담당하고 있다. 그러나, 건설 산업은 타 산업에 비하여 고위험 산업으로, 매년 많은 사고와 재해가 발생하고 있다. 노동부 중대산업재해감독과에 따르면 2022 년 재해조사 대상 사망사고 발생 현황 발표 결과, 건설 사고 사망자는 341 명으로, 전체 산업재해 사망사고자의 53%를 차지하고 있다. 최근 사회 변화와 다양한 경기 변동, 물가 상승에 따라 건설 공사 비용 절감을 위한 안정성 결여, 시공 품질 관리의 어려움, 근로자 안전 의식 부족 등의 문제가 심화되고 있다. 이에 따라, 건설 현장의 근본적인 안전문화의 정착과 함께, 첨단 ICT 기술을 활용한 지능형 건설 안전관리 시스템의 구축이 필요한다. 그리고, 건설안전관리를 위한 스마트 건설 안전관리통합관제시스템(SCMS)의 기능과 적용 범위를 더욱 확대함으로써 건설 현장의 안전사고 예방을 개선할 수 있을 것으로 기대된다. 이를 위해 지속적인 다양한 연구와 데이터 수집과 분석 등 기술적인 연구와 함께 법과 제도에 대한 개선 논의가 필요하다.

Video anomaly detection aims to detect abnormal events. Motivated by the power of transformers recently shown in vision tasks, we propose a novel transformer-based network for video anomaly detection. To capture long-range information in video, we employ a multi-scale transformer as an encoder. A convolutional decoder is utilized to predict the future frame from the extracted multi-scale feature maps. The proposed method is evaluated on three benchmark datasets: USCD Ped2, CUHK Avenue, and ShanghaiTech. The results show that the proposed method achieves better performance compared to recent methods.

우리나라에서는 지난 10년간 매년 4만 건 내외의 화재가 발생하여 많은 인명 피해와 경제적 손실이 발생하고 있다. 화재가 발생했을 때는 화재를 신속히 진압하여 인명 피해와 경제적 손실을 최소화하여야 한다. 또한, 화재 사고를 예방하기 위해 화재의 발화 원인이 무엇인지 알아내야 한다. 기존의 화재 경보 시스템에서는 온도, 연기, 불꽃 센서 등으로 화재를 감지하였으나 오경보나 화재를 인식하지 못하는 문제, 화재 원인을 구분하지 못하는 문제 등이 있었다. 또한, 사람이 화재 발생을 인지하기까지 시간이 많이 소요될 수 있고 부재로 인해 화재 상황인식이 늦어질 수도 있는 문제가 있었다. 이러한 문제를 해결하기 위해 본 논문에서는 GCN(Graph Convolutional Network) 모델을 이용하여 화재 상황에서의 복합 센서 상황을 학습해서 실제 화재 사고가 발생했을 때 화재의 원인을 구분할 수 있는 모델을 제안한다.

정서적 지원 대화를 위한 챗봇 개발 시, 사용자의 챗봇에 대한 사용성 및 대화 적절성을 높이기 위해서는 사용자 감정에 적합한 지원 콘텐츠를 제공하는 것이 중요하다. 이를 위해, 본 논문은 사용자 입력 텍스트의 감정 강도 예측 모델을 제안하고, 사용자 발화 맞춤형 정서적 지원 대화에 적용하고자 한다. 먼저 입력된 한국어 문장에서 키워드를 추출한 뒤, 이를 각성도 (arousal)과 긍정부 정도(valence) 공간에 투영하여 키워드가 내포하는 각성도-긍정부정도에 가장 근접한 감정을 예측하였다. 뿐만 아니라, 입력된 전체 문장에 대한 감정 강도를 추가로 예측하여, 핵심 감정 강도 - 문맥상 감정강도를 모두 추출하였다. 이러한 통섭적 감정 강도 지수들은 사용자 감정에 따른 최적 지원 전략 선택 및 최적 대화 콘텐츠 생성에 공헌할 것으로 기대한다.

대한민국에서의 채용과정은 각 기업마다 절차가 상이하지만 대부분 서류심사, 필기시험, 면접 단계를 걸쳐 선발하게 된다. 서류심사와 필기시험은 개별의 노력으로 내용을 개선할 수 있지만, 면접의 경우에는 준비단계에서의 철저한 준비가 필요하다. 이러한 면접의 준비 과정에서의 어려움을 덜어내고자 딥러닝을 활용하여 면접 프로그램을 개발하게 되었다.

해양 식물플랑크톤의 성장은 유해적인 적조를 유발할 수 있으며, 이는 여러 국가의 생태계에 피해를 주는 상황이다. 적조를 모니터링하는 것은 식물플랑크톤 미생물의 증가를 예방하고 통제하기 위해 중요하다. 그러나 현재의 적조 모니터링 기술은 날씨, 시간 제약 및 실시간 모니터링에 대한 어려움으로 인해 측정 정확도에 영향을 미치는 한계가 있다. 본 연구는 특히 적조 발생을 감지하기 위한 목적으로 개발된 자동 실시간 모니터링 시스템의 성공적인 개발을 보여준다. 개발한 시스템은 음향 반사파 데이터 처리를 통해 합성곱 신경망(Convolutional neural networks, CNN)을 활용하여 식물플랑크톤 농도를 정확하게 구별할 수 있다. 특히, 이 CNN 모델은 음향 신호의 변환된 주파수 스펙트럼과 Cochlodinium polykrikoides (C. polykrikoides)의 농도 간의 상관 관계를 수립하는 데 뛰어난 효과를 나타냈다. 이 CNN 은 C. polykrikoides 를 감지하는 데 0.90 의 정확도를 보여준다. 이러한 모니터링과 CNN 분류의 활용은 실시간 측정의 중요한 잠재력을 보여주며, 추가적인 절차가 필요 없는 자동 모니터링 시스템을 구축할 수 있을 것으로 예상된다.

미세 물질을 포함하고 있는 광산 폐기물의 디워터링 과정(dewatering process)은 작은 입자들의 침전속도가 낮기 때문에 시간이 오래 걸리고 어려운 과정이다. 따라서 광산 폐기물이 안정적으로 침전되었는지 확인하기 위해서 디워터링 과정을 연속적으로 모니터링하는 기술이 필요하다. 이 연구에서는 kaolinite, illite, bentonite 3 종류의 점토를 3 가지 농도(0.1g/L, 1g/L, 5g/L)로 나눠서 초음파 음향 감지를 이용해 후방산란 신호를 측정했다. 그리고 측정된 신호를 활용하여 합성곱 신경망(CNN) 모델을 개발하여 점토의 분류 모델을 만드는 연구를 수행했다. 본 연구에서 보여준 CNN 의 높은 정확도는 광산 폐기물의 디워터링 과정에서 미세 광물과 미세 농도 분류 모니터링에 적합한 저렴하고 측정하기 쉬운 음향 감지의 사용 가능성을 입증했다.

IT 기술의 발달로 인해 뉴스를 제공하는 플랫폼들이 다양해 졌고 최근 해외 인터뷰 영상, 해외 뉴스를 Youtube Shorts형태로 제작하여 화자의 의도와는 다른 자막을 달며 가짜 뉴스가 생성되는 문제가 대두되고 있다. 이에 본 논문에서는 Sentence-BERT를 활용한 YouTube 가짜 뉴스 탐지 시스템을 제안한다. 제안하는 시스템은 Python 라이브러리를 사용해 유튜브 영상에서 음성과 영상 데이터를 분류하고 분류된 영상 데이터는 EasyOCR을 사용해 자막 데이터를 텍스트로 추출 후 Sentence-BERT를 활용해 문자 유사도를 분석한다. 분석결과 음성 데이터와 영상 자막 데이터가 일치한 경우 일치하지 않은 경우보다 약 62% 더 높은 문장 유사도를 보였다.

정보 폭증으로 인한 정보 필터링 어려움을 해결하기 위한 추천 시스템의 중요성이 강조되고 있다. 특히 취업 구직자가 어떤 기업에 지원해야 하는지 혼란스러워하는 문제가 증가하고 있다. 이에 본 연구에서는 교육 기관에 등록된 학생 데이터를 활용하여 각 개인에게 적합한 기업을 추천해주는 맞춤형 기업 추천 시스템을 제안하고자 한다. 다양한 유사도 함수를 적용하여 비교한 결과, 코사인 유사도(Cosine similarity)를 활용한 추천 시스템이 가장 높은 정확도를 보였으며, 이러한 연구는 취업 관련 결정을 지원하는 데 중요한 역할을 할 것으로 기대된다.

본 논문은 뉴로-심볼릭 구조를 바탕으로 일반 텍스트로부터 온톨로지 생성이 가능한 심층 신경망 기반 온톨로지 추출기를 제안한다. 온톨로지 추출 단계를 (i) 온톨로지 학습 및 (ii) 온톨로지 생성의 2 단계로 상정, (i) 일반 텍스트로부터 문장 구조 및 논리적 관계를 학습하는 트랜스포머 기반 심층 생성 신경망 출력을 이용하여 (ii) 계층적으로 결합한 심볼릭 추론기로 온톨로지를 생성하는 뉴로-심볼릭 구조 온톨로지 추출기를 구현하였다. 1800 개 훈련 집합으로 학습 후 200 개 테스트 집합으로 평가한 결과, 정확도 91.9%, Precision 100%, Recall 99.1%로 비교 모델 OpenIE 의 성능에 비해서 각각 83.8%, 1.8%, 3.5% 개선된 것을 확인하였다. 정성적 품질에 있어서, 복잡한 문장 (예: 관계대명사, 접속사, 중첩 구조)에서도 비교 모델에 비해 더 정밀한 온톨로지 생성 결과를 보였다.

본 연구는 병리학 이미지 분석에서 자주 발생하는 문제 중 하나인 레이블링 불일치 문제를 해결하고자 준지도학습(semi-supervised learning) 기법을 적용하였다. 기존의 병리 진단 과정은 정확한 판정 및 치료를 위해 전문가의 판단을 필요로 한다. 이로 인해, 시간이 매우 많이 소모되며 전문가의 피로도가 증가한다. 최근 이를 해결하고자 지도학습(supervised learning) 기법을 사용하여 업무의 피로도를 감소시키고자 하는 연구가 진행되고 있다. 하지만 병리 이미지 데이터에 대한 접근이 어렵고, 병변의 위치를 레이블링 하는 부분에서 많은 비용이 발생한다. 또한 암 병변의 스펙트럼적 특성으로 인해 레이블링 과정 속에서 레이블링 불일치 문제가 발생할 가능성이 높다. 이러한 문제를 극복하기 위해, 우리는 제한된 레이블 된 데이터와 많은 양의 레이블 되지 않은 데이터를 활용하는 준지도학습 방법론을 제안한다. 이 제안하는 방법은 필요한 수동 레이블링 작업량을 줄여, 병리학자들에게 보다 효과적인 진단 도구를 제공할 것으로 예상된다.

본 연구는 2022년 유네스코 인류무형유산 대표목록에 등재된 탈춤 동작을 디지털화하여 후속 세대에게 정보를 제공하는 것을 목적으로 한다. 데이터 수집은 국가무형문화제로 지정된 탈춤 단체 13개, 시도무형문화재 단체 5개에 소속된 무형문화재, 전승자 39명이 관성식 모션 캡처 장비를 착용하고, 8대의 카메라를 이용하여 수집하였다. 데이터 가공은 바운딩박스를 수행하였고, 탈춤동작 추정은 YOLO v8을 사용하였고 탈춤 동작 분류는 YOLO v8에 CNN모델을 결합하여 130개의 탈춤을 분류하였다. 연구결과, mAP-50은 0.953, mAP50-95는 0.596, Accuracy 70%를 달성하였다. 향후 학습용 데이터셋 구축량이 늘어나고, 데이터 품질이 개선된다면 탈춤 분류 성능은 더욱 개선될 것이라 기대한다.

우리나라의 수소연료전지 차량의 점유율이 매년 증가하고 있으나, 수소충전소 설비의 잦은 중단으로 수소연료전지 차량 운전자들이 제때 차량을 충전하지 못하는 불편이 발생하고 있다. 본 논문에서는 수소충전소 설비 중 Diaphragm을 사용하는 압축기의 이상 패턴을 탐지하는 Ensemble 모델을 통해 수소충전소에서 2023년 1월 1일부터 2023년 6월 28일 동안 수집된 데이터를 분석하였으며, 해당 기간 동안 발생했던 고장에 대해 2일전부터 이상 패턴이 10,000 이상 탐지되는 결과를 얻었다.

상수도관의 수질 및 부식도 검사에는 파이프에 손상을 입히지 않고 지속적인 방법이 필요하다. 초음파는 이를 만족하면서 상태를 확인할 수 있고 주파수가 높을수록 해상도가 좋아져 정밀한 측정이 가능하다는 장점이 있다. 이러한 특성을 이용해 상수도관 모니터링 시스템으로 초음파 기반의 Scanning Acoustic Microscopy(SAM)과 Convolutional Neural Network(CNN)을 사용하는 새로운 방법을 제안한다. 기존의 Non-Destructive Testing(NDT)방식의 단점을 보완하면서 더 높은 해상도로 상수도관을 점검하는 방식으로, SAM 을 이용하여 부식으로 인한 파이프 두께 변화와 부유물의 여부 및 수질을 동시에 감지하고 얻은 데이터를 CNN 으로 분석했다. CNN 의 높은 정확도 결과로 이 시스템의 파이프 부식도 및 수질 모니터링에 대한 적합성을 보여주었다.

본 논문은 다양한 종류의 생성형 AI 용도의 UI/UX 중 텍스트 기반 UI/UX, 이미지 기반 UI/UX, 오디오 기반 UI/UX, 그리고 Multi-modal 을 기반으로 둔 UI/UX 와 같은 다양한 유형의 UI/UX 를 살펴보고 최신 기술을 활용한 미래전망에 대해 알아 보도록 한다. 현재 생성 모델은 다양한 산업 분야에서 광범위하고 다양한 응용 프로그램으로 사용되고 있으며, 최근 연구자와 실무자들로부터 상당한 관심을 받고 있다.생성형 AI 용도의 UI/UX 를 사용하면 생활에 편리해지며 시간과 돈이 매우 절약이 된다. 특히 사용자들이 편안하게 사용할 수 있는 생성형 AI 의 UI/UX 대한 연구방향에 대해 알아 보도록 한다.

본 논문은 CCTV 화면에서의 다양한 이상상황 중 교량 데이터에 특화된 자세 추정 기반 이상탐지 알고리즘을 소개한다. 교량은 크게 도로, 인도 이렇게 두 구역으로 나눠지며, 사람들의 이동방향이 한정적이라는 특징을 가지는 장소 중 하나이다. 이러한 장소적 특징을 이용하고자 사람 자세 추정을 통해 이상의 기준을 잡고 교량 데이터에 특화된 이상탐지 알고리즘을 제안한다. CCTV 영상은 이상을 정하기 어렵고 이상에 대한 레이블이 없는 데이터가 대부분이며 이상에 대한 레이블 생성시 많은 비용 발생이 필수적이다. 본 연구에서는 이러한 한계점을 극복하고자 영상 데이터를 이미지 단위가 아닌 영상 단위로 레이블이 담긴 weakly label 을 가지는 데이터를 활용한 이상탐지 모델을 이용하였다. 특히, 교량에서의 이상상황의 특징인 사람 자세 추정으로 추출한 특질을 추가하여 기존 알고리즘의 이상탐지 예측 성능을 개선하였다.

최근 몇 년 간 딥러닝 기반 모델의 규모와 복잡성이 증가하면서 강력하고, 높은 정확도가 확보되지만 많은 양의 계산 자원과 메모리가 필요하기 때문에 모바일 장치나 임베디드 시스템과 같은 리소스가 제한된 환경에서의 배포에 제약사항이 생긴다. 복잡한 딥러닝 모델의 배포 및 운영 시 요구되는 고성능 컴퓨터 자원의 문제점을 해결하고자 사전 학습된 대규모 모델로부터 가벼운 모델을 학습시키는 지식증류 기법이 제안되었다. 하지만 현대 딥러닝 기반 모델은 높은 정확도 대비 훈련 데이터에 과적합 되는 과잉 확신(overconfidence) 문제에 대한 대책이 필요하다. 본 논문은 효율적인 경량화를 위한 미리 학습된 모델의 과잉 확신을 방지하고자 초점 손실(focal loss)을 이용한 모델 보정 기법을 언급하며, 다양한 손실 함수 변형에 따라서 지식증류의 성능이 어떻게 변화하는지에 대해 탐구하고자 한다.

최근 들어, 미용 상품을 선택하기 전에 자신의 피부 타입과 상태를 정확히 파악하고 맞춤형 상품을 선택하고자 하는 수요가 증가하고 있다. 이에 따라 피부 상태 측정을 위한 기술적 요소의 중요성이 더욱 두드러지고 있다. 그러나 현재까지 피부 상태 측정을 위한 데이터셋이 한국인을 대상으로 측정한 데이터셋이 없는 실정이다. 본 연구에서는 한국인의 피부 상태를 정밀하게 분석하기 위해 고해상도 디지털 카메라로 촬영된 이미지, 정밀 피부측정 장비를 활용하여 측정한 정밀 값, 그리고 피부과 전문의가 진단한 피부상태 진단 등급 데이트를 통합하여 제공을 한다. 추후 제작한 데이터셋을 활용하여 개인 맞춤형 미용상품 추천과 개발 등 다양한 분야에 활용하고자 한다.

본 연구는 반도체 제조 과정에서 생산 가용 능력이 저하되는 시점을 조기 탐지하기 위한 프레임워크를 제안한다. 이를 위해 데이터 패턴의 불규칙한 변동이 잦은 환경에서 모델의 재학습 없이 최적의 성능을 유지할 수 있도록 온라인 학습 방식을 활용하였다. Augmented Dicky-Fuller test 를 통해 데이터의 정상성 여부를 검정하고, 데이터에 변화가 있을 경우 학습 모델은 지속적으로 업데이트된다. 특히, 상한 재공재고는 생산량과 직결되는 주요 지표로써, 낮게 예측된 시점에서 주요 원인 변수를 파악하는 것이 중요하다. 따라서 정확도와 효율성 측면에서 다른 모델 대비 가장 우수한 성능을 보였던 제안 기법에 shapley additive explanations(SHAP)을 적용하여 생산 저하 시 문제가 되는 원인 변수를 분석하고자 하였다.

다중밀집 사고를 사전에 방지하기 위해 군중 밀집도를 정확하게 파악하는 것은 중요하다. 기존 방법 중 일부는 군중 계수를 기반으로 군중 밀집도를 추정하거나 원근 왜곡이 있는 데이터를 그대로 학습한다. 이 방식은 물체의 거리에 따라 크기가 달라지는 원근 왜곡에 큰 영향을 받는다. 본 연구는 보행자 깊이 정보를 이용한 군중 밀집도 알고리즘을 제안한다. 보행자의 깊이 정보를 계산하기 위해 편차가 적은 머리 크기를 이용한다. 머리를 탐지하기 위해 OC-Sort를 학습모델로 사용한다. 탐지된 머리의 경계박스 좌표, 실제 머리 크기, 카메라 파라미터 등을 이용하여 보행자의 깊이 정보를 추정한다. 이후 깊이 정보를 기반으로 밀도 맵을 추정한다. 제안 알고리즘은 혼잡한 환경에서 객체의 위치와 밀집도를 정확하게 분석하여 군중밀집 사고를 사전에 방지하는 지능형 CCTV시스템의 기반 기술로 활용될 수 있으며, 더불어 보안 및 교통 관리 시스템의 효율성을 향상하는 데 중요한 역할을 할 것으로 기대한다.

안전관리를 위한 인공지능 기술은 꾸준히 연구되고 있는 분야다. 특히, 컴퓨터 비전 기술을 활용한 CCTV 영상 분석은 군중의 동선과 밀도를 파악하는데 유용하며, 대규모 실내 공간에서 체계적인 안전관리를 가능하게 한다. 그러나 기존의 CCTV 카메라를 사용한 군중 수 추정은 가려짐(occlusion)과 같은 한계가 있다. 본 논문은 무선 랜 신호 데이터 분석 기법을 활용하여 수집한 데이터를 활용하여 실내 환경에서 군중 수를 추정하고자 한다. 본 논문에서는 인원 수 분류 예측을 위해 셰이플릿 확장 변환(Random Dilated Shapelet Transform) 기법을 제안한다. 단일 데이터 세트 내 분류 결과와, TX, RX 배치 방식에 따른 분류 성능의 차이는 모델의 성능 부족보다 데이터의 특성을 고려한 새로운 접근 방법의 필요성을 알려준다.

딥러닝 기술의 발전은 고품질의 대규모 데이터에 크게 의존한다. 그러나, 데이터의 품질과 일관성을 유지하는 것은 상당한 비용과 시간이 소요된다. 이러한 문제를 해결하기 위해 최근 연구에서 최소한의 비용으로 최대의 성능을 추구하는 액티브 러닝(active learning) 기법이 주목받고 있는데, 액티브 러닝은 모델 관점에서 불확실성(uncertainty)이 높은 데이터들을 샘플링 하는데 중점을 둔다. 하지만, 레이블 생성에 있어서 여전히 많은 시간적, 자원적 비용이 불가피한 점을 고려할 때 보완이 불가피 하다. 본 논문에서는 의사-라벨링(pseudo labeling)을 활용한 준지도학습(semi-supervised learning) 방식과 학습 손실을 동시에 사용하여 모델의 불확실성(uncertainty)을 측정하는 방법론을 제안한다. 제안 방식은 레이블의 신뢰도(confidence)와 학습 손실의 최적화를 통해 비용 효율적인 데이터 레이블 생성 방식을 제안한다. 특히, 레이블 데이터의 품질(quality) 및 일관성(consistency) 측면에서 딥러닝 모델의 정확도 성능을 높임과 동시에 적은 데이터만으로도 효과적인 학습이 가능할 수 있는 메커니즘을 제안한다.

최근 자율주행 기술이 큰 주목을 받고 있지만 고가의 센서를 필요로 하기 때문에 연구 및 상용화에 큰 어려움을 겪고 있다. 따라서 본 논문은 쉽게 사용 가능한 딥러닝 2D 객체 인식 모델과 범용 태블릿에 탑재된 저비용 LiDAR 센서를 이용하여 실시간 3D 객체 탐지가 가능한 시스템을 개발한다. 개발된 시스템을 실제 1/10 크기의 차량 모델에 적용하여 테스트해본 결과 개발 용이성과 정확도 측면에서 자율주행을 위한 저비용 센서로 충분히 활용될 가능성이 있음을 확인하였다.

이미지 내 글꼴을 파악하는 것은 디자인 자료 제작, 저작권 확인 등 다양한 곳에서 중요한 문제이다. 하지만 이미지 내 한글 글꼴을 자동으로 식별하는 시스템은 아직 존재하지 않으며, 수동으로 한글 글꼴을 파악하는 것은 시간과 정확도 측면에서 매우 비효율적이다. 따라서 본 논문에서는 이미지 내 한글 글꼴을 자동으로 인식하는 시스템을 개발한다. 본 논문에서 개발한 시스템은 크게 두 가지 기법을 사용한다: (1) 한글의 기하학적인 특성을 활용하여 글자 단위로 텍스트를 인식하며, (2) 단어가 아닌 글자 단위로 글꼴을 분류하고 각 글자에 대한 글꼴 분류 결과를 종합하여 최종적인 글꼴 분류 결과를 얻는다. 10가지 한글 글꼴이 나타나는 직접 제작한 이미지를 사용하여 시스템의 성능을 평가한 결과 제안 방법은 비교 방법에 비해 더욱 정확히 한글 글꼴을 분류함을 확인하였다.

연합학습은 중앙 서버에서 데이터를 수집하는 방식이 아닌 로컬 디바이스 또는 클라이언트에서 학습을 진행하고 중앙 서버로 모델 업데이트만 전송하는 분산 학습 기법으로 데이터 보안 및 개인정보보호를 강화하는 동시에 효율적인 분산 학습을 수행할 수 있다. 그러나, 연합학습 대부분의 시나리오는 클라이언트의 서로 다른 분포 형태인 non-IID 데이터를 대상으로 학습함에 따라 중앙집중식 모델에 비하여 낮은 성능을 보이게 된다. 이에 본 연구에서는 연합학습 모델의 성능을 개선하기 위하여 non-IID 의 환경에서 참여 후보자 중에서 적합한 클라이언트 선택의 최적화 기법을 분석한다.

컴퓨터 비전 문제 중 이미지 분류는 핵심적인 주제 중 하나이다. 딥러닝의 발전으로 이미지 분류 문제에서 높은 정확도와 성능을 보여준다. 하지만 대부분 이미지 분류 연구에서 시각정보인 이미지 내의 특징에만 의존하고 있다. 그렇기에 이미지의 본질적인 맥략과 함께 있는 텍스트 정보를 활용하지 못하는 경우도 있다. 이에 본 논문은 텍스트 정보를 활용하여 이미지 분류 성능을 개선하는 방식을 제안한다.

산업폐기물 처리 및 관리는 제조 산업 관련한 공통된 이슈 중 하나이며, 폐기물의 적시 처리는 환경오염, 화재 등 사고 예방에 효과적이며, 특히 인체유해물질 발생 전 처리는 필수이다. 메타버스 공간內 공동 폐기물처리장을 마련함으로써 별도의 물리적/현실에서 공동 폐기물 처리장을 별도로 구축할 필요성이 없으며, 동일한 효과성을 발휘할 수 있는 콘텐츠 서비스로 제조 뿐 아니라 다양한 산업 내에서 활용성 역시 매우 높다. 이러한 산업폐기물 관리 서비스 3종을 구현하고 실증 방안을 제시하고자한다.

언리얼 엔진 기반의 메타버스나 실시간 게임 환경에서 캐릭터의 맞춤형 동작이 필요한 경우가 있다. 본 논문은 모션 디퓨전 모델을 활용하여 특정 동작을 자동 생성하는 기능을 제공하는 언리얼 엔진 플러그인을 제시한다. 특히 사용자가 텍스트로 신체 동작이나 감정 표현을 기술해 입력값으로 제공하면 서버에서 모션 디퓨전 모델로 애니메이션을 실시간으로 생성한 후, 언리얼엔진 클라이언트에서 후처리하여 사용자의 캐릭터에 실시간으로 적용하는 방식으로 구현했다.

버츄얼 유튜버로서 자신의 동작을 3D 가상 캐릭터로 나타내고, SNS 에서 춤을 공유하는 경우가 많아졌다. 본 논문에서는 2D 영상에서 MediaPipe BlazePose 모델로 추정된 사람 포즈를 3D 인체 모델인 SMPL 에 피팅하여 사용자 정의 3D 모델을 생성하는 방법을 제안한다. 이를 통해 자신의 춤 영상으로 3D 모델을 생성하여 공유하거나, 기존의 춤 동영상으로 3D 모델을 생성하여 댄스 게임에 사용할 수 있다. 이처럼 본 기술은 예술 및 엔터테인먼트 분야에서 다양하게 활용될 수 있다.

높은 몰입감과 실재감을 제공하는 XR 기술이 고령자들의 인지능력, 주의력, 시각적 기억력에 긍정적인 영향을 주는 것으로 나타나며 노인의 건강과 삶의 질을 향상시키기 위한 기술로 많은 관심을 받고 있다. 본 연구는 인지기능 향상을 위한 XR 융합훈련프로그램에 사용될 콘텐츠 저작 시 젊은이와 노령층의 디지털 격차, 선호도의 차이, 노화에 따른 신체·인지능력의 저하 등 고려해야 할 이슈를 소개하고, 문제를 해소할 수 있는 XR 콘텐츠 저작도구를 제안한다.

몰입형 가상현실 시스템은 더 나은 3차원 시각정보를 제공할 수 있어, 의료계에서 해부학에 대한 이해를 높이는 데 사용되고 있다. 우리는 몰입형 가상현실에서 다중 사용자가 함께 MRI 영상으로부터 생성된 볼륨 렌더링 된 객체를 관찰하고 수술을 계획할 수 있는 시스템을 개발하여 소개하고자 한다.

장면 전환 검출에서 단일 특성을 사용하는 경우 발생 가능한 정확도 감소의 문제를 해결하기 위해 색상 히스토그램 분포 차 분석과 특징점 추출 알고리즘을 활용한 방법을 제안한다.

여러 분야에서 인공지능 모델을 활용한 추천 방법들이 많이 사용되고 있다. 본 논문에서는 관광지의 대중적이고 정확한 추천을 위해 GPT-3 와 같은 생성 모델로 생성한 가상의 리뷰 문장을 통해 KoBERT 모델을 학습했다. 생성한 데이터를 통한 KoBERT 의 학습 정확도는 0.98, 테스트 정확도는 0.81 이고 실제 관광지별 리뷰 데이터를 활용해 관광지를 분류했다.

본 논문은 평탄한 지형뿐만이 아닌 턱과 계단 같은 비평탄 요소가 있는 지형에서도 주행이 가능한 바퀴 구동형 지능 로봇 설계를 목적으로 지형 극복 기능을 구현하기 위한 구동 방식을 크랭크의 원리를 이용한 기어 구조를 이용했고, 지능로봇의 지능적 요소를 구현하기 위해 구성된 임베디드 시스템에 대해 정리한 논문이다.

현재 로봇 배달 서비스의 실외 상용화를 위해 다양한 주행 환경에 대한 최적화 연구가 진행되고 있습니다. 본 논문에서는 비평탄 지형에 안정적인 주행이 가능하며, 효율적인 장애물 극복을 위한 로봇 구조를 제시합니다. 본 연구에서는 기존 다리-바퀴 방식을 통한 장애물 극복 로봇과 비교 연구를 진행하며 모터 구동 토크의 이론적인 계산 비교, 모의실험을 통한 검증으로 로봇 설계안의 성능을 평가합니다. 이 연구를 통해 고안한 로봇의 동작을 설명하며, 4륜 주행 로봇의 혁신적인 장애물 극복 설계 방법을 제안합니다.

2D 객체 그림으로부터 3D 객체로 변환하는 것은 저차원 신호로부터 고차원 공간 정보를 추론하는 문제이다. 본 연구에서는 특정 주제 내에서 미리 구축해 놓은 3D 객체 모델 기반으로 해결하는 ill-posed 문제이다. 사용자의 2D 그림과 가장 유사한 베이스 모델을 판별한 후, 해당 모델을 기반으로 3D 객체를 구성하고 채색 과정을 거쳐 완성한다. 본 연구에서는 이를 기반으로 변환한 객체를 증강 현실 환경에서 구현한다.

본 논문에서는 비평탄 지형 주행이 가능한 이동형 로봇의 구조 설계를 효율적으로 하기 위한 방법을 제안하고 실제로 구현하였다. 다양한 보행과 계단과 같은 비평탄 지형에서의 보행 메커니즘에 적합한 4개의 바퀴 및 구동 모터의 위치와 효율적 구조를 목적에 맞게 최적화 설계하였으며, 소형 로봇 플랫폼의 동작에 필요한 저전력의 효율적 구조를 제안하였다.

시나브로는 언어발달지연 개선을 목적으로 발음을 교정하는 프로그램이다. TTS·STT API 를 사용하여 단어의 표준 발음을 음성 자료로 게시하고, 연습 후 사용자가 녹음한 음성에 대해 텍스트 및 시각 자료를 제공한다. 이를 통해 사용자는 자신의 발화 발음에 대해 객관적으로 피드백을 받아들일 수 있다. 시나브로는 전문기관 방문을 동반하는 일반적인 치료 방식과 달리, 온라인 기반 웹 서비스로 제작되어 공간, 시간, 비용 등의 제약을 극복하며 높은 접근성을 제공한다.

스마트 인솔은 멀티 센서가 장착된 디바이스로써, 발바닥의 정보를 추출하는 기기의 특성으로 인해 헬스케어 디바이스로 주목받고 있다. 최근에는 스마트 인솔 내 센서 사양의 증가로 인해 획득 가능한 데이터의 품질이 증가하였으나, 취득한 데이터를 모두 사용하는 것은 통신 대역폭 및 컴퓨팅 파워의 문제가 발생할 수 있다. 본 논문에서는 스마트 인솔 내 파라미터에 대한 분석과 연구를 진행하고, 최적의 파라미터를 제시한다.

본 논문에서는 저성능 컴퓨터나 스마트폰의 카메라를 통해 입력받은 영상을 기반으로 사용자의 포즈를 추정하고, 실시간으로 사용자의 포즈에 따라 3D 모델의 모션이 제어되어 가시화 될 수 있는 클라이어트-서버 구조의 "자세추정 및 3D 모델 모션 제어 시스템"을 제안한다. 제안 시스템은 소켓통신 기반의 클라이언트-서버구조로 구성되어, 서버에서는 실시간 자세 추정을 위한 딥러닝 모델이 수행되고, 저성능 클라이언트에서는 실시간으로 카메라 영상을 획득하여 영상을 서버에 전송하고, 서버로부터 자세 추정 정보를 받아 이를 3D 모델에 반영하고 렌더링 함으로써 사용자와 함께 3D 모델이 같은 동작을 수행하는 증강현실 화면을 생성한다. 고성능을 요구하는 객체 자세 추정 모듈은 서버에서 실행하고, 클라이언트에서는 영상 획득 및 렌더링만을 실행하기 때문에, 모바일 앱에서의 실시간 증강현실을 위한 자세 추정 및 3D 모델 모션 제어가 가능하다. 제안 시스템은 "증강현실 기반 영상 찍기 앱" 에 반영되어 사용자의 움직임을 따라하는 3D 캐릭터들의 영상을 쉽게 생성할 수 있도록 할 수 있다.

본 논문에서는 전시회의 관람객을 탐지하고 추적하여 실시간으로 속도를 측정하여 전시 부스에서 관람객의 속도가 줄어드는 것을 파악한 후 멈춤 행동을 판단하는 시스템을 제안한다. 해당 시스템은 전시회 부스에 웹 캠을 설치하여 그 관찰 영역에 들어온 관람객을 인식한 후 관람객의 속도를 예측하고 관람객의 속도 변화를 논문에서 정의한 관람객의 여러 상태로 변화시킨 후 새롭게 정의한 멈춤 행동에 해당하는 관람객의 관심도를 추정하게 된다.

'환경친화적 자동차의 개발 및 보급 촉진에 관한 법률'에 따라 주거지역 내의 전기차 충전기 설치 및 보급이 빠르게 확산 중이다. 전기 자동차는 충전 중 화재 시 리튬이온 배터리 열폭주(thermal runaway) 현상 때문에 쉽게 진압하지 못한다는 단점이 존재한다. 이에 따라 지하 주차장에서의 전기 자동차 충전 중 화재 시 피해 최소화를 위한 스마트 IoT 주차장을 기획하고 개발하였다.

클라우드 네이티브(Cloud Native) 환경인 쿠버네티스(Kubernetes)에서 컨테이너(Container)는 가볍고 배포 주기가 빠르기 때문에, 쿠버네티스에서 상태를 지속적으로 모니터링하는 시스템이 필요하다. 쿠버네티스는 파드(Pod)를 기본 단위로하여 다수의 컨테이너를 관리·감독한다. 쿠버네티스 모니터링을 위해 프로메테우스는 주기적으로 메트릭을 수집하며 많은 양의 정보를 빠르게 검색한다. 이를 활용하여 쿠버네티스를 모니터링 한다.

최근 인공지능 기술의 발달로 인하여 AI를 활용한 가정에서 이용할 수 있는 다양한 지능형 IoT 제품들이 시중에 출시되고 있다. 대표적으로 가정에서 사용하는 멀티탭 등 여러 가지 상품들이 있다. 본 논문에서는 전류 센서와 전압 센서값을 이용하여 가전제품을 예측하고 이를 시각화하여 전기 절약에 도움을 줄 수 있는 지능형 멀티탭을 제안한다.

우리나라의 연평균 에너지 소비량이 가파르게 증가하고 있다. 이에 따른 국가와 가정 내 에너지 효율을 높이며 절약할 방안에 대한 모색이 대두되고 있다. 본 논문은 IoT 기술을 활용하여 효율적인 에너지 절약 시스템을 제안한다. 실시간 모니터링과 센서 데이터를 기반으로 에너지 절약 시나리오를 제공하고, LED 원격 제어를 유도한다. 더 나아가 이 시스템이 모든 가정 내에 적용된다면 효율적으로 에너지를 절약할 수 있을 것이라 예상된다.

본 논문은 어린이의 불편함을 해소하며 카시트 사용율을 증가시키기 위해 어린이의 안전한 이동과 편의를 제공하는 '어린이 교통안전 위한 자동 방향 전환 스마트 카시트'를 제안한다. 주요 특징은 다음과 같다. 첫째, 카시트에 자녀를 태우고 내리는 과정이 편리하도록 승하차 모드를 제공한다. 둘째, 상황에 맞게 정방향, 역방향 전환이 가능하다. 셋째, 운전자가 운전에 집중할 수 있도록 음성인식으로 모드를 전환할 수 있다. 넷째, 수면인식을 하여 어린이가 차안에서 편안하게 잘 수 있도록 햇빛가리개를 작동한다. 다섯째, 흔들린 아이 증후군 방지를 위해 카시트의 높이와 너비를 조절할 수 있다.

자전거 자물쇠를 사용해 자전거를 보관하고 있음에도 자전거의 도난 사건은 끊이지 않고 있다. 이를 방지하기 위해 경보 알림 기능을 탑재한 자물쇠가 존재하지만, 무게가 무거워 가벼운 자전거를 사기 위해 비싼 비용을 지불한 의미가 없어졌다. 본 논문에는 기울기 센서를 이용하여 도난 상황을 감지하고, 추가적으로 위치 정보까지 제공하는 "IoT 기반의 자전거 자물쇠"를 제안한다.

로봇 운영 체제 (ROS)를 기반으로 한 로봇 환경에서 시뮬레이션과 현실 세계에서의 맵 구축 결과를 비교하고 분석하는 것을 목표로 한다. 초기 단계에서는 로봇을 URDF와 SDF 파일로 표현한다. 이를 기반으로 Rviz와 Gazebo 시뮬레이터에서 가상 환경을 구성한다. 시뮬레이션된 환경에서 로봇의 Mapping 결과를 획득한 후, 동일한 로봇을 실제 환경에서 운용하여 실제 맵을 생성하고 비교 한다.

본 논문에서는 로봇이 아파트 단지의 세대번호를 인식 및 택배를 하차시키는 기능을 소개한다. 아두이노와 RFID 리더기, UID칩을 활용하여 세대별로 UID를 부여하여 목표지점을 탐색한다. 아두이노간 시리얼 통신하여 UID데이터를 전달하고 이후 UID와 주소를 확인한 후 일치 시 택배를 모터를 이용하여 하차시킨다.

대규모 행사에서 압사 예방을 위해 스마트 IoT 조끼 시스템을 개발했다. 일반 사용자들이 해당 조끼를 착용해 긴급 상황 발생 즉시 행사 관리자에게 정보를 전송하고 동시에 Linear Actuator를 활용해 개발한 에어백 기능으로 인명피해 사고를 보다 예방할 수 있다.

기존 도어락의 핀 인증 방식은 사용자에 따라 불편함을 느끼기도 한다. 이에 대한 솔루션으로 안면인식 도어락을 제안하며 Jetson nano에 face recognition 딥러닝 모델을 적용한 도어락을 제작한다. 거주자의 이미지를 촬영한 뒤 얼굴의 특징점을 분석하여 저장한다. 사용자가 도어락의 카메라에 인식되었을 때 저장된 안면 정보를 바탕으로 사용자가 거주자의 특징점과 일치하는지 확인한다. 거주자임이 인지되었을 때 도어락은 unlock되어 열리게 된다. 안면 인식 도어락 사용 시 보안상 취약해질 수 있는 기존 도어락의 핀 인증 방식에 대해 보안을 강화할 수 있으며 카메라를 통해 촬영된 사용자의 사진 및 영상을 활용하여 여러 서비스를 적용할 수 있다.

본 논문은 스마트 미러를 활용한 스마트팜 디스플레이 장치의 중요성과 잠재적인 활용 가능성을 논의하며, 농업 분야의 혁신과 정보 기술의 융합이 농업 생산성을 향상하는 역할을 강조한다. 스마트 미러를 통해 제공되는 실시간 정보와 데이터는 농업 종사자들에게 생산성 향상 및 농작물의 품질을 향상 시키며, 지속 가능한 농업을 실현하는 데 도움을 줄 것으로 기대된다.

본 연구는 최근 농촌 인구 및 농촌 물 부족으로 인해 대량 재배가 어려워 짐으로서, 물고기 양식과 수경 재배를 동시에 할 수 있는 시스템이 도입되고 있다. 수경재배 작물과 가정에서도 쉽게 구할 수 있는 물고기로 선정하여 연구를 진행하였다. 향후 이를 활용하여 가정에서도 쉽게 수경재배를 할 수 있는 이른바 "아쿠아포닉스" 시스템에 관한 연구이다.

금융 소외 계층은 여전히 보이스피싱과 같은 금융 범죄의 위험에 직면하고 있다. 본 논문에서는 이러한 위험을 완화하기 위해 모바일 애플리케이션을 통한 보이스피싱 예방을 강화하고자 한다. 이를 위해 AI 기술을 적용하여 데이터를 추출, 학습 및 분석하는 혁신적인 보안 기술을 개발하고자 한다. 이러한 기술의 적용을 통해 금융 소외 계층을 더 효과적으로 보호하고 금융범죄로부터 보안을 강화하는데 기여할 것으로 기대한다.

IoT 기기 사용량의 증가로 인해 해킹 사례도 함께 증가하며 보안의 중요성이 커지고 있다. 본 논문은 IoT 보안 취약점을 해결하기 위해 정상/악성코드의 데이터셋을 Grayscale로 변환하여 악성코드/정상코드로 분류하는 알고리즘을 개발해 IoT 기기에서 성능을 검증한다. 분류에 이용되는 딥러닝 알고리즘은 CNN(Convolutional Neural Network)으로 99.60%의 평균 정확도를 나타내며 IoT 기기(라즈베리파이)에서도 잘 작동됨을 확인할 수 있다.

최근 많은 기업체들은 점점 고도화되고 있는 사이버 공격 위협에 대응하기 위해 다양한 보안 솔루션 도입 및 종합적인 네트워크 보안 분석을 수행하고 있다. 하지만 보안 영역에 많은 자원과 예산을 투입할 여력이 없는 중소형 업체들은 특히 침해위협 탐지와 대응 결과시각화에 대한 어려움을 겪고 있다. 이에 따라 본 연구에서는 다중 사이버 보안 AI 모델구현을 통해 다각도의 사이버 침해위협 발생 가능성을 예측하고, 추가적으로 오픈소스 기반의 ELK 플랫폼을 통한 대응 결과 시각화를 구현하고자 한다.

시큐어 코딩은 해킹 등 사이버 공격의 원인인 보안 취약점을 제거해 안전한 소프트웨어를 개발하는 SW 개발 기법을 의미한다. 개발자의 실수나 논리적 오류로 인해 발생할 수 있는 문제점을 사전에 차단하여 대응하고자 하는 것이다. 그러나 현재 시큐어 코딩에는 오탐과 미탐의 문제가 발생한다는 단점이 있다. 따라서 본 논문에서는 오탐과 미탐이 발생하는 단점을 해결하고자 머신러닝 알고리즘을 활용하여 AI 기반으로 개발자의 실수나 논리적 오류를 탐지하는 시큐어 코딩 도구를 만들고자 한다. 다양한 모델을 사용하여 보안 취약점을 모아놓은 Juliet Test Suite를 전처리하여 학습시켰고, 정확도를 높이기 위한 과정 중에 있다. 향후 연구를 통해 정확도를 높여 정확한 시큐어 코딩 점검 도구를 개발할 수 있을 것이다.

본 논문은 외국인 근로자의 여권 위변조를 탐지하기 위해 MRZ 코드와 발광 데이터를 활용하는 방법을 제안하고 구현한 것이다. 이 기술은 외국인 근로자의 보호와 국내 안보 강화, 금융 거래의 안전성 향상을 지원하며, 웹 기반 인터페이스를 통해 실시간 판별과 사용자 편의성을 제공한다. 이로써 여권 위변조로 인한 잠재적인 위험을 예방하고 국내 여행 및 비즈니스 환경을 향상시킬 수 있다.

본 논문에서는 무료 Git 저장소로 전 세계 1억 명 이상의 IT개발자가 사용하는 Github[1]의 commit 수와 issue 해결 등의 사용 시 토큰을 차등 부여해 사용자 종합 순위를 선정하고 정량적인 성취 수준을 파악할 수 있는 시스템을 마련해 개발자들의 건전한 경쟁심과 개발 욕구를 향상시키는 애플리케이션을 개발하였다.

공증이란 "공증인에 의한 공적인 증명"의 준말로서, 법무부 지방검찰청 소속의 "공증인"이 특정한 사실 및 법률관계의 존재를 공적으로 증명하는 행위를 말한다. 공증문서 위변조 방지를 위해 NFT 에 거래방지 기능이 추가된 SBT 를 이용하여 블록체인으로 문서를 관리해 무결성과 진본성을 보장하는 스마트 공증 플랫폼을 제안한다.

도서관 자동화 시스템 개발로 이용자가 책을 직접 찾지 않고, 대출하고자 하는 책을 PC에 입력하면 자율주행으로 책이 있는 서가로 이동, 딥러닝 기반의 로봇팔로 책을 잡고 기존 위치로 복귀하여 자동으로 대출과 운반이 가능한 로봇의 시스템을 제안한다.

드럼 연습 및 연주를 쉽게 배우고 즐기기 위한 시각적 가이드를 제공한다. CNN과 OpenCV를 활용하여 악보의 음표 이미지를 처리하고, 데이터 수집, 전처리, 모델 학습, 서버와 안드로이드 애플리케이션 연동 등 다양한 과정으로 구현된다. '드럼라이트'는 드럼 연주의 접근성을 높이고, 다른 악기와 음악 학습 분야에도 확장 가능한 가능성을 제시한다.

매년 졸음 및 부주의 운전으로 인한 교통사고로 인명 및 재산 피해가 끊이지 않고 있다. 즉각적인 졸음 감지만을 위한 기존 시스템의 단점과 한계를 보완하고자, 본 논문에서는 위험 행동을 감지한 후 당시 사진과 데이터를 저장하고 이를 점수로 환산하여 장기적인 운전 습관 개선을 목표로 하는 운전자 관리 감독 시스템을 구현하였다. 이 시스템은 화물차 운전자와 같이 장시간 운전을 하는 대상에게 안전 주행을 장려하고 올바른 운전문화를 확립하게 하여 교통안전에 긍정적 역할을 담당할 수 있다.

본 논문은 10 대 비만 증가와 소아·청소년 비만 문제를 해결하기 위해 '청소년을 위한 신개념 움직이는 IoT 놀이 장치'를 제안한다. 이 장치는 조끼에 부착된 LED 에 동일한 패턴의 동료를 찾아 뛰는 '삼삼오오 게임', 랜덤으로 출력된 초성의 순서를 맞추기 위해 달리는 '초성순서 게임'등을 제공하여 체육활동을 협력과 함께 즐길 수 있는 기회를 공급합니다. 본 논문은 이장치를 통해 학생들의 체육활동에 대한 흥미를 높이고 청소년들의 체력 증진 및 비만 문제 해결에 기여하는 것을 목표로 한다.

본 연구는 ICT 기술의 발전과 온라인 정보량 증가에 따른 개인화된 통번역 수요를 충족시키기 위한 새로운 AI 번역 서비스를 제안한다. ChatGPT 의 생성 기능을 활용하여 사용자의 요구사항을 반영한 맞춤형 번역을 제공하며, 사용자와 실시간 피드백을 주고받는 것이 가능하다. 이로써 번역 과정의 자동화와 사용자 맞춤형 번역 경험을 실현할 수 있다. 더불어 AI 기술이 2 차적인 서비스 모델 개발을 촉진하고, 다양한 사용자 니즈를 충족하는 신규 시장을 개척할 수 있음을 시사한다.

본 프로젝트는 Azure OpenAI Service (large language models and generative AI) 를 이용하여 IT 기술 및 현황을 생성형 AI (GPT-4)를 활용한 IT 카드 뉴스 서비스로서 업계 현직자들에게 정보를 제공하는 시스템을 구현하였다. IT 카드 뉴스 서비스의 부재와 뉴스 제작의 비용 및 시간 소요의 문제를 해결하기 위해 생성형 AI 시스템을 고안하였다. 해당 서비스를 통해 IT 업계에 관심이 많은 사용자에게 정리된 뉴스를 한 번에 제공하는 효과를 가져올 것으로 예상한다.

외상후 스트레스 장애(PTSD)는 장기적으로 심각한 기능 장애를 초래하므로 적절한 치료가 필수적이다. 현재 PTSD 치료법 중 효과가 검증된 주류 심리치료는 환자에게 정서적 고통을 유발하여 치료 중도 포기를 야기하고 치료 효과를 감소시키는 주요한 원인이다. 본 연구에서는 생성형 AI를 적용하여 사용자의 맞춤형 트라우마 이미지를 무의식적으로 노출시키는 방식으로 게임에 적용하였다. 개발된 게임은 디지털 치료기기로 사용함으로써 비침습적인 방법으로 치료의 효과를 증대한다.

본 연구는 동물을 위한 웨어러블 로봇을 개발하고, 이를 상황에 따라 적절한 보행을 제어할 수 있도록 강화학습(DQN 알고리즘)을 적용한다. 다양한 센서를 동물에 부착하여 얻은 데이터를 DQN 알고리즘에 입력으로 사용한다. 이 알고리즘은 수집된 데이터를 분석하여 어떤 상황에서 어떤 종류의 보행이 가장 적절한지를 판단하고, 이를 로봇에 적용하여 동물의 보행을 자연스럽게 구현한다

본 연구는 이륜차를 운전함에 있어 기존의 스마트 AR 헬멧과 달리 비대면 음식 배달 서비스 사업에 보다 특화되고 안전에 중점을 둔 스마트 헬멧을 개발하는 방안을 제시하고 있다. 스마트 헬멧, 그리고 본 헬멧과 연동되는 어플리케이션의 개발을 진행하며 웹 대시보드를 통해 라이더의 실시간 위치를 확인하는 기능을 지원한다.

현재 시험 중심의 역사 교육으로 인해 10 대 연령층에서 한국사에 대한 관심이 감소하는 추세라고 한다.[1] 이에 대한 해결 방안으로 역사적 인물의 MBTI 및 위치 기반 인증 서비스를 활용한 애플리케이션을 제안함으로써 한국사에 대한 관심을 높이고 문화재 접근성 또한 개선하고자 한다.

국내 데이터 산업 시장의 규모는 점차 증가하고 있지만, 데이터 거래 분야의 성장은 매우 소극적이다. 현존하는 데이터 거래 플랫폼들은 관리자가 수동으로 API 를 검수하는데, 이러한 자동화된 시스템의 부재는 국내 데이터 거래를 적극적으로 활성화시키기 어렵다. 이에 본 논문에서는 JSON Schema 기반의 API 명세를 바탕으로 API 의 유효성을 자동으로 검증하는 방식의 데이터 거래 플랫폼을 제안하고 설계 및 구현하여 데이터 거래 시장의 진입장벽을 낮추고자 한다.

최근 2022년 이태원 압사 사고, 2019년 김포 골드라인 개통 이후, 호전되지 않는 밀집도 및 혼잡률에 따른 안전사고 문제가 대두되고 있다. 밀집도 측정이 가능한 CCTV는 이미 존재하지만, 가격이 높고, 시스템 수정 및 적용에 제약이 존재하여 모든 장소에 적용할 수 없다는 한계점을 지니고 있다. 본 논문에서는 현재 상용화된 밀집도 측정 CCTV 시스템과는 다르게 기존 CCTV 시스템과의 상호 호환성을 기반으로 부가적인 비용이 크게 발생하지 않아 경제성이 존재하며, CCTV가 설치되어 있는 모든 장소에 적용이 가능한 확장성을 지닌 CCTV 기반 인원 밀집도 측정 시스템을 소개한다.

'비프팜(VIP-farm)'은 'video processing farm'의 약자로 스마트팜으로써 컨테이너에 부착한 센서와 카메라로 조도·온도·습도 등의 내부 정보를 자동으로 취득 및 분석하여 성장 환경을 원격 제어한다. 뿐만 아니라, 기존 스마트팜의 과육 정보량 부족을 보완하기 위해 영상 처리를 이용하여 과일의 개수와 숙성도를 평가하고 적정 수확 시기를 안내하며, 사용자 간 정보공유 및 소통이 가능하도록 하는 기능을 가진다.

정보서비스와 업무의 무인·자동화를 통해 대중들이 쉽게 이용할 수 있도록 공공장소에 설치한 무인단말기를 말한다. 그러나 현재의 키오스크는 정보의 방대함과 선택의 다양성으로 어렵고 복잡하다. 이러한 키오스크 사용상 단점을 극복하기 위하여 AI 기반 대화형 인터페이스 웨이터 로봇을 개발하였다.

배달량 확산과 자율 주행 로봇의 실내외 주행이 가능해지면서 로봇을 활용할 주문 및 배달 서비스가 활발해지고 있다. 따라서 기존의 자율 주행 배달 로봇의 문제점을 개선하여 보다 나은 배달 서비스를 제공하고자 자율 주행 배달 로봇을 연구하였다. 배달 로봇에 AI를 적용하여 장애물 탐지, 최적코스 탐색을 통해 목적지까지 최적 경로로 이동하며, 배달 물품 안전까지 보장한다.

본 논문에서는 치안 공백 문제 해결을 위해 인공지능 CCTV를 소개한다. 자율주행 RC카의 센서 및 영상 처리로 행인의 이상 행동을 자동 탐지하고 이를 통합 관제 애플리케이션과 웹사이트로 확인 및 제어하는 시스템을 개발하였다. 이 시스템은 부족한 인력을 지원하고 CCTV 사각지대를 최소화하며, 이를 통해 공공 안전에 이바지함으로써 시민들이 안전하게 살 수 있는 사회가 구축되기를 기대한다.

Covid-19으로 인한 언택트(Untact) 문화의 확산으로 키오스크 주문과 같은 비대면 서비스가 증가하였다. 본 연구에서는 비대면 서비스로 인해 발생하는 정보격차 및 접근성 문제를 해결하기 위해 AI 기술과 사용자 인터페이스를 결합하여 개인 맞춤화된 키오스크를 소개한다. 본 연구에서 개발된 AI 키오스크는 자연어 처리기술을 활용한 음성 주문을 통해 편리성을 증진하고, 딥러닝 기술을 이용한 연령대 인식, 사용자의 알레르기 정보를 고려한 메뉴 추천을 통해 사용자에게 맞춤화된 서비스를 제공한다. 개발된 키오스크를 통해 개인화된 서비스를 개선할 수 있으며 더불어 정보 취약계층 간의 정보격차를 해소할 수 있다.

최근 고가의 신발을 재테크에 이용하면서, 관련된 한정판 리셀 등이 주목받고 있다. 고가의 신발을 처음 상태처럼 오래 사용하려면 지속적인 관리는 필수다. 때문에, 고가의 신발을 편하게 가능하게 하여, 궁극적으로 경제적 측면에 도움이 되기 위해 스마트 슈즈 스타일러는 필요하다.

현재 유통/쇼핑 분야에서 다양한 결제방식이 사용되고 있다. 이 프로젝트는 소비자들이 계산대에서 장시간 대기하는 문제를 해결하고자 카트에 RFID 센서를 쇼핑카트 손잡이, 바구니 부분에 부착하여 바구니 부분의 RFID 센서는 비정상 루트 인식 상품을 확인하는 도난방지 시스템, 손잡이 부분의 RFID 태그는 정상 루트의 인식 상품을 확인하는 시스템과 무선통신을 활용하여 개발되었으며, 이를 통해 소비자의 피로감을 줄어 긍정적 효과를 가져올 것으로 예상된다. 특히, 스마트 카트를 통한 선결제는 소비자에게 더 빠르고 간편한 결제 경험을 제공하며 이로써, 고객 경험은 크게 개선될 것으로 예상되며, 매장의 경쟁력도 강화될 것이다. 또한, 종이 영수증의 사용량 감소를 통해 환경보호에도 기여할 것으로 예상된다.

본 논문은 로봇의 실내 환경에서의 자율성을 높이기 위한 SLAM과 내비게이션 방법을 제시한다. 2D LiDAR와 카메라를 이용하여 위치를 인식하고 사람과 장애물을 의미론적으로 검출하며, ICP와 RTAB-map, YOLOv3를 통합하여 Semantic Map을 생성하고 실내 환경에서 자율성을 유지한다. 이 연구를 통해 로봇이 복잡한 환경에서도 높은 수준의 자율성을 유지할 수 있는지 확인하고자 한다.

스마트 홈 기술의 편리함과 생활 편의성에 대한 수요가 증가하고 있다. 음성인식 기술과 함께 다양한 하드웨어 기기들을 연결하여 스마트 홈 시스템을 구현하여 일상 생활에서 많은 불편함을 해결할 수 있다.

아두이노와 라즈베리 파이를 활용하여 건강 모니터링 단말기를 제작하고자 한다. 건강 모니터링 단말기는 인간이 건강하고 안심할 수 있는 일상생활을 돕는 데 큰 역할을 할 것으로 기대된다. 또한, 이를 활용하여 긴급 구조 요청 시스템을 구축함으로써 위급한 상황에 처한 사람들의 안전을 보장할 수 있다.

안전벨트 미착용 혹은 통학 차량 미하차로 인한 사고를 방지하기 위해 좌석에 압력 센서와 안전벨트에 센서를 부착하여 착석하지 않은 상태, 안전 벨트 미착용, 안전 벨트 착용으로 3단계로 나누어 탑승자의 상태 정보를 운전석에 위치한 디스플레이에 정보를 표시하여 안전 사고가 발생할 가능성을 줄이고자 한다.

실종자를 찾는 빈번한 안전재난문자로 인해 피로도가 높아짐에 따라 본 연구에서는 실종자 탐색 문자 발송량을 줄이기 위해 드론과 인공지능을 활용하여 도시에서의 실종자 탐색의 가능성을 제시한다. 실시간으로 얼굴을 인식하여 실종자를 탐색하는 접근 방식을 사용하여 구현해 실종자 탐색이 가능함을 보였고 이를 통해 인구 밀집 지역에서의 실종자 탐색이 효율적일 것으로 기대한다.

작업자의 안전을 최우선적으로 고려하여 라즈베리 파이와 아두이노를 활용하여 작업자의 건강상태와 위치를 실시간으로 모니터링하며 작업자의 건강상태를 케어하고 카메라와 마이크를 설치하여 작업자의 현 상황을 실시간으로 모니터링하고, GPS를 이용하여 작업자 위치도 추적이 가능한 스마트 안전모를 개발하고자 한다.

라즈베리파이와 아두이노의 성공적인 실시간 데이터 송수신, 운전자에게 시각적 효과를 줄 수 있는 맞춤형 이산화탄소 농도 데이터 LCD, 자동 환기 시스템 및 쿨링 시트 가동 기능을 통합하여 졸음운전을 방지할 수 있는 시스템을 제안하고자 한다.

자율주행 드론을 이용하여 지적 재산 보호 시스템을 구현하는 것을 목표로 한다. 드론이 목표물 주변을 순찰하면서 카메라로 촬영하고, 이미지 처리 기술로 이상 징후를 감지하면 알림을 보내는 시스템이다. 이를 통해, 인력 부족 문제와 같은 보안 위협에 대한 대응력을 높일 수 있으며, 지적 재산의 안전성을 보장할 수 있다.

IoT 홈 트레이닝 시스템은 집 안에서도 정확한 동작으로 운동을 보조해주도록 구성된 시스템으로 사용자가 올바른 자세로 운동을 할 수 있게 보조해준다. 또 앱을 통하여 실시간 운동량을 확인할 수 있으며, 운동 개수를 측정하여 운동에 집중할 수 있게 제공한다. 그러나 개발 측면에서는 각 센서의 위치에 따른 사람들의 신장 차이 등 다양한 변수가 발생하여 해결해야 할 필요가 있다.

기존의 무인 경로 로봇 시스템은 지형 제약과 높은 가격으로 인해 범용성에 한계를 갖는다. 이러한 한계를 극복하기 위해 철조망 위를 자율 주행하는 로봇 시스템(FPS, Fence Patrol System)을 소개하고, 하드웨어와 소프트웨어 측면에서 FPS 의 시스템 작동 원리를 설명한다. FPS 는 철조망 위에서 진동이 감지된 지역으로 이동해 객체를 탐지하고 추적하면서 관리자에게 전송한다. FPS 는 다양한 폭을 갖는 철조망 위에서 주행이 가능하고 완만한 곡률이 있는 철조망도 주행할 수 있도록 설계되었다. 이를 통해 지상 무인 경계 시스템의 한계를 해결하고 다양한 분야에 활용될 것으로 기대한다.

보병이 레이저로 표적을 지시하고 원격사격통제체계가 타격하는 방식의 유무인 복합체계에서 전자광학 추적장비를 통한 표적지시용 레이저 검출은 필수적이다. 이를 위해 본 연구에서는 영상기반 코릴레이션 필터를 통해 적외선 레이저를 기존의 색상기반, 기계학습 등의 기법보다 효과적으로 검출하는 방법을 구현하였다. 또한 실험을 통해 주간에는 직사광선 노이즈를 효과적으로 제거하고 200mw 출력의 적외선 레이저를 10-20m 거리에서 검출, 노이즈가 없는 야간에는 100m 이상의 거리에서 안정적으로 검출하는 것을 확인하였다. 이를 통하여 원격사격통제체계의 전자광학 추적장비를 통한 표적지시 레이저 검출 및 추적 구현의 기반을 마련하였다.

미세먼지 단계를 예측하는 딥러닝 기반 시스템을 개발하고 그 성능을 평가하는 연구를 진행했다. 연구에서 320개의 풍경 사진 데이터를 수집하고, 해당 시점의 미세먼지 농도를 측정하여 "좋음" 또는 "나쁨"으로 분류했다. 데이터 전처리 단계에서는 특히 하늘 이미지의 특성을 고려하여 다양한 전처리 기법을 적용하였다. 다섯 가지 이미지 데이터 모델을 사용하여 이미지를 분류하고 미세먼지 단계를 예측하는 모델을 개발하였으며, 또 이 모델들을 다양한 기법으로 앙상블 해보며 성능을 비교했다. 그 결과, Random Forest를 이용한 앙상블 모델이 제일 뛰어난 예측 성능을 보였다. 이러한 연구 결과는 미세먼지 모니터링 및 예측에 유용한 시스템 개발의 가능성을 제시한다.

본 프로젝트는 LiDAR 센서를 통해서 지형 및 장애물을 파악하면서 모터를 이용하여 로봇의 이동과 물품 운반을 할 수 있게 한다. LiDAR 센서를 이용하여 물체를 인식하고, SLAM(동시적 위치 추정 및 지도작성)과 원격으로 사물과 사람들을 파악할 수 있으며, 모터 간의 통신을 통해 모터 제어를 이루어 지정 경로 내 자율주행을 가능케 한다.

본 논문은 COVID-19와 같은 전염병 확산 방지를 위해 비대면 약제배송로봇을 제안한다. 제안한 로봇은 OpenCV와 Q-Learning기반의 모델을 사용하여 실시간 영상처리로 사람의 얼굴을 식별한다. 환자의 얼굴, 나이, 전달 약제 등을 환자 데이터베이스에 등록한다. 카메라로 인식된 환자의 얼굴과 데이터베이스 내 환자의 얼굴이 일치할 경우 잠금장치를 해제시켜 환자의 약제 수령을 허용한다. 또한 어플리케이션을 통해 약제가 올바르게 전달되었는지 2차적으로 확인한다. 따라서 본 논문에서 제안한 로봇은 비대면으로 환자에게 약을 전달함으로써 입원병동에서 발생할 수 있는 전염병 확상의 방지에 효과적으로 기여할 수 있을 것이다.

3D 기술과 인공지능을 활용한 가상 옷장 앱 BBoM은 패스트패션의 환경 오염을 줄이고 지속 가능한 소비문화를 조성한다. 깊이 추정(depth estimation) 기술을 활용하여 2D 이미지를 3D 모델로 변환하였다. 이러한 기능은 소비자들의 소비 패턴에 도움을 줄 뿐만 아니라 1년 후에 연간탄소 배출량을 37% 감소시킬 수 있다.

본 프로젝트에서는 BLDC 인휠모터를 사용하여 조향각에 제약이 없는 다자유도 기동 모빌리티 플랫폼을 구현하고 로봇 모듈화로 정비 편의성과 범용성을 높인 자율 모빌리티 플랫폼의 개발로 사용편의성 뿐만 아니라 산업 전반에서 발생하는 안전사고 리스크 관리에 도움이 되고자 한다.

본 연구는 차량 동역학이 적용된 자율주행 시뮬레이터에서 구현된 차량의 거동이 실제 차량과 유사한지 검증하는 것이다. 이를 위해 실제 차량모델에 외력을 가할 수 있는 기구를 개발하여 데이터를 획득하고 분석하고자 한다. 시뮬레이터에서 구현된 차량과 유사한 서스펜션 구조를 가진 차량 모델을 만들고 센서를 달아 차량의 운동 모델을 모사했으며, 캠과 감속기어를 활용해 외력을 모사하기 위한 기구를 제작하였다.

최근 문제가 제조 현장에서 안전 조치 의무 미준수로 인한 산업재해가 이슈가 되고 있다. 산업 재해는 대부분의 경우 관리 부실이 가장 큰 요인이다. 따라서 관리적 부분에서 머신 비전과 행동인식, 유사도 검색 알고리즘을 도입하여 제조현장에서 발생하는 불상사를 예방하고자 한다. 가이드라인 접근, 위험한 행동, 안전 장비 착용 수칙을 미 준수할 경우 사전에 입력된 가이드라인에 따라 관리자와 노동자에게 알림 및 경고하는 시스템을 제안하는 것을 요지로 한다.

모바일 로봇은 제조, 물류, 건설 등 다양한 산업 분야에서 중요한 역할로 사용되고 있으며 연구분야에 있어서도 데이터 수집, 실험 수행, 환경 탐사, 자율주행 알고리즘 개발 등에도 사용되고 있다. 본 연구에서는 실외 환경에서 고중량 적재물을 이동시킬 수 있는 모바일 로봇 플랫폼을 설계하고 제작하였다. 또한 설계 정보와 제작 과정 등을 여러 사람들이 활용 가능하도록 공유한다. 개발된 모바일 로봇 플랫폼은 대부분의 부품들이 시중에서 쉽게 구할 수 있는 규격 부품을 사용하였기 때문에 공유된 설계 정보를 이용하여 많은 연구자들이 모바일 로봇 플랫폼을 제작하여 활용할 수 있도록 하는데 목적이 있다.

This paper is about the development of kiosks that provide four types of service. Simple UI and educational videos solve the complexity of existing kiosks and provide an intuitive and convenient screen to users. In addition, the AR function, which is a three-dimensional form, shows directions and store representative images. After storing user information in the DB, a learning model is generated using user-based KNN collaborative filtering to provide a recommendation menu. As a result, it is possible to increase user convenience through kiosks using metaverse and AI recommendation services. It is also expected to solve digital alienation of social classes who have difficulty using kiosks.

문서를 통해 기록을 남기는 과거의 기록 방식은 현대에 이르러 블로그, 인스타그램 등 다양한 SNS를 활용하는 방식으로 변모하고 있다. SNS의 발달과 대중화는 현대인에게 일반적인 일기 작성 포맷으로 자리 잡고 있다. 증가하는 수요와 디지털 기술 혁신에 대비되는 기존의 수동적인 일기 작성 애플리케이션을 대체하기 위해 본 논문은 DALL-E2와 블록체인을 활용한 일기 작성 및 민팅 애플리케이션 구현을 제안한다. 사용자는 제안하는 애플리케이션을 통해 음성인식, 광학 문자인식을 통한 다양한 일기 작성 방식을 제공받고, 완성된 일기 이미지를 디지털 자산으로서 보존할 수 있다.

해당 프로젝트 주제는 AR 여행 기록 다이어리로 사용자 다이어리 내용에 감정 분석을 적용해 이모지를 달력에 표시한다. 네이버 클라우드 Sentiment와 ChatGPT를 활용하며, 다양한 감정 범주를 고려한 정확도 향상을 추구하고 입력 데이터에 따라 긍/부정 분석을 수행한다. 중립과 놀람은 모호함으로 분리하여 감정 분석을 실시한다.

본 어플리케이션은 반려견의 건강 데이터와 한국헌혈견협회에서 제공하는 수혈 기준을 기반으로 수혈 가능 여부를 분류한 뒤, 거리를 기반으로 긴급 수혈을 매칭하는 알고리즘을 구현한다. 또한 긴급 수혈의 긴급성을 고려하여, 실시간 게시판 운영 및 협회 지정 병원의 혈액 잔여량을 시각화한다.

증강현실(AR)이란, 현실의 이미지나 배경에 3차원 가상 이미지를 입혀 실시간으로 출력되는 컴퓨터 그래픽 기법이다. 본 논문에서는 AR 서비스를 이용한 여행 기록 애플리케이션을 제안한다. 현재 제공되는 서비스에서는 장소에 대해 제공하는 정보가 매우 한정적이다. 따라서 공유 커뮤니티를 형성할 수 있도록 하여 다양한 정보를 전달하고 직접적인 시각 자료를 제공받을 수 있는 애플리케이션이 필요하다고 생각하여 기획하게 되었다. ReactNative와 SpringBoot를 사용하며, MySQL을 이용하여 데이터를 저장한다. Google Map API를 활용하여 사용자가 기록하고자 하는 장소에 대한 위도와 경도 정보를 받을 수 있도록 하며, AR 기능은 Unity로 구현하였다. AR을 포함한 혼합 현실 서비스를 제공하여 사용자들이 본인의 경험에만 의존하는 것이 아닌 풍부한 몰입력과 현장감을 통해 보다 가시적이고 생생한 다이어리 기록을 만들 수 있다.

인증받은 브리더와 분양 희망자의 매칭을 통해 사회적 문제인 유기 동물에 대한 해결방안을 제공하고자 한다. 분양 희망자는 신뢰도 있는 기초 지식 테스트를 통해 진행되며, 이를 통해 반려견 지식 또한 얻을 수 있다. 브리더는 요구되는 자격증을 제출하여 자격은 인증받을 수 있다. 또한 브리더의 존재를 사람들에게 인식시켜 건강한 반려 문화를 조성하고자 한다.

COVID-19 가 종식되어 관광산업이 활발해짐에 따라 외래관광객 데이터를 분석하여 활용할 필요가 있다. 한국관광 데이터랩의 외래관광객 조사 보고서는 설문을 통해 수집한 데이터에 대해 각 요인별 통계를 제공하고 있지만 복합적 요인으로 분석하기 어렵다. 본 연구는 2017 년부터 2022 년까지 한국관광 데이터랩의 외래관광객 조사 데이터를 Microsoft Power BI 를 통해 분석하여 여성 20대, 서구 관광객의 방한 활동과 방한 고려 요인 등 복합적 주요 영향 요인을 도출하고 그에 따른 발전 방향을 결론에서 제시한다.

본 연구는 TFLite 기반의 경량화 AI 모델을 활용하여 쓰레기의 자동 분리수거 시스템을 구축하는 방법을 제안한다. 제안된 시스템은 객체 인식 기술을 활용해 쓰레기를 정확하게 분류하며, 테스트 결과 평균 90.33%의 mAP 성능을 나타낸다. Label 수와 데이터셋의 한계가 존재하지만, 본 연구를 확장하고 개선함으로써 자동 분리수거의 효율성을 더욱 높일 수 있을 것으로 기대된다.

장애물이나 경사지가 많은 협소 지역에서 탐사 활동을 수행하는 로봇은 험지에서도 이동할 수 있는 자율주행 방법을 필수적으로 제공해야 한다. 본 논문은 협소 지역에서 탐사와 객체 탐지를 위해 주행 상황에 따라 바퀴 주행과 관절 주행을 동적으로 변경하면서 이동하는 다관절 로봇 시스템을 제안한다. 다관절 로봇은 마찰력과 수직항력, 토크 값 등을 고려해 설계한 운동 모델을 기반으로 바퀴와 관절 이동을 변경하면서 자율적으로 주행한다. 관리자는 관제 서버를 통해 로봇이 수집한 탐사 정보를 실시간으로 확인하고 필요시 로봇의 원격제어를 수행할 수 있다. 본 연구를 통해 사람이 접근하기 어려운 협소 지역 탐사나 재난지역 인명구조 활동에 활용할 수 있기를 기대한다.

본 논문에서는 의료 영상 생성을 위한 Med-StyleGAN2를 제안한다. 생성적 적대 신경망은 이미지 생성에는 효과적이지만, 의료 영상 생성에는 한계점을 가지고 있다. 따라서 본 연구에서는 의료 영상 생성에 특화된 StyleGAN 기반 학습 모델을 제안한다. 이는 다양한 의료 영상 어플리케이션에 활용할 수 있으며, 생성된 의료 영상에 대한 정량적, 정성적 평가를 수행함으로써 의료 영상 생성 분야의 발전 가능성에 대해 연구한다.

본 연구는 변동성이 높은 주식시장에서 안정적인 수익창출에 기여할 수 있는 주가예측 강화학 모델을 제안한다. DQN 알고리즘과 LSTM 신경망을 이용하여 시장의 흐름에 따라 전략을 달리하는 모델을 개발하고, 이를 활용한 주식 트레이딩 시스템의 유용성을 확인하고 발전 방향을 제시한다.

Recently, several generative models have emerged and are being used in various industries. Among them, Cycle GAN is still used in various fields such as style transfer, medical care and autonomous driving. In this paper, we propose two methods to improve the performance of these Cycle GAN model. The ReLU activation function previously used in the generator was changed to Leaky ReLU. And a new loss function is proposed that considers the semantic level rather than focusing only on the pixel level through the VGG feature extractor. The proposed model showed quality improvement on the test set in the art domain, and it can be expected to be applied to other domains in the future to improve performance.

본 논문은 말의 개체 식별 과정에 딥러닝을 활용하여 객관적으로 식별 가능한 개체의 특징을 획득할 수 있는 영상처리 기반의 말 개체 식별 자동화 프레임워크를 제안한다. 제안하는 프레임워크는 말의 개체 식별을 위한 이미지 촬영 방법, 딥러닝을 활용한 말의 특징 추출 방법, 말 객체에 대한 식별 가능 정보의 변환 방법으로 구성되어 있으며, 본 논문에서 제시하는 방법론을 바탕으로 말 개체 식별 과정을 자동화하여 말의 특징을 객관적이고 효율적으로 추출하여 말 개체 관리를 하고자 한다.

이미지 처리에 관한 인공지능 모델의 발전에 따라 개인정보 유출 문제가 가속화되고 있다. 인공지능은 다방면으로 삶에 편리함을 제공하지만, 딥러닝 기술은 적대적 예제에 취약성을 보이기 때문에, 개인은 보안에 취약한 대상이 된다. 본 연구는 ResNet18 신경망 모델에 얼굴이미지를 학습시킨 후, Shadow Attack을 사용하여 입력 이미지에 대한 AI 분류 정확도를 의도적으로 저하시켜, 허가받지 않은 이미지의 인식율을 낮출 수 있도록 구현하였으며 그 성능을 실험을 통해 입증하였다.

COVID-19 대유행 및 이태원 압사 사고로 인해 안전 관점의 인구 밀집에 관심이 높아졌으며, 기존 CCTV를 통한 단순 관찰방식을 넘어 유동 인구의 흐름까지 예측한 인구 밀집도 파악이 필요하게 되었다. 본 논문에서는 기존 관찰방식 공공데이터 CCTV에 컴퓨터 비전(CV) 및 다중 객체 추적(MOT) 기술을 추가 적용하여 사용자 중심(시각, 장소)의 유동 인구수와 인구 밀집 지역을 파악할 수 있는 모델을 제안하고 구현하였다. 이 모델을 적용함으로써 시민들은 안전한 환경에서 인구 밀집에 관련된 사고로부터 보호받을 수 있을 것으로 기대한다.

본 연구는 사용자의 음성 패턴 분석과 텍스트 분류를 중심으로 이루어지는 한국어 감정 인식 작업을 개선하기 위해 Macaron Net 텍스트 모델의 결과와 MFCC 음성 모델의 결과 가중치 합을 분류하여 최종 감정을 판단하는 기존 82.9%였던 정확도를 텍스트 모델 기준 87.0%, Multi-Modal 모델 기준 88.0%로 개선한 모델을 제안한다. 해당 모델을 우울증 예방 플랫폼의 핵심 모델에 탑재하여 covid-19 팬데믹 이후 사회의 문제점으로 부상한 우울증 문제 해소에 기여 하고자 한다.

딥러닝 기술이 발전함에 따라 모델의 복잡성 역시 증가하고 있다. 본 연구에서는 모델 경량화를 위해 Knowledge Distillation 기법을 Crowd Counting Model에 적용했다. M-SFANet을 Teacher 모델로, 파라미터수가 적은 MCNN 모델을 Student 모델로 채택해 Knowledge Distillation을 적용한 결과, 기존의 MCNN 모델보다 성능을 향상했다. 이는 정확도와 메모리 효율성 측면에서 많은 개선을 이루어 컴퓨팅 리소스가 부족한 기기에서도 본 모델을 실행할 수 있어 많은 활용이 가능할 것이다.

미디어 공유 활성화에 따라 개인정보 노출의 위험성이 증가하고 있다. 본 논문에서는 YOLOv5를 통해 학습한 모델을 바탕으로 이미지에서 개인정보가 담긴 물체를 탐지하는 연구를 진행하였다. 모델로 탐지된 객체에는 광학 인식 기술(OCR)을 적용하여 객체 내의 텍스트 속 개인정보 영역을 마스킹한다. 설계된 알고리즘은 여러 분야에 활용되어 개인정보에 대한 서비스 강화를 제공해 줄 수 있을 것으로 기대된다.

인터넷에는 많은 이미지 데이터가 존재하지만, 대규모 이미지를 효과적으로 수집하는 것은 어려운 실정이다. 본 논문은 GAN을 통해 사용자가 지정한 개수만큼 원하는 이미지를 생성하는 웹 플랫폼을 제안한다. 기존의 단일 이미지다운, 크롤링, 웹 스크래핑을 통한 이미지 데이터 수집 방법보다 다량 이미지 데이터를 안전하게 수집할 수 있을 것으로 기대된다.

본 연구는 최근 기계학습 모델의 복잡성 증가와 '블랙 박스'로 인식된 머신러닝 모델의 해석 문제에 주목하였다. 이를 해결하기 위해, AutoML 기술을 사용하여 효율적으로 최적의 모델을 탐색하고, XAI 기법을 도입하여 모델의 예측 과정에 대한 투명성을 확보하려 하였다. XAI 기법을 도입한 방식은 전통적인 방법에 비해 뛰어난 해석력을 제공하며, 사용자가 머신러닝 모델의 예측 근거와 그 타당성을 명확히 이해할 수 있음을 확인하였다.

본 논문은 인플루언서 매칭 서비스를 위한 데이터 수집 및 분석 방법, 매칭 및 성과 모니터링 알고리즘, 웹 서비스 구현에 대해 말하고 있다. 매칭 알고리즘은 사용자가 원하는 인플루언서를 맞춤형으로 제공하며, 성과 모니터링을 이용해 유의미한 자료를 시각화하여 제공한다.

도로 교통 사고 및 교통 정체는 도로 상황의 비정상적인 요인으로 인해 발생하는 심각한 문제이다. 이러한 문제를 해결하기 위해 도로 상황을 실시간으로 감지하고 사용자에게 알리는 시스템이 필요하다고 판단된다. 본 연구는 도로 상황 감지 및 예방을 위한 새로운 접근 방식을 제안하며, 이에 대한 배경과 필요성, 그리고 프로젝트의 특장점을 소개한다.

본 프로젝트는 색상 산업 분야에서 효율적인 업무 생산을 할 수 있도록 하는 산업용 로봇을 제시한다. 모바일 어플리케이션 개발을 통해 사용자 맞춤 UI를 제공하여 색상 조합 및 제안을 수행하도록 하며, 객체 인식 기술을 적용하여 자동화 시스템을 거쳐 색상 출력을 수행할 수 있는 색 조합 시뮬레이터 자율 주행 로봇이다.

이 연구는 사람의 감정 변화를 건강하게 파악하고 분석하기 위해 시작되었다. Natural Language Processing(NLP)는 컴퓨터가 인간의 언어를 이해하기 위해 개발된 자연어 처리 기술이다. 본 논문에서는 이 기술을 이용하여 Text Mining을 통해 사용자가 작성한 일기에 담긴 감정을 분석하고 LSTM 모델과 GRU 모델을 비교군으로 두어 두 모델 중 감정 분석에 더 적합한 모델을 찾는 과정을 거쳤다. 이 과정을 정확도가 더 높은 LSTM 모델을 사용하여 감정 분석 결과를 분류하였다.

반려묘 수가 늘어나는 현대 사회에서 동물 의료 낙후 지역의 보호자는 고양이의 정확한 건강 상태를 파악하기 어렵다. 본 논문에서는 고양이가 가장 흔하게 걸리는 질병인 '결막염'을 비대면으로 진단하고자, 전이학습(Transfer Learning) 기반의 딥러닝 모델을 이용한 웹 애플리케이션을 개발 및 배포하였다. 이를 통해 고양이 결막염 발병 여부 조기 진단 및 치료비 절감, 반려묘 보호자의 편의성 증대 및 동물 의료 서비스의 지역 편차를 줄이는데 기여하고자 한다.

본 논문에서는 LLM(Large Language Model) 모델의 fine-tuning 을 통한, 기초 수리 서술형 문항 풀이용 모델 및 Dall-E2 등 이미지 생성형 모델을 활용한 따른 영어 퀴즈풀이용 이미지 생성형 모델을 생성하여, 한국어 기반 LLM 자체 모델 학습 및 교육용 이미지 생성에 대한 방법을 고찰하였다.

코로나-19로 인해 비접촉 서비스의 중요성이 더욱 대두되고 있다. 키보드나 마우스와 같은 기존 입력 장치를 대체하기 위해 사람들은 디지털 기기에서 손을 사용하여 자연스럽고 간단한 입력을 할 수 있게 되었다. 본 논문에서는 미디어파이프(MediaPipe)와 LSTM(Long Short-Term Memory) 딥러닝을 활용하여 손 제스처를 학습하고 비접촉 입력 장치로 구현하는 방법을 제시한다. 이러한 기술은 가상현실(VR; Virtual Reality), 증강현실(AR; Augmented Reality), 메타버스, 키오스크 등에서 활용 가능성이 크다.

교통사고 통계에 따르면 비보호 구역 내 도로에서 발생하는 교통사고 발생률이 일반 도로보다 30% 높은 수준임이 밝혀졌다. 기존 첨단 운전자 지원 시스템(ADAS: Advanced Driver Assistance Systems)은 다양한 사고 시나리오가 존재하는 비보호 구역에 적용하기에는 한계가 있다. 본 논문은 이러한 문제에 대응하기 위해 기존 ADAS 기능을 확장하여 예측과 판단이 어려운 비보호 구역에서 AI 분석을 통해 운전자에게 주행 가능 여부를 시각적으로 제공하는 시스템을 개발하고자 한다. 이 시스템은 운전자에게 경고와 지원을 제공함으로써 비보호 구역 내 교통사고를 예방할 수 있다.

본 프로젝트는 AWS 에서 제공되는 AI/ML 플랫폼과 LLM 모델을 기반으로 문서 및 텍스트와 ppt 를 자동 변환하는 서비스로, 실생활 및 업무에서 활용이 가능하며 별도 사용자 조작 없이 사용가능한 발표자료 및 대본 제작 도구를 통해 일의 효율성을 향상시키고자 한다.

4차 산업혁명과 코로나19 영향으로 개발자 수요가 급증하며, 노코드 및 로우코드 플랫폼과 자연어 처리 기반 인공지능이 주목받고 있다. 본 연구는 프로그래밍 접근성 향상을 위한 노코드 플랫폼을 탐구하며, 사용자가 UI를 통해 직관적으로 프로젝트를 구축할 수 있는 설계 방식을 제시한다. 본 연구에서는 웹 크롤링과 자연어 처리 모델 학습에 기반한 아키텍처와 방향성을 제시한다. 사용자는 화면을 구성하고 프레임워크 선택 후 프로젝트를 간단하게 구축할 수 있다. 이 연구는 전문 지식 없이도 소프트웨어 개발에 쉽게 접근할 수 있는 방법론을 제시하며, 접근성과 포용성 강화에 기여한다.

본 논문은 보이스피싱 취약 계층을 위해 통화 내용을 신속하게 처리하여 실시간으로 범죄 여부를 판별하는 VoIP 에 특화된 시스템을 제안하였다. 실제 보이스 피싱 통화 유형을 학습한 탐지 모델을 개발하여 API 로 배포하였다. 또한 보이스피싱 위험도가 일정 수준에 도달할 경우 사용자에게 보이스피싱 가능성을 경고하는 장치를 제작하였다. 본 연구는 보이스피싱을 사전에 탐지함으로써 개인정보의 유출 및 금융 피해를 예방하고 정보 보안을 실천하는 데 기여할 것으로 기대된다.

본 연구는 AI 기술을 활용하여 CCTV(Closed-Circuit Television)영상 데이터를 분석하고, 실시간으로 고객을 측정하고 분석하는 방법에 대한 연구이다. 이러한 AI-Dirven Audience Measurement는 마케팅, 이벤트 기획 등에서 응용 가능성을 지니고 있다. 매장에 설치된 CCTV를 통해 데이터를 수집하고 수집된 데이터를 통해 입장한 고객의 성별과 나이를 예측한다. 이에 본 연구를 통해 기업의 마케팅 전략의 최적화 및 이벤트 기획 등 활용할 수 있고 고객의 행동 및 성향 분석을 통해 시설의 구조 및 레이아웃 개선 등을 위한 설계 개선에도 기여할 것으로 기대된다.

소위 '인생네컷'이라 불리는 셀프사진관은 MZ 세대의 새로운 놀이 문화로 떠오르며 사용자 수가 나날이 증가하고 있다. 그러나 짧은 시간 내에 다양한 포즈를 취해야 하는 셀프사진관 특성상 촬영이 낯선 사람에게는 여전히 진입장벽이 존재한다. 더불어 매번 비슷한 포즈와 사진 결과물에 기존 사용자는 점차 흥미를 잃어가는 문제점도 발생하고 있다. 이에 본 연구에서는 셀프사진관 사용자의 관계를 분류하는 모델을 개발하여 관계에 따른 적합하고 다양한 포즈를 추천하는 프레임워크를 제안한다. 사용자의 관계를 'couple', 'family', 'female_friend', 'female_solo', 'male_friend', 'male_solo' 총 6 개로 구분하였고 실제 현장과 유사하도록 단색 배경의 이미지를 우선으로 학습 데이터를 수집하여 모델의 성능을 높였다. 모델 학습 단계에서는 모델의 성능을 높이기 위해 여러 CNN 기반의 모델을 전이학습하여 각각의 정확도를 비교하였다. 결과적으로 195 장의 test_set 에서 accuracy 0.91 의 성능 평가를 얻었다. 본 연구는 객체 인식보다 객체 간의 관계를 학습시켜 관계성을 추론하고자 하는 것을 목적으로, 연구 결과가 희박한 관계 분류에 대한 주제를 직접 연구하여 추후의 방향성이나 방법론과 같은 초석을 제안할 수 있다. 또한 관계 분류 모델을 CCTV 에 활용하여 미아 방지 혹은 추적과 구조 등에 활용하여 국가 치안을 한층 높이는 데 기대할 수 있다.

고령 사회로 접어들고 디지털 문맹이 대두되면서 기계 조작에 미숙한 정보취약계층이나 고령층들이 느끼는 불편함을 개선하고자 본 연구는 기존의 터치형 키오스크와는 차별된 음성/얼굴인식 기술을 활용한 키오스크 개발을 제안하며, 모든 연령층을 고려한 AI 기술의 활용으로 맞춤형 주문 서비스를 제공하여 고객 만족도를 높이고, 보다 쉽고 빠르게 주문할 수 있도록 한다.

AI 기술이 성장하면서 AI 기술의 중요성은 더욱더 커지고 있다. 따라서 미래 인공지능 시대를 선도해 나갈 인재 유아, 초.중등 교육이 매우 중요하게 되었지만 아이들이 인공지능을 쉽게 접할 수 있는 서비스는 아직 부족하다. 아이들이 쉽게 사용할 수 있는 인공지능 서비스를 개발한다면 본격적인 인공지능 교육 시대가 도래하기에 앞서, 인공지능에 친숙해 질 수 있으며 창의력 향상에 도움이 될 것으로 기대된다. 이에 따라 'AI 동화책 생성 시스템' 을 기획하고 개발하였다.

본 연구에서는 공정 내 인체 끼임 사고 및 저출산 고령화 시대 등의 문제들로 인한 인력 감소 문제들을 해결하기 위하여 인공지능 기반의 모빌리티 플랫폼을 개발하였다. 본 플랫폼은 yolo-v4 기반으로 로봇이 공정 내부를 이동하면서 공정 내 불량 와이어를 검출하여 공정 유지보수 관리자에게 알려 주고 실시간으로 공정 내부 상황을 무선으로 모니터링할 수 있는 기술을 연구하였다. 또한, 로봇에는 무선 충전 기능을 갖추고 있어 추가적인 공정 내 인체 끼임 사고 등을 예방할 수 있도록 하였다. 본 연구 결과에서는 불량 와이어 검출 시, 평균 92.1%의 정확도를 보였으며, 공정 제품에 대한 양품, 불량품의 검출은 평균 98%의 정확도를 보였다. 또한, 실시간 무선 영상 모니터링는 24fps로 전송되어 공정 내부를 살피는 것에 유의미한 결과를 보였다.

본 연구에서는 수중 환경 정보 수집과 수집된 환경 정보를 쉬운 인터페이스 환경 구축하고자 부력제어 방식의 수중 드론을 제작하고 수중 지형 지물의 로드뷰 제작 기법을 개발 수행한다.

포트폴리오 구성문제는 과거부터 현재까지 많은 연구가 이루어지고 있다. 현재는 강화학습을 통해 포트폴리오를 구성하는 연구가 많이 진행되고있다. 포트폴리오를 구성함에 있어 종목선택과 각 종목을 얼만큼 투자할 것인지는 둘 다 중요한 문제이다. 본 연구에서는 과거부터 많이 사용해오던 방식을 차용하여 강화학습 방법과 접목시켰고 이를 통해 설명력이 높은 모델을 만들려고 노력하였다. 강화학습에 사용한 모델은 PPO(Proximal Policy Optimization)을 기본으로 하였고 인공신경망은 LSTM을 활용하였다. 실험결과 실험 기간 동안(2023년 3월 30일 부터 108 영업일 까지)의 코스피 수익률은 5%인데 반해 본 연구에서 제시한 모델의 수익률은 평균 약 9%를 기록했다.

추천 시스템은 사용자의 선호도를 정확히 파악하는 것이 중요하다. 이를 위해 사용자 데이터를 분석하여 추천을 제공하는 협업 필터링 알고리즘을 활용한다. 하지만 상품의 종류와 고객 수가 많아짐에 따라 사용자 선호도 정확도가 떨어지는 문제점이 있다. 이 문제를 해결하기 위해 제안된 방법은 모델 기반 협업 필터링이며, 이는 고객과 사용자의 정보를 직접적으로 추천하는 대신 모델을 학습시키는데 활용된다. 이에 논문은 추천시스템에서 자주 사용되는 모델 협업 필터링 기반 SVD 모델을 학습 전에 하이퍼파라미터를 조절하여 모델에 추정 정확도 값인 RMSE를 측정한다.

본 논문은 사용자의 생체 데이터를 기반으로 하는 Role-Playing Game(RPG)의 개발과정과 특징에 관하여 다룬다. 온라인 게임과 실제 생체데이터를 결합하여 게임 이용을 통한 건강 습관 촉진을 목표로 한다. 사용자의 생체 데이터는 게임 내 캐릭터의 능력치로 환산되며, 게임 플레이를 통해 건강한 생활습관과 운동 동기부여가 이루어진다. 교육과 의료 분야에서의 활용 가능성도 탐색되며, 미래 지향적인 게임의 새로운 방향성을 제시한다.

본 연구에서는 매년 달라지는 교통법규를 바탕으로 가상현실 기술과 IoT 기술을 활용하여 게임 개발 엔진인 Unity3D를 이용한 VR 기반 교통법규 변경에 따른 운전 연습 실감 콘텐츠를 개발하고자 한다. 본 연구에서 소개하는 콘텐츠는 우회전 신호등의 유무와 좌회전 감응 신호의 상황을 학습환경으로 제공한다. 즉, 본 연구는 실제 도로에서의 교통질서를 바로잡고, 효과적인 교통안전 교육을 마련함으로써 새로운 교통법규를 정확하게 준수하도록 도움을 제공하는데 의의를 가진다.

본 연구는 기존의 점자 교육 및 번역 서비스의 한계를 극복하기 위해 16가지의 다양한 번역 메커니즘과 문서 요약 기능을 제공하여 시각장애인의 학습자료의 접근성을 향상한다. 점역사의 번역 작업을 자동화하여 정확하고 빠른 점역 및 교정을 지원한다. 음성파일을 제공하여 시각장애인의 학습 시간을 단축할 수 있다. E-yes 는 시각장애인의 학습 효율을 높이고 학습자료 접근성 개선을 목적으로 한다.

2022년 등록된 장애인은 265만 3,000명으로 전체 인구 대비 5.2%를 기록했으며, 그중 시각장애인은 9.5%에 해당한다. 그들은 여가문화 활동, 대중교통 이용, 무인기 이용에 어려운 점이 있듯이 일상생활에 많은 불편한 점이 있다. 특히 제품의 미비한 점자 시스템으로 인한 문제점을 해결하기 위해 '물품인식 제어장치'를 고안했으며, 제품의 바코드를 스캔한 후 제품에 대한 정보를 점자로 출력과 동시에 음성으로 출력하여 시각장애인에게 올바른 정보를 제공한다.

2023 년 워크넷 구직자 데이터에 따르면 취업 취약 계층은 46.4%를 차지하며, 2019 년 KOSIS 국가 통계 포털에 따르면 취업 기관 및 프로그램 이용 경험이 없는 자는 전체의 93.7%를 차지한다. 이러한 현황은 대면 프로그램 부담과 정보 부족이 원인으로, 취업 기관 및 지원 프로그램의 활용도가 낮음을 의미한다. 일자리 및 자격증 등의 정보를 각각 찾아야 하는 불편함과 대면 활동 부담, 및 구직자 간의 정보 공유 어려움 등이 문제가 된다. 이를 해결하기 위해 웹 프로그램을 통해 사회적 취약 계층인 경력 단절 여성, 노인, 청년에게 구직 관련 정보를 제공하고 메타버스 가상 공간에서 다양한 활동을 통해 취업 취약 계층에게 적극적인 도움을 제공하는 서비스를 제안한다.

본 논문은 시각장애인 안내견이 부족한 상황 개선과 시각장애인에게 안전하고 자유로운 이동을 제공해주는 "시각장애인의 안전한 이동을 도와주는 지능형 카트"를 제안한다. 주요 특징은 다음과 같다. 첫째, 지문 인식 센서를 활용해 지문 등록 후 본인 인증을 하고 압력 센서를 활용해 카트 손잡이를 잡았을 경우에만 카트가 출발하도록 한다. 둘째, 라이다, 카메라를 이용하여 자율 주행 한다. 셋째, 음성인식 통해 목적지 설정, 속도 조절, 경고 알림 기능을 제공한다. 넷째, 짐칸을 설치하여 음성인식으로 여닫을 수 있도록 한다. 다섯째, 앱을 통해 카트 운전 모드를 변경할 수 있다.

시각 장애인들은 식품의 영양 정보 표시 부재로 인해 식품 섭취에 어려움을 겪고 있는 상황이며, 전국 등록 장애인 수는 고령화와 함께 지속적으로 증가하는 추세이다. 이에 따른 돌봄 인력 부족 및 돌봄 예산 증가가 예상되고 있다. 이러한 배경을 고려하여, 본 논문에서는 시각 장애인들에게 영양을 고려한 식자재를 제공하기 위한 과채류 수확 로봇을 개발하고 제공함으로써, 과채류 섭취 부족 문제와 돌봄 인력 부족 문제를 해결하는 것을 목표로 한다. 특히, 본 제품은 사용자의 편의성을 고려하여 음성 인식 기능을 도입하고, 사용자의 요구사항에 따른 권장 섭취량을 기반으로 수확 및 자율주행 배달 서비스를 제공한다.

본 논문은 생체신호 분석과 인공지능으로 전동휠체어 제어 시스템을 개발한다. 얼굴 근육 움직임에서 나오는 생체신호를 분석하고, 인공지능 모델로 생체신호 패턴을 학습하여 눈동자 및 얼굴 움직임을 해석하고 이를 토대로 전진, 후진, 좌회전, 우회전, 정지, 제어와 같은 6가지 기능을 전동휠체어에 적용하고 신체 제한자의 이용 용이성 및 삶의 질 향상을 목표로 한다.

본 논문은 시각장애인에게 큰 위험이 되는 주거 공간 내 위험 요소들을 감시하고, 경고를 알리는 "시각장애인 주거 공간 내 스마트 안전 시스템"을 제안한다. 주요 특징은 다음과 같다. 첫째, 정해진 시간 또는 음성 명령이 입력되면 이동로봇이 각 방을 자율주행으로 순회하며 위험 요소를 측정한다. 레이저 거리 센서를 활용한 단차 측정값, 열화상 카메라를 활용한 물웅덩이 위험도, 웹캠을 활용한 물체 변위 값을 측정하여 서버에 전송한다. 둘째, 각 방에 설치된 인체 감지 센서를 통해 사용자의 접근을 인식하고, 방에 들어가기 전 서버에 저장된 측정 데이터를 기반으로 스마트 스피커를 통해 위험 요소를 알린다. 셋째, 앱을 통해 관리자가 즉시 검사, 기록조회, 방 정보 수정 등을 이용하여 시스템을 관리한다.

노인 및 거동 불편 환자들이 목욕 중 낙상 사고 등을 당하는 비율은 매년 증가하고 있다. 특히 국내 65세 이상 1인 가구 197만 가구는(22년 기준) 가족의 돌봄 없이 혼자 생활하고 있어, 이들이 목욕 중에 사고를 당하는 경우, 빠른 구호가 어려운 상황이다. 이에 본 논문에서는 독거노인의 증가와 낙상 사고의 위험성에 초점을 맞추어 거동이 불편한 환자라도 혼자서 목욕이 가능한, 모든 사용자로부터 접근성을 높인 샤워 부스를 개발 및 연구한다. 요양보호사 두 명과 인터뷰를 하여 실제 상황에서의 문제점을 파악한다. 인터뷰 내용을 바탕으로 사용자의 안전을 1순위로 고려하고, 사용 편의성 및 청결을 유지하는 방안을 고려한다.

본 논문은 신경근육질환 환자의 이동 문제를 해결하고, 기존 전동킥보드 시스템의 한계와 문제점도 해결하는 '신경근육질환 환자를 위한 전동킥보드 안전 환경 시스템'을 제안한다. 주요 특징은 다음과 같다. 첫째, 헬멧 착용 검사를 통과해야만전동킥보드를 이용할 수 있다. 휴대폰 전면 카메라를 통해 사용자의 모습을 촬영하면 딥러닝 모델을 통해 헬멧 착용 여부를 판단한다. 둘째, 주행 금지구역에서는 이용자 추적 모드를 활성화하여 OpenCV를 통해 이용자를 검출및 추적하고이에 따라 모터 PWM을 조절해서 방향 및 속력을 조절함으로써 이용자를 추적한다. 셋째, 헬멧 내 자이로 센서와 쇼크 센서를 통해 주행 사고를 감지하고 SMS를 이용해 해당 보호자에게 자동으로 사고 정보를 전달한다.

본 논문에서는 발달장애 아동의 교육 및 치료에 있어서 감각, 인지훈련을 효과적으로 할 수 있는 웨어러블 기기 및 연동앱을 제시한다. 이를 위해 임베디드 하드웨어를 개발하고 이와 연동할 수 있는 앱, 앱 내 게이미피케이컨텐츠, 학습 내용 및 결과 리포트를 개발했다. 발달장애 아동의 특성을 고려한 하드웨어는 유아 친화적 디자인으로 설계해 아동이 쉽게 착용 가능하며, 주의집중을 위한 감각 훈련을 집중적으로 할 수 있도록 시각, 촉각 등의 자극 촉구 행동을 유도하며, 반복적 교육으로 인한 개선 효과를 제공한다. 개발한 기기 및 연동앱을 직접 교육현장에 적용해봄으로써 주의집중과 저작능력 향상을 위한 센터에서의 지속적인 실사용 가능성을 제고했다.

커져만 가는 비건 시장에 비해서 비건 제품의 가격은 높고, 한정되어 있다. 성분표만을 보고 비건 여부를 파악하기에는 어렵고, 저시력자 및 시각장애인에게는 더욱 어려운 일이다. 치주 질환이나 당뇨를 포함한 크고 작은 다양한 질병으로 인해 육식 섭취 대신 불가피하게 채식을 실천해야 하는 경우 또는 가격 부담이 크고 찾기 어렵다. 그래서 비건 인증을 받은 제품 대신 일반 제품들 사이에서 비건에 적합한 제품을 찾는 데 도움이 되는 시스템을 개발하고자 한다. 본 논문에서는 저시력자 및 시각장애인을 위한 큰 글씨 화면, 음성 입출력 시스템 제공과 성분표 촬영을 통해 비건 적합 여부 및 알레르기 정보 제공, 사용자 특성 분석을 통한 UI 구성의 서비스를 제공한다. 성분표 촬영에 어려움을 겪는 저시력자 및 시각장애인에게 편리를 제공하기 위해 소프트웨어 뿐만 아니라 하드웨어를 구성한다.

본 논문은 유아 질식사 사고를 예방하고 유아의 안전을 증진하기 위해 인공 지능(AI)을 활용한 아기 모빌의 개발과 적용에 관한 연구를 제시한다. 유아 뒤집기로 인한 사고는 아기의 안전에 심각한 위험을 초래하며, 이러한 사고를 예방하기 위한 새로운 접근 방식으로 AI 기술을 도입하는 것을 목표로 하였다. 본 연구에서는 AI 기술을 이용한 아기 모빌의 설계, 개발, 및 효과적인 적용 방안을 논의하며, 이를 통해 유아의 안전을 강화하고 부모들에게 편의성을 제공하는 방안을 제안했다.

일상생활에서도 불편함을 겪는 시각 장애인들을 위해 기초적인 생활을 보완할 수 있는 음성인식 다용도 계량기를 개발하고자 하였다. 본 제품은 API를 통해 저울의 측정값을 한국어 음성으로 변환하여 출력하는 음성 저울과 음성인식을 통해 슬라이드 포트로 정수기를 제어하는 작동 기기로 구성되어 있다. 현재 음성인식 다용도 계량기 개발을 완료했으며, Web, APP 등의 개선 방안을 연구 및 적용하는 중에 있다. 본 계량기를 통하여 시각장애인·시력저하자의 일상생활 및 삶의 질 향상뿐만 아니라 병원 등의 공공시설 개선에도 도움을 줄 수 있을 것으로 기대된다.

시각 장애인들의 시각 정보에 대한 낮은 접근성은 문화, 예술 활동에 큰 제약을 가져다 주고 있다. 실제로 시각 장애인 중 약 절반 이상이 문화, 여가생활에 만족하지 못한다고 답하였고 전시회, 미술품 감상 또는 관람 활동은 약 5%만이[1] 참여하고 있는 것으로 나타났다. 이러한 한계를 극복하기 위해 시각이라는 감각의 한계를 뛰어넘어 시각 미디어를 즐길 수 있게 하는 서비스를 제작하였고, 이는 크게 웹서비스인 web view editor와 물리적인 촉각 디스플레이로 구성된다. 시각 미디어인 이미지는 8×8로 나눠 각 영역을 OpenCV 라이브러리와 K-means clustering 알고리즘을 이용하여 9 level로 분류시키고, 구분된 level에 맞게 cell의 높낮이 차이를 두기 위하여 Arduino를 통한 회전-선형 변환기를 제작했다. Arduino의 PWM 기능을 이용해 모터의 속도와 방향을 제어하며, 각 모터의 드라이버는 Arduino와 연결되어 있어 모터의 회전을 제어하게 했다. 결과적으로 본 연구에서는 cell의 높낮이 차이를 9 level로 구분하여 시각 정보를 촉각으로 수용할 수 있는 장치를 제작하였고, 이 장치를 통해 기존의 시각 장애인들이 문화 생활을 쉽게 향유하고 이를 바탕으로 창의성과 상상력을 증대시켜 더욱 밀접하게 사회와 연결되고 소통 할 수 있는 기회의 초석이 되기를 기대하는 바이다.

본 논문에서는 스마트 홈 기반 노약자 응급상황 탐지 및 대응 시스템을 설계하였다. 2 개의 레이다 센서를 활용하여 센서 데이터를 분석하고 분류하며, 사용자의 상태를 취침, 외출, 응급상황 총 3 가지 경우로 식별한다. AWS 서버의 데이터베이스를 통해 응급상황 및 낙상 감지 이력을 축적하여 맞춤형 서비스를 제공한다. 어플리케이션을 통해 응급상황 자동 신고 접수와 센서 오작동시 자동 신고 접수 수동 취소 기능을 제공하는 응급상황 탐지 및 대응 시스템을 소개한다.

키오스크 및 문진표 작성에 어려움을 겪는 시각장애인이나 신체장애인, 어린이, 노약자분들이 편리하게 이용하도록 음성검진 문진표 키오스크를 개발하고자 하였다. 이 시스템은 먼저, 초음파 거리센서를 이용하여 높낮이를 조절한 후, 키오스크 화면에 부착된 카메라 센서로 사용자의 얼굴을 인식해 음성 인식이 작동되도록 설정하였다. 음성 인식 시스템은 구글 어시스턴트를 이용하였고 별도의 터치 없이 음성만으로 문진표 작성부터 문진표 용지 출력까지 가능하도록 구현하였다.

최근 맞벌이 등 다양한 가족 내 상황이 늘어나면서 아이 돌봄에 있어 공백이 발생하는 상황이 늘어나고 있다. 이에 아이 보호자가 긴급한 상황에서 자녀를 돌보아줄 사람을 구할 수 있도록 하는 웹 기반 공유형 긴급 아이 돌봄 플랫폼을 제안한다.

본 연구에서는 PVDF 압전 센서와 IR 체온 센서 등을 활용하여 비접촉, 무(無) 구속 방식으로 요람에 있는 영유아의 바이탈 신호를 상시 측정하여 '영아 돌연사 증후군' 등 위험한 상황에 빠졌을 때 애플리케이션을 통하여 즉각 보호자에게 알리고 대처 방안을 제시하며, 상시 영·유아 모니터링이 불가능한 맞벌이 부모 등에게 자동 상태 경보 서비스를 제공하기 위하여 스마트 요람을 개발하였다.

휠체어의 사용자는 꾸준히 증가하며 휠체어 시장 또한 빠른 속도로 성장중이다. 하지만 휠체어 사용에 많은 문제점이 있고 자율주행 모빌리티 휠체어를 통해 이를 해결하고자 한다.

이 논문은 고령화 사회에서 치매 노인의 실종 사고를 예방하고 요양 관리의 효율성을 향상시키기 위한 위치기반 치매 노인 보호 시스템에 대해 다룬다. 본 시스템은 치매 노인의 위치 데이터를 수집하고 관리하며, 실시간 모니터링과 비상 상황 대응을 제공하여 행정력과 사회적 비용을 감소시킨다. 이를 통해 치매 노인과 가족들에게 안전을 제공하고 치매 노인의 요양을 향상시킬 수 있다.

코로나19 팬데믹 이후 배달 앱 사용량이 증가에 따라 배달 오토바이 수가 급증하면서 이와 관련 사고 또한 급격히 증가하는 추세를 보이고 있다. 특히 청각 장애인들은 도로에서 이러한 종류의 사고 위험에 더욱 노출되어 있으며, 이 문제를 해결하기 위해 구글 앱 인벤터를 사용하여 도로에서 오토바이 소리를 인식하는 인공지능 학습 모델을 개발하였다. 개발된 어플리케이션은 도로에서 오토바이 소리를 감지하고 사용자에게 진동과 사진으로 알림을 보냄으로써 사고를 예방에 기여할 수 있다.

본 논문의 사회적 취약지구를 위한 전용 화재감지 AI'sTory 플랫폼은 달동네와 판자촌과 같이 소외계층이 집약된 곳이라면 노후된 기기와 전선들이 많을 것이고 그렇다면 전기적 요인으로 인한 화재가 발생할 것이라는 가설에서부터 시작한다. 피해의 최소화를 위해 고안한 사회적 취약지구를 위한 전용 화재감지 AI'sTory 는 스파크를 감지하고, 전선 주위의 발열량을 모니터링하며, 화재를 감지한 즉시 소방서로 연락을 취하는 인공지능 시스템이다. 더 나아가 센서로부터 데이터를 받아 매일 온·습도, 전력 접촉부의 온도, 계절 등 여러 환경을 고려해 화재가 발생할 확률을 계산한다. 또한 화재가 발생하지 않아도 매일 화재 발생 위험률을 제공한다. 이 정보를 제공하기 위해 사회적 취약지구를 위한 전용 화재감지 AI'sTory 는 하드웨어와 소프트웨어, 인공지능으로 구성하였다.

많은 장애아 부모들은 양육에 대한 스트레스, 미래에 대한 걱정으로 심리적으로 상당한 중압감을 느낀다. 이에 비해 매년 증가하는 장애인 수에 비해 장애아 부모 및 가족의 심리적·정신적 문제를 해결하기 위한 프로그램이 부족하다.[1] 이를 해결하고자 본 논문에서는 감정분석 소통 플랫폼을 제안한다. 제안하는 플랫폼은 KoBERT 모델을 fine-tunning 하여 사용자의 일기 속 감정을 분석하여 장애아를 둔 부모 및 가족 간의 소통을 돕는다. 성능평가는 제안하는 플랫폼의 주요 기능인 KoBERT 기반 감정분석의 성능을 확인하기위해 텍스트 분류 모델로 널리 사용되고 있는 LSTM, Bi-LSTM, GRU 모델 별 성능지표들과 비교 분석한다. 성능 평가결과 KoBERT 의 정확도가 다른 분류군의 정확도보다 평균 31.4% 높은 성능을 보였고, 이 외의 지표에서도 비교적 높은 성능을 기록했다.

이 연구는 ADHD 환자를 대상으로 디지털 치료 게임을 개발하였으며, 환자의 주의력과 기억력을 향상시키도록 구성되었다. 게임은 눈 움직임과 ADHD 의 연관성을 고려하여 아이트래킹 기술을 활용하여 개발되었다. 이를 통해 ADHD 환자를 위한 맞춤형 디지털 치료 게임의 중요성을 강조한다.

목 아래로 전신마비가 되어 간병인 없이는 일상적인 생활이 불편한 와병 환자들을 위하여 뇌파(EEG) 및 목의 근전도(EMG)와 같은 생체신호 기반의 인터페이스를 제안하였다. 이를 이용하여 환자의 이상 상태를 보호자에게 알릴 수 있고 환자의 제한적인 움직임이나 집중하는 것만으로도 간단한 서비스 등을 직접 로봇에게 명령을 내릴 수 있도록 구현하였다.

장애인의 사회활동 증대는 개인의 삶의 질 향상 및 사회의 다양성과 포용성 증진에 중요하다. 특히 청각장애인은 환경적, 신체적 장애로 인해 사회적 접근성에 제한을 받는다. 이를 해결하기 위해 AR 글래스 기반의 NEAR를 개발하였다. NEAR는 음성자막 변환 및 위험 알람 기능을 제공하여 청각장애인의 사회활동 제약을 해소한다. STT 기능은 입력 음성을 텍스트로 변환하며, MFCC 기능은 다양한 상황의 소리를 감지하여 위험 알림을 제공한다. 이 연구는 청각장애인의 사회적 참여 향상 및 사회의 포용성 증진에 기여할 것으로 기대된다.

랜덤 플레이 댄스 라는 오프라인 이벤트를 언제 어디서나 참여할 수 있도록 실시간 온라인 앱 서비스로 제시한다. 실시간 플레이를 위해 앱으로 사용자 영상에서 바로 스켈레톤을 추출하고 웹소켓으로 스켈레톤 데이터를 주고받으며 스켈레톤 추출, 시각화, 송출을 한다. 플레이가 끝나면 안무동작 정확도 알고리즘을 통해 사용자가 자신의 춤 정확도를 가늠할 수 있다.

최근의 범죄 동향을 살펴보면 묻지마 범죄와 여성 혐오 범죄가 계속해서 늘어나는 추세이다. 낮과 밤을 구분하지 않고 일어나는 사건·사고들에 특히나 범죄에 노출되기 쉬운 여성들은 일상생활에서조차 안전을 보장받지 못하고 있다. 이를 위해 생겨난 여성안심 귀갓길이라고 지정된 보호구역은 보호라는 말이 무색하게 제대로 사용할 수 있는 방범 시스템이 제대로 마련되어 있지 않은 실정이다. 이와 같은 상황을 개선하기 위해 기존의 시각적 방범과는 달리 탐지 범위가 넓고 상대적으로 제한이 적은 음향으로 접근한 새로운 방범 시스템 개발을 통해 여성들의 안전을 보장할 수 있도록 제안한다.

학교상담은 학생들의 학업 및 심리적 건강을 촉진하는 핵심 구성 요소 중 하나로 자리 잡고 있으며, 코로나 19 로 인한 언택트 시대로의 전환은 비대면 상담 방식의 혁신을 촉발하였다. 본 연구는 AI 챗봇을 활용한 상담 서비스를 통해 학교상담의 효과를 높이고, 학생들의 학업 및 심리적 건강에 대한 지원을 강화하는 데 주력한다. 이러한 연구는 미래의 학교 상담 서비스 분야에 크게 이바지할 것으로 기대된다.

시각장애인의 독립보행은 많은 위험 부담과 어려움을 안고 있다. 본 연구는 이러한 어려움을 해결하고자 사용자에게 GPS를 통해 목적지까지 안전한 경로로 안내하는 기능을 제공한다. 사물 인식 알고리즘을 통해 주행 시 필요한 장애물 판별과 신호등의 색상 등을 인식한다. 그리고 아두이노 초음파 센서를 활용하여 장애물과 사용자 간의 거리를 인식하고, 블루투스 모듈을 통해 측정한 값을 송신하여 구간별에 따라 사용자에게 경고음을 울린다. 더 나아가 AR 기능을 통해서 장애물을 입체적으로 강조하여 표시함으로써 저시력 장애인들이 장애물과 충돌하는 것을 예방한다.

급속한 디지털 기술 발전에 따른 비대면 서비스의 증가로 고령층의 정보 접근성 문제가 대두되었다. 본 연구는 고령층의 편리한 키오스크 사용을 위해 AI 기술과 사용자 인터페이스를 결합한 '시니어 키오스크'를 제안한다. '시니어 키오스크'는 딥러닝 기술을 이용한 연령대 인식을 바탕으로 고령층을 분류하고 고령층 소비자에게 직관적이고 가독성 높은 시니어 UI를 제공한다. 또한, 자연어처리 기술을 활용한 음성 주문을 통해 편리한 주문을 돕는다. 본 연구에서 제안된 '시니어 키오스크'를 통해 고령층의 편리성 증진과 정보격차 해소를 달성할 수 있다.

현대 사회에서 정신건강이 중요한 문제로 부상하고 있으나 국내 정신건강 서비스 이용률은 7.2%에 그친다. 코로나 발생 이후 이동성 제약 등의 요인에 따라 디지털 정신건강 관리 시장이 크게 성장할 것으로 보인다. 이에 본 논문에서는 AI 챗봇을 활용한 고민 상담을 통해 위로 및 제안을 제공하고, 대화 내용을 기반으로 영화를 추천하는 시스템을 제안한다. KoBert 모델을 이용하여 사용자의 감성을 분석하고, KoGPT 모델을 활용해 챗봇 응답을 생성한다.

본 논문은 저시력자를 위한 체외진단 의료기기 결과 판독 시스템을 제안한다. 이 시스템은 YOLOv8n 객체 탐지 모델을 기반으로 하며, 라즈베리파이4B+에서 홈 디바이스 형태로 구현하였다. 사용자는 음성 및 물리 버튼을 통해 명령을 입력하고, 동작 감지를 통해 자동으로 체외진단 의료기기를 촬영하여 학습된 모델로 결과를 판독하고 해당 결과를 사용자에게 출력한다. 또한, 판독 결과물과 함께 검사 일시 및 의료기기 종류를 데이터베이스에 저장하여 사용자에게 보다 높은 편의성을 제공한다.

기술의 발전으로 인해 스마트 가전제품이 늘어나며 스마트 홈 기술이 주목을 받고 있다. 그러나 이러한 기술은 설정과정의 복잡성으로 사용자들이 쉽게 접근하기 어렵다. 특히 디지털 기기 사용에 익숙하지 않은 사용자들을 스마트 홈 기술로부터 소외시키는 결과를 낳고 있다. 본 논문에서는 사용자 친화적인 스마트 홈 시스템을 제안한다. 사용자의 시선 방향을 추적하여 디바이스를 선택하고 간단한 인터페이스의 컨트롤러로 디바이스를 손쉽게 조작할 수 있도록 한다. 또한, 생성형 인공지능과 RAG 를 결합하여 사용자가 가전제품과 자연스럽게 대화하며 정보를 얻을 수 있는 인터페이스를 제공한다.

본 논문에서는 무형 유산 DX 플랫폼의 AR(Augmented Reality) 기술과 ChatGPT 를 결합하여 전문가들의 지식을 보존하고 효과적으로 전달하는 시스템을 제안한다. 특히, 고령화 사회에서 은퇴한 전문가들의 지식이 소실될 위험을 방지하며, 사용자들의 교육 경험을 향상시키는 방법을 모색한다.

본 논문에서는 고르지 않은 도로에서 사용자를 인식하고 따라다니며, 적재물을 안정적으로 운반하는 로봇을 제안합니다. 기존의 바퀴 구동 방식은 계단이나 울퉁불퉁한 지형에 부딪혔을 때 주행이 제한적입니다. 이를 해결하기 위해 저희는 로커-보기(rocker-bogie) 메커니즘을 적용했습니다. 비전을 통해 사용자를 특정하고, 크기에 따라 속도를 조절하며 추종합니다. 라이다는 주변의 장애물을 감지, 회피, 주행하는 데 사용되었으며, 가속도센서와 리니어 모터를 사용하여 밸런싱 기능을 구현했습니다.

'MO:TIVE'는 AI 및 IoT를 활용하여 자기계발을 촉진하는 모바일 서비스로, 사용자 정보 학습과 정밀한 추천을 제공하며 생성형 AI를 활용한 개인화 조언을 제공한다. 이를 통해 사용자는 스마트 워치를 통해 자투리 시간을 효과적으로 활용하여 자기계발과 삶의 질을 향상을 기대할 수 있으며 지속적인 개선과 학습을 통해 더 나은 사용자 경험을 제공한다.

본 논문은 디지털 소외계층과 사회적 약자를 고려한 보이스피싱 예방 솔루션을 제안한다. 통화 내용을 AWS Transcribe를 활용한 STT와 NLP 알고리즘을 사용해 실시간으로 보이스피싱 위험도를 파악하고 결과를 사용자에게 전달하도록 한다. NLP 알고리즘은 KoBIGBIRD와 DeBERTa 모델 각각을 커스터마이즈하여 보이스피싱 탐지에 적절하게 파인튜닝 했다. 이후, 성능과 인퍼런스를 비교하여 더 좋은 성능을 보인 KoBIGBIRD 모델로 보이스피싱 탐지를 수행한다.

청각장애인은 수화 언어, 즉 수어를 통해 의사소통한다. 따라서 본 논문에서는 의료 상황에서 청각 장애인이 겪는 소통의 어려움을 해결하기 위해 의료 상황 중심의 수어 데이터셋을 구축한 뒤, R(2+1)D 딥러닝 모델을 이용해 수어 동작을 영상 단위로 인식하고 분류할 수 있도록 하였다. 그리고 이를 Django를 이용한 웹 사이트로 만들어 사용할 수 있게 하였다. 이 웹 페이지는 청각장애인 개인 뿐만 아니라 의료 사회 전반적으로 긍정적인 효과를 줄 것으로 기대한다.

빅데이터 시대에 추천시스템은 끊임없이 진화하고 있으며 그 중요성도 나날이 높아지고 있다. 그럼에도, 친구추천시스템은 여전히 사용자의 맥락 정보에만 의존하는 제한적인 모습을 보이고 있다. 이에 본 연구는 사용자의 대화에 드러난 관심사와 대화 만족도 등을 직접 사용자 임베딩에 활용한 Chat-Trip 모델을 제안하고, 실험을 통해 그 효용성을 입증하였다.

조류충돌(Bird Strike)은 경제적 손실, 인명적 피해를 야기하여 공군의 항공작전을 제한하는 위협요소이다. 현 공군에서는 조수퇴치조(Bird Alert Team)의 경보 발령에 의존하거나 조류의 행동을 연구하는 등 인적 역량에 의존하는 시스템을 채택하고 있다. 본 연구는 CNN을 이용하여 활주로의 유해조류를 인식 및 분류하는 자동화 시스템에 대한 제안이다. 웹캠을 활용한 실시간 유해조류를 인식하는 연구를 통해 향후 운항관제대와의 연계, 지향성 조류퇴치 장비와의 연동 방안을 제시하여 공군의 조수퇴치조(Bird Alert Team)에 대한 자동화를 실현하고 공군에서 추진중인 스마트 비행단에 이바지하고자 한다.

본 연구는 이기종 기체 센서를 활용하여 식품의 부패 및 발효 정도를 측정하기 위한 AI 기반 식품 품질 관리용 전자코에 관한 내용이다. 정확한 부패 및 발효 정도 측정을 위해 신호 처리 및 분석 기술을 활용하며, 로지스틱 분석 및 회귀 분석을 통해 결과를 도출하고자 한다. 이는 인간의 후각으로 정확하게 맡기 힘든 냄새를 측정함으로써 식중독 사고의 방지 및 식품의 생산/보관/운송을 효율적으로 관리할 수 있다. 또한, 본 연구 결과를 바탕으로 환경, 농업, 의료 등 다양한 분야에서의 적용 가능성을 기대할 수 있다.

이 논문은 음성 데이터를 이용하여 치매 징후를 진단하는 프로그램을 개발하는 과정과 결과에 대해 소개한다. MFCC (Mel-frequency cepstral coefficients) 기술을 사용하여 음성 패턴을 추출하고 기계 학습 모델을 적용하여 치매 징후를 탐지하는 방법을 설명한다. 실험 결과는 치매 조기 진단 및 관리에 유용한 음성 기반 도구의 중요성을 강조한다.

이 논문은 인공지능 기술 GPT 를 게임과 융합한 서비스 "페어리테일"에 대해 다룬다. 페어리테일은 게임 스크립트와 엔딩을 인공지능을 활용하여 자동 생성하는 게임으로, 사용자는 사용자가 입력한 데이터에 맞춰 생성된 스토리를 경험할 수 있다. 논문에서는 이 게임의 AI 활용 방법과 AI 가 게임 산업에 미칠 수 있는 영향을 다루며, 생성 및 창작이 가능한 인공지능은 게임 산업에 다방면으로 활용될 잠재력이 강하다는 점을 강조한다. 최종적으로는 AI 의 발전이 게임 업계에 미칠 수 있는 영향을 탐구하고자 한다.

매년 곳곳에 무단으로 투기되어 있는 쓰레기들이 다양한 환경 문제를 야기하는 양상을 보인다. 이러한 문제는 사람들의 쓰레기 분리 배출에 대한 이해도가 부족함과 더불어 한정된 쓰레기통의 위치로 인한 불편함이 가장 큰 원인으로 지적된다. 본 논문에서는 쓰레기 무단 투기와 쓰레기 분리 배출에 대한 문제를 최소화하기 위해 사용자 호출 여부에 따라 이동하고, 스스로 쓰레기 분류를 진행하는 인공지능 쓰레기통 로봇을 개발한다.

양자 CMOS 이미지와 QD-OLED 하이드로겔 저온 증폭 기술을 활용하여 기존 코로나 진단법의 한계를 극복하고, Machine Learning 모델을 통해 자동화된 바이러스 검출 시스템을 개발하는 것이다. 이를 통해 전문가 개입 없이도 높은 정확도로 질병 진단을 수행하는 웹 서비스를 구축함으로써, 코로나와 같은 전염병의 조기 진단과 효율적인 대응을 위한 새로운 도구를 제공하는 것이 목표이다. 이를 통해 의료 분야에서의 혁신과 질병관리의 향상에 기여할 것으로 기대된다.

인류는 주가를 과학적으로 예측하기 위해 수많은 학문적 노력을 기울여왔지만, 아직까지도 풀지 못한 난제로 남아 있다. 이에 본 연구에서는 깊은 수학적 원리에 기반하고 알파고 등에서 인간을 능가하는 성능을 보여준 강화학습 기술을 주식 트레이딩에 적용한 RLTA 모델을 제안하고, 실험을 통해 그 유용성을 입증하였다.

본 연구에서 개발된 XR 게임은 이중 재활을 지원하는 핵심 도구로서 설계되었으며, 향기 분출 기능 또한 포함하고 있어 향기 치료까지 가능하도록 확장되었다. 이 프로그램은 사용자의 데이터를 세심하게 분석하여, 각 개개인의 진전을 지속적으로 추적할 수 있다. 더불어, 사용자는 과거와 현재의 데이터를 비교하고 분석하여, 지속적인 자기 개선을 위한 방향을 찾을 수 있다.

해상 경로를 통해 물건을 운송하는 일이 증가함에 따라 컨테이너의 효율적인 관리의 필요성이 커지고 있다. 이에 본 연구에서는 스스로 내부 온도와 진동, 습도 등을 감지하고 조절하는 스마트 컨테이너와, 현실과 가상 세계를 잇는 디지털 트윈 기술을 활용해 컨테이너의 관리를 효율적으로 할 수 있도록 돕는 서비스를 제공하고자 한다.

대량의 화물이 이동하는 항만에서 지연 및 혼잡의 문제 발생으로 인한 작업 효율성과 시간 관리의 어려움이 대두되고 있다. 자율주행 기술과 4차 산업혁명에 따른 빅데이터 분석, IoT 기술 등이 개발됨에 따라 해당 기술을 해운 항만에 접목한 '스마트 자동화 항만'이라는 말이 떠오르고 있다. 이에 따라 스마트 항만의 개념과 동향, 적용 방안에 대해 살펴보고자 한다.

본 논문은 지진해일로 인한 인명피해를 감소시키고 항만 미관을 증진시킬 수 있는 "항만 지진해일 인명피해 감소 위한 디지털 사이니지 라이프가드"를 제안한다. 본 논문이 제안하는 특징은 다음과 같다. 첫째, 지진 해일 발생 시 라이프가드 내부 공간을 개방해 해일로부터 사람들을 보호한다. 둘째, 라이프가드 외부 디스플레이에 항만 홍보, 작업 정보, 지진해일 대피안내, 광고 영상을 재생한다. 셋째, 안전 통합관제센터 SW와 근로자/일반인용 모바일 앱을 통해 라이프가드의 동작 제어, 현황 조회를 수행한다. IoT기술과 연동된 디지털 사이니지 시스템을 통해 일상 안전 정보 제공 및 비상시 인명 보호를 통한 높은 안전 수준을 유지할 것으로 기대된다.

용접작업은 다양한 산업에서 이루어지는 중요한 작업인데 반해, 여러 가지 위험요소들로 인해 작업자의 건강에 위협을 가할 수 있다. 또한, 용접 작업자들을 효율적으로 관리할 수 있는 안전점검인력이 부족한 실정이다. 이에 본 논문은 항만 용접 작업자의 안전을 위한 스마트헬멧 제작과 연동 APP을 개발하여, 체계적으로 작업자의 건강을 관리하고 안전사고를 미연에 방지하는 데에 그 목적이 있다.

해상 추락사고에 대응하는 해상 구조 로봇 프로젝트는 항만 근로자의 추락사고 감지와 피해자 구조에 초점을 둔다. 센서와 자율주행 기술을 접목하여 정확하고 효율적인 구조 작업을 가능케 하고, 자체 개발한 워터센서를 활용하여 신속한 구조를 지원한다. YOLO를 이용한 피해자 위치 파악, 블루투스 기반 관리자 어플리케이션, 해상 추락 감지 및 센서를 탑재한 구명 조끼, 자동 구조 작업 등의 기능을 통합하여 항만 근로자의 안전을 보장하며, 해수욕장 등 다양한 환경에서도 확장 가능한 창의적인 기술을 제시한다.

해양 분야에서의 정보기술 발전으로 선박 자율운항의 중요성이 증대되고 있다. 이에 선박 자율운항기술의 핵심인 경로 계획에는 그리드 기반 알고리즘이 주목을 받고 있다. 본 논문은 D* Lite 알고리즘을 선박자율운항에 적합하게 조정한 D* Opt 알고리즘을 소개하며, 기존 알고리즘과의 경로 비용 및 생성 시간을 비교 분석하여 성능을 확인한다. 이를 통해서 D* Opt 알고리즘이 선박 자율 운항경로 핵심기술로 응용 가능성과 기대효과를 제시한다.

항만 사고 안전을 예방하기 위해 본 챗봇을 만들었다. 다양한 기술들을 사용하여 사용자들이 항만과 관련된 폭넓은 지식을 제공하기 위해 노력했고, 사람들이 안전 수칙을 최대한 지켰으면 하는 바람에서 안전 수칙들을 지속해 환기해 주는 기능들을 첨가했다.

우리나라의 수출입 대부분은 해상을 통해 이루어지고 있으나 항만의 물류 창고는 데이터 네트워크를 통한 유기적인 화물의 출입과 현황관리가 부족한 실정이다. 이는 부족한 데이터 네트워크 인프라와 CCTV에 의한 아날로그 영상 데이터에 의존하는 기존 시스템의 한계로 인해 기인하는 바가 크다. 이에 IP 카메라와 엣지 디바이스의 영상분석에 의한 개별 화물 창고의 디지털 현황 분석 기반을 구축하고 분산된 개별 화물 창고의 데이터를 클라우드에 위치한 중앙 집중 데이터 분석 시스템을 구축하여 유연한 개별 화물 창고 관리와 지속적인 모니터링 기반을 제공한다. 사용자 인터페이스는 웹 기반으로 구축하여 항만 화물 관계자에게 편의성과 위치에 구애받지 않는 서비스를 제공한다. 이 과정에서 사설 IoT 네트워크를 통한 최소한의 시공비용으로 항만 내 인터넷 데이터 네트워크를 구축하여 향후 항만 내 다양한 데이터 서비스를 위한 초석을 제공한다.

현재 국내 항만에서의 작업은 대부분 수작업으로 진행되기 때문에 다양한 안전사고 발생과 시간 및 비용 등의 손실이 우려된다. 이를 해소하고자 최적경로 알고리즘을 이용한 AGV 차량 및 자동화 크레인으로 무인 스마트 항만을 제안한다. RFID 인식으로 컨테이너의 정보를 확인하고, 각 경로의 노드 정보가 담긴 QR 코드 인식을 통해 최적으로 목적지에 달성하는 것이 핵심이다. 본 논문은 이러한 기능으로 시간 및 비용 절감, 효율 상승과 인명피해 및 안전사고 예방을 목표로 한다.

본 논문은 물류창고 내 컨베이어벨트에서 자동으로 화물의 크기와 무게를 분석하고 이를 인공지능을 기반으로 분류하는 기술에 관한 연구를 다루고 있다. 우리의 연구를 통해 넓은 물류창고에서 전체 분류 과정을 모니터링할 수 있으며, 웹사이트를 활용하여 원거리에서도 물류 분류 과정을 실시간으로 확인 가능하게 한다. 또한 문제 발생 시 기록을 남겨 관리자 간에 관리, 감독이 원활하도록 도와준다.

컨테이너선의 컨테이너 유실이 빈번한 상황 속에서 이를 방지하고자 유실에 영향을 미칠 수 있는 분야 3 가지를 선정했다. 센서 최적화 알고리즘, 턴버클 회전 감시, 컨테이너 외부에 작용하는 힘의 합이 3 가지를 합하여 컨테이너 유실 방지를 위한 연구를 진행했다. 센서 위치의 최적화를 통해 총 컨테이너의 20%만 센서만 부착하여도 모니터링이 가능하여지도록 만들어 물리적, 경제적 비용을 절감할 수 있다. 이를 토대로 부착된 카메라를 통해 턴버클의 풀림을 관측하여 선원의 감시구역을 35% 정도 줄여주며, 라싱에서 지탱할 수 있는 상태의 범위를 넘어서는 식을 통해서 컨테이너의 유실 가능성이 어느 정도인지 확인이 가능해지도록 한다.

최근 자동차와 항공 산업에서는 승객들의 편의에 맞추어 엔터테인먼트 서비스를 선보이고 있다. 선행 연구에 따르면, 이동 시간대 스마트폰으로 프로그램을 이용하는 동기로는 '오락용'(19.8%), '소통용(SNS)'(18.8%), '정보용'(15.0%), '게임용'(6.8%)로 전체의 60.4 %를 차지한다. 이는 콘텐츠와 커뮤니티 이용 및 정보탐색 등으로 이동 중 지루한 시간을 해소한다는 유의미한 통계를 보여준다. 해상 분야에서도 정보와 오락 기능을 결합해 편리한 항해를 지원할 필요가 있다고 사료된다. 본 논문은 인터넷 통신이 어려운 선박에서도 무선 통신망을 이용하여 미디어 콘텐츠 및 커뮤니티 활성화뿐만 아니라 안전사고 발생 시 신속하고 정확한 정보 전달 등을 목표로 삼는 선박 인포테인먼트 시스템을 제안하고자 한다.

본 논문에서는 한국무역협회(KITA)의 오픈상담 자료들을 바탕으로, 딥러닝 기술을 이용하여 구현한 해상물류 대화형 챗봇 ShipMate를 제안한다. 챗봇 ShipMate는 KoGPT2를 활용한 답변과 Doc2Vec 기반의 유사 상담사례 추천이 가능하고, 무역상담을 시간제약 없이 진행할 수 있기 때문에, 기존 해상물류 서비스의 접근성을 한층 더 높일 수 있으며 이를 실험을 통해 입증하였다.

우리나라는 지리적 여건 상 대외무역에 대한 의존도가 높기 때문에, 해상운송에서의 물동량을 예측하여 항만시설을 개발하는 것이 매우 중요하다. 한편 우리나라 컨테이너 운송의 75%는 부산항을 통해 운송되고 있기 때문에 경기 회복을 위해서는 부산항의 경쟁력 강화가 급선무이다. [1] 물동량은 경제적 수입 뿐만 아니라, 지속가능성을 예측하는 측면에서도 가치가 있다. 본 연구에서는 물동량, 경제지수, 기후정보 등 다양한 입력변수와 LSTM 모델을 이용하여 보다 정확한 부산항 컨테이너 물동량 딥러닝 예측모델을 구현하였다.

본 연구에서는 항만 교통 혼잡 문제를 해결하기 위해 최적화와 관련된 요소와 트럭 운전기사와 터미널 사이의 협상과 관련된 요소를 새로운 방식으로 고려한 중장기 및 실시간 스케줄링 모델을 제시한다. 중장기 스케줄링 모델은 몬테카를로 시뮬레이션, 실시간 스케줄링 모델은 알파고 제로의 원리와 베이즈 정리를 이용하여 구현했다. 실험 결과 제시된 알파고 제로를 이용한 실시간 스케줄링 시스템이 화물차 평균 지연시간을 30분에서 4분으로 대폭 줄여 지연 시간을 최소화하는 것을 입증했다. 실험 관련 코드는 다음 주소에서 확인할 수 있다 : https://github.com/yulleta/Application_of_AlphaGo-Zero_to_port_arrival_scheduling

다중객체 분석 모델 Yolo를 기반으로 물체를 감지하기 위해서 학습을 진행하고 학습을 통해서 얻어낸 모델을 기반으로 드론을 통해서 얻어낸 영상을 통해 컨테이너 파손이 된 부분을 감지하는 프로젝트를 진행했다.

얼굴인식 모델이 서양인 얼굴에 맞춰져 있어 한국인 얼굴에 대한 인식 성능 향상이 필요하다. 본 논문에서는 얼굴인식 모델에 AIHub에서 제공하는 한국인 얼굴 데이터 셋을 추가하고, 서양인 비교되는 한국인의 특징을 추가하여 얼굴인식을 진행하였다. contrastive learning의 image pair 쌍의 적합한 비율 평가를 계층적으로 진행하여 한국인 인식 성능을 높인 VGG-Kface를 제안한다.

안전모 착용 여부를 확인하는 객체 탐지 모델을 물류 현장에서 활용하기 위해서는 안전모를 착용한 경우와 착용하지 않은 경우를 정확하게 탐지해야 한다. 하지만 학습 데이터가 안전모를 착용한 클래스와 착용하지 않은 클래스 간 불균형이 존재하는 경우 해당 데이터만으로는 태스크에 맞게 학습이됐다고 보긴 힘들다. 본 연구는 데이터 증강 기법 적용 시 임의의 데이터에 증강을 적용하는 대신 상대적으로 적은 안전모를 착용하지 않은 클래스를 포함하는 이미지에 대하여 데이터 증강 기법을 적용하였다. 여러 데이터 증강 기법 중 Rotation, Gaussian Noise, 객체를 기준으로 한 Crop을 직접 구현 및 적용하여 객체 탐지 모델인 YOLOv5의 성능을 효과적으로 높이며 더욱 강건한 모델을 개발하는 방법을 제안한다.

조선업계에서 전문 인력 수급난으로 난항을 겪고 있다. 이는 선박의 검사에 차질을 빚었고 해양 오염과 선박사고와 같은 문제가 발생하고 있다. 이에 안전 검진 수행에 AI 이미지 인식 기반 진단 모델을 적용하여, 애플리케이션을 통해 비전문가도 품질 진단을 수행할 수 있도록 한다.

자율주행 선박의 기술 발전에 따라 적대적 공격에 대한 위험성이 대두되고 있다. 이를 해결하기 위해 본 연구는 다양한 신경망 모델을 활용하여 적대적 공격을 탐지하는 성능을 체계적으로 비교, 분석하였다. CNN, GRU, LSTM, VGG16 모델을 사용하여 실험을 진행하였고, 이 중 VGG16 모델이 가장 높은 탐지 성능을 보였다. 본 연구의 결과를 통해 자율주행 선박에 적용될 수 있는 보안모델 구축에 대한 신뢰성 있는 방향성을 제시하고자 한다.

본 논문은 선박 내부 소음을 효과적으로 감소시키기 위한 ANC(Active Noise Cancellation)및 인공 지능 (AI) 결합 시스템의 개발과 적용에 관한 연구를 다룬다. 선박 환경에서의 소음은 승원의 스트레스 증가와 불편을 초래하므로, 이를 해결하기 위한 방법을 제안하고자 한다. 외부 소음과 내부 소음 데이터를 수집하고, STFT(Short-Time Fourier Transform)알고리즘을 통해 소음 데이터를 분석 가능한 형태로 전처리한다. 그 후, LSTM(Long Short-Term Memory)알고리즘을 사용하여 선박 외부에서 발생한 소음을 입력으로 받아 내부에서 들리는 외부 소음을 예측하고 제어하는 모델을 훈련시킨다. 이후 최적화 과정을 거쳐 예측 소음의 반대 파형을 생성 및 출력을 통해 ANC 를 구현한다.

본 논문은 해외 배송 화물에 대하여 실시간 위치와 정확한 도착 예정 시간을 제공하기 위하여 유가와 기상 정보 등 다양한 변수가 선박 항로에 미치는 영향을 분석한다. 기존의 ETA 예측 방법은 GPS 정보와 수기 데이터를 기반으로 하여 낮은 정확도를 보였으나, 극복하기 위한 방안으로 기상 상황 혹은 세계 유가 변동 변수까지 고려하여 인공지능 모델을 구축하였다. 선박의 도착 예측 시간 정확도 향상과 불확실성 해소를 주된 목표로 하며 이를 토대로 육·해상 통합 서비스를 개발하고자 한다. 이러한 예측 정보는 선사가 운영을 최적화하고 비용을 절감하는 데 도움을 주며, 소비자들은 신뢰할 수 있는 정보를 통해 불편과 손실을 최소화할 수 있을 것으로 보인다.

본 시스템은 메타버스를 기반으로 소프트웨어와 하드웨어를 연동하여 사용자에게 보다 편리하고 섬세한 기술을 제공한다. 또한 현실감을 높이기 위해 가상현실 기술을 적용하여 다양한 분야에서 사용되기를 도모한다.

이 논문은 해양 안전 및 보트 운항 훈련을 위한 소형선박 시뮬레이터의 개발을 다룬다. 시뮬레이터는 자유 운항, 시험 모드 운항, 초급자 훈련 모드 운항 등 다양한 기능을 제공하며, 사용자의 실력과 선호도에 따라 맞춤 교육을 제공한다. 이를 통해 보트 운항의 안전성을 향상시키고, 비용 효율적인 방법으로 많은 사용자들에게 접근 가능한 학습 도구를 제공한다.

항만 작업자를 위한 AR 글라스 기반 플랫폼으로, 작업 일지와 완료 기록을 시각적으로 확인하고 작업물을 촬영하여 관리자에게 전송할 수 있으며, 서버 기반 관리 시스템을 통해 개인화된 작업통지와 실시간 공지사항을 제공하여 작업자들의 편의성과 효율성을 높이는 것을 목표로 하는 커뮤니케이션 시스템을 설계 및 구현한다.

본 논문에서는 LiDAR 만을 이용한 자율주차 시스템을 제안한다. 목표하는 주차공간 양측에 위치한 차량을 감지하여 주차공간의 앞까지 이동한 후 조향장치를 제어하여 주차를 수행하는 알고리즘을 제시하였다. 또한 2023년도 제1회 성균관대학교 자율주행 SW 경진대회를 수행함으로써 해당 알고리즘의 유효성을 검증하였다.

현대사회에서 중요하게 사용되는 GPS 정보를 활용하는데 있어, 고성능 GPS 수신기를 사용하는데 있어 비용적인 문제가 발생한다. 경제성을 개선하여 더 다양한 분야에서 GPS 정보를 활용하기 위해 딥러닝을 통해 정밀한 GPS 정보를 얻고자 한다. 본 논문에서는 다수의 저성능 GPS 를 학습시켜 딥러닝 모델을 구현하고 성능을 평가한다. 제안한 모델을 사용할 경우, 저성능 GPS 만으로도 고성능 GPS 와 오차미터가 1m 까지 줄어드는 효과를 얻을 수 있다.

본 논문은 실시간 차선 인식을 기반으로 한 자율주행 알고리즘을 제안한다. 자율주행 알고리즘은 크게 차선 인식과 의사결정으로 구분된다. 차선 인식 부분에서는 직관적인 판단을 위해 버드 아이 뷰로 영상데이터를 변환하여 안정적 차선 인식을 위하여 차선 영역을 추출하고 노이즈를 제거하는 전처리과정을 거친다. 이렇게 처리된 영상에서 Hough 변환을 통하여 차선을 검출한다. 의사결정 부분에서는 검출된 차선과 현재 위치를 기반으로 진행할 경로를 결정한다.

자동차 산업 기술이 빠른 속도로 발전되고 E/E(Electrical/Electronic) 시스템의 기능 안전 메커니즘이 중요시되고 있다. Renesas 사(社)의 차량용 MCU 와 차량용 네트워크인 CAN(Controller Area Network)과 Ethernet 을 사용하여 통신이 끊기거나 Noise 가 발생해도 정상동작이 가능하도록 하는 Fail-Operational 알고리즘을 구현하였다. 이 연구를 통해 현재 기능 안전의 중요도가 높아지고 있는 자동차 기술 시장의 수요를 맞출 수 있을 것으로 기대한다.

캐시는 현대 컴퓨터 시스템에서 중요한 성능 개선 요소 중 하나로, 효율적인 데이터 저장 및 액세스를 보장한다. 교체 정책은 캐시의 한정된 용량 내에서 어떤 데이터를 보관하고 어떤 데이터를 대체할지 결정하는 데 중요한 역할을 한다. 이 논문은 Pseudo LRU 와 LRU 교체 정책을 대상으로 cache 에서의 throughput 과 gate count 를 각각 비교한다. LRU 방식을 적용한 cache 와 Pseudo LRU 방식을 적용한 cache 는 Locality 0 과 100 에서 0.001GB/s 미만의 차이를 보이며 각각 0.095GB/s, 0.211GB/s 로 동일했으며 Gate Count 는 각각 134,516 과 130,016 으로 4500 의 감소 효과가 있었다.

본 논문에서는 신규 차량 안전성 평가를 위한 ADAS 시뮬레이션 상에서 곡선 궤적을 효과적으로 생성할 수 있는 MATLAB 스크립트를 구현하였다. 본 연구를 통해 곡선 궤적 좌표를 생성하고 수작업으로 대입하는 과정을 간소화할 수 있으며, 또한 다른 시나리오에서 적용할 곡선 궤적을 편리하게 생성할 수 있을 것으로 기대한다.

본 연구에서는 아두이노를 기반으로 하는 스마트 조도 반응 시스템을 구현한다. 조도센서를 활용해 주변 광량을 실시간으로 감지하고, 이를 기반으로 모터를 제어하여 편광 필터의 위치를 조절한다. 이 시스템은 강한 햇빛 조건에서 차선 인식의 명확성을 높이는 데 기여할 수 있을 것으로 생각된다. 현업에서 해당 기술을 사용하기 위해서는 추가적인 작업이 요구될 수 있지만, 본 연구는 새로운 아이디어의 탐색과 하드웨어의 구체적인 구현 방안을 제시함으로써 이후의 연구 방향성을 제안한다.

FASTECH 사(社)의 Ezi-Servo Plus-E 제품군은 Windows 기반의 모션 라이브러리와 GUI 프로그램을 이용하여 모션 컨트롤을 수행한다. 이를 Linux기반의 GUI 프로그램과 모션 라이브러리를 작성하여 Raspberry Pi 환경에 적용하였다. Windows와 Linux 기반의 두 프로그램으로 각각 모터를 구동시키고 모터의 위치값을 비교하여 150 미만의 작은 차이를 확인하였다. 이 연구를 통해 Linux 임베디드 시스템으로 모션 컨트롤 시스템을 구축하려는 잠재 고객의 수요를 맞출 수 있을 것으로 기대한다.

자율주행에서의 경로 계획을 위해서는 costmap을 활용할 수 있다. Costmap은 map 정보와 센서 데이터를 토대로 해당 지역을 통과할 때의 위험도를 cost로 할당한다. 그러나 local costmap에는 센서로 인식한 장애물만이 고려되며, 차선 정보를 경로 계획에 포함하기 위해서는 별도의 정보 처리가 필요하다. 본 연구에서는 카메라로 인식한 차선 정보를 costmap에 포함함으로써 통합적인 판단 방법론을 탐색하고, 위치 추정 및 경로 계획에서의 활용 가능성을 제시한다.

로봇 운영 체제인 Robot Operating System (ROS)은 다양한 로봇 프로젝트와 연구에서 광범위하게 활용되며 국제적인 활발한 커뮤니티가 형성되어 있다. 많은 로봇 기능들이 ROS 를 활용하여 개발되어왔고, 이중에서도 Fastech 사의 Ezi-SERVO II PLUS E motor driver 를 ROS 환경에서 사용할 수 있도록 개발 작업이 진행되었다. ROS 는 Linux 기반이므로, 개발 환경으로는 초보자도 다루기 쉬우면서 비교적 저렴한 소형 컴퓨터인 Raspberry Pi 를 선택하였다. 또, Raspberry Pi 는 Linux 기반의 작은 컴퓨터로, 다양한 개별 프로젝트를 수행하기 위해 많은 사람들이 활용하고 있다. 이로 인해 Raspberry Pi 로 소규모 프로젝트를 진행하는 개발자들도 해당 모터 드라이버를 Raspberry Pi 와 ROS 를 통해 쉽게 사용할 수 있게 되었다.

자율주행 시스템이 발전됨에 따라 더욱 효율적이고 안전성이 있는 실시간 제어와 알고리즘이 요구된다. 이러한 맥락에서, 본 논문은 유아용 전동차를 이용하여 다양한 상황 속 자율적이고 정교한 제어를 제시한다. 여러 센서에서 받아오는 정보를 가공하여 다음 행동에 대한 신호를 실시간으로 생성하여 안전하고 부드러운 자율주행 시스템 방법을 탐구한다.

본 연구는 4륜 독립 구동·제동·조향 차량의 모드 천이 논리 알고리즘에 관한 연구로서, 일반적인 주행 스타일 외에도 다양한 주행 스타일을 가지는 차량에서 주행 모드 전환 간에 고려되어야 하는 조건들을 다룬다. 주행 모드 전환 간에 Static Transition과 Dynamic Transition이 가능하며 Static Transition 방식이 일반적이지만 저속 상태에서 차량이 충분히 정렬되어 있다면 FWS 주행, 동상 주행, 역상 주행 간의 Dynamic Transition도 가능할 것이다.

본 연구에서는 실시간 자율주행 프로그램의 안정성 향상 방안을 제안한다. 안정성을 해치는 요소에는 조도의 변화, 노면의 불규칙성, 제어 신호의 딜레이가 있다. 이를 해소하기 위해 여러 이미지 처리 필터, ROI 의 축소, Lookuptable 을 제안한다. 이를 통해 보다 안정적인 자율주행을 구현한다.

모빌리티 기술이 발전함에 따라 기존 차량에서 선보이지 못했던 다양한 주행기술이 가능해졌고, 이에 따라 많은 장점을 지닌 모빌리티 기술들이 등장하고 있다. 4 륜 독립 구동, 제동, 조향 시스템은 바퀴 별 독립 제어가 가능하여 여러 주행 모드를 구현할 수 있다. 본 연구에서는 4 륜 독립 구동, 제동과 독립 조향이 가능한 모빌리티 플랫폼에 대해 평행 주행, 제자리 회전, 축 회전 주행 등을 구현하는 방안과, 더 나아가 각도 속도를 일정하게 유지함으로써 오차를 최소화하는 제어 방법에 대해 살펴보고자 한다.

상품의 개발을 위해서는 개발과 양산이라 하는 크게 2가지의 단계가 필요하다. 따라서 이에 필요한 부품을 관리하는 것에도 개발과 양산에 따라서 관리되어야 한다. 본 논문은 전자소자 품번 체계를 개발 및 양산 단계에 따라 표준화하고, 이를 기반으로 BOM 시스템을 구축한다. 이후 HL만도 내의 System에 이관하여 표준화된 품번을 활용한 System BOM 및 이력 등을 관리할 수 있을 것이다. 이는 각 연구소에서 공용화 환경을 구축할 수 있고, 구매, 품질 등 부서에서의 체계적인 환경 구축 수립을 통해 업무 수행에 많은 개선이 있을 것으로 예상된다.

본 논문은 자동차의 ECU 사용의 증가에 의해 개발한 자동차 소프트웨어 아키텍처 표준인 UTOSAR(AUTOmotive Open System ARchitecture)와 이의 최신 기술 동향인 Adaptive AUTOSAR, 그리고 소프트웨어 정의 차량(Software Defined Vehicle)에 대해 조사하고 분석하였다. 이러한 AUTOSAR와 SDV의 발전은 자동차 산업의 미래를 형성하는 주요한 도구로서, 효율적인 자동차 소프트웨어 개발과 관리를 지원하며 더욱 지능적이고 연결된 자동차의 실현을 위한 기반을 마련한다.

본 연구에서는 전동 차량의 자율주행 기능 구현을 위한 방법을 제시한다. 주요 구성 요소로는 카메라, PC, 아두이노, 모터드라이브, 가변저항 등이 사용되었다. 카메라를 통해 데이터를 수집한다. YOLOPv2 lane detection 딥러닝 모델을 사용하여 차선을 탐지하고, 후처리 과정을 통해 주행 경로를 정확히 인식한다. RANSAC 알고리즘을 활용하여 outlier 에 강건한 2 차 함수 회귀를 수행하고, 이를 바탕으로 주행 중 필요한 정보를 파악한다. 이러한 정보를 바탕으로 차량의 조향각을 조절하여 안전하고 효율적인 자율 주행을 구현하였다.

본 논문에서는 아두이노를 이용하여 유아용전동차가 실제 도로와 유사한 환경의 트랙을 자율주행할 수 있는 방법을 찾고자 한다. 라이다와 카메라를 이용하여 차선을 따라 주행하고, 장애물을 회피하고 신호등의 지시에 따라 정지하고 출발하며, 후진 주차를 완수하는 알고리즘을 완성하였다.

본 논문은 다수의 저정밀 GPS(Global Positioning System) 센서를 활용하여, 보다 정밀하고 정확한 GPS 좌표 보정 모델을 설계하고자 한다. 제안 모델에서는 다수의 저정밀 센서에서 GPS 좌표를 수합한 뒤, 최소자승법과 선형칼만필터로 값을 보정한다. 본 논문에서는 Horizontal Accuracy 가 2m 인 저정밀 GPS 센서를 활용하여 제안 모델을 설계하였으며, 저정밀 센서와 제안 모델 비교 실험에서 제안 모델의 46% 정밀도 향상을 확인하였다.

자율주행 시스템에서 차선 인지는 주행의 성능과 안전에 중요한 역할을 한다. 차선 인지 분야에서는 다양한 알고리즘이 사용된다. 본 논문에서는 슬라이딩 윈도우 기법을 사용한 알고리즘을 기반으로, 더 정확하고 효율적인 차선 인지를 위한 개선 방안을 소개한다.

본 논문에서는 전기차 충전소 어플리케이션 신규 기획을 위해 많은 사람들이 사용하고 있는 전기차 충전소 어플리케이션을 조사한다. 더 나아가 자사 충전소를 설치해야 차별성을 가질 수 있을 것이라고 판단하고 충전소 설치 위치를 선정하기 위해 지역별 전기차 충전소의 이용량을 분석한다. 결과적으로 총 n 개의 어플리케이션을 비교하여 전기차 앱의 트랜드와 기능의 장단점등을 분석한다. 클라우드 환경에서 오픈 API 를 활용하여 충전소 이용현황 정보를 21 년 12 월부터 22 년 1 월까지 수집하였고 통계 분석 툴인 Tableu 를 사용하여 지역별 충전율과 밀집도를 계산하여 충전소를 설치하기에 좋은 지역구 후보를 선정한다

모바일 로봇의 자율주행을 위하여 인터넷이 제약된 환경에서도 가능한 Edge computing 에서의 Object Detection 이 필수적이다. 본 논문에서는 이를 위해 Orin 보드에서 YOLOv7 과 Complex_YOLOv4 를 구현하였다. 직접 취득한 데이터를 통해 YOLOv7 을 구현한 결과 0.56 의 mAP 로 프레임당 133ms 가 소요되었다. Kitti Dataset 을 통해 Complex_YOLOv4 를 구현한 결과 0.88 의 mAP 로 프레임당 236ms 가 소요되었다. Comple_YOLOv4 가 YOLOv7 보다 더 많은 데이터를 예측하기에 시간은 더 소요되지만 높은 정확성을 가지는 것을 확인할 수 있었다.

차량의 현가장치의 서스펜션 댐퍼의 내압 조건에서의 내구성을 고체역학적으로 판단하여 내압, 봉입압, 리바운드 힘의 계산 방법 및 적합도 확인 방법을 열역학과 유체역학적으로 구하였다. 또한, 댐퍼의 동특성과 phase angle에 대한 해석을 통하여 phase angle의 식 도출과 주파수와 댐핑 상수에 따른 추세를 확인해보았다.

본 논문에서는 YOLOPv2 를 기반으로 OpenCV 를 활용한 후처리 과정을 도입하여 차선 검출 성능을 극대화할 수 있는 알고리즘을 제안한다. 주요 단계로는 YOLOPv2 모델을 활용한 차선 인식, Bird's eye view 변환, Sobel 및 Morphology Filter 를 통한 왜곡 보정, Histogram 기반 차선 검출, 그리고 후처리 알고리즘 적용이 있다. 이 기술은 자율 주행 및 도로 정보 활용 분야에 활용 가능할 것으로 기대되며, 차선 검출 정확도를 향상시킬 수 있다.

차량용 반도체 수요의 증가로 자율 주행 및 전장제품에 시스템 반도체 수요가 증가하고 있다. 차량용 반도체는 기존 AP 같은 칩보다 더 높은 내구성과 신뢰성이 요구되기 때문에 불량 분석이 중요하다. 이러한 환경에서 반도체의 안정적인 생산과 품질 보장을 위해서는 불량 검출과 불량 원인 분석이 중요하다. 본 논문은 기본적인 비파괴 불량 분석 방법에 대하여 조사하고 장단점을 탐구한다. 이를 통해 반도체의 안정적인 양산을 위한 기반 지식을 제공한다.

본 논문에서는 험지 환경에서 순찰하는 모바일 로봇의 이동 가능성(traversability)을 수행하기 위해 로봇에 탑재되는 Jetson AGX Orin에서의 실시간 Semantic Segmentation을 달성하는 것을 목표로 하였다. 험지 환경을 위한 OFFSEG 모델을 활용하였으며, 다운샘플링, 파라미터 최적화 등 각종 경량화 기술을 적용하여 지연 시간을 단축시켰다. 또한 현장과 유사한 환경에서의 테스트를 통해 처리 시간을 목표로 하는 100ms에 근접한 시간으로 단축할 수 있었다.

자율주행 기술에서 스테레오 비전과 End-to-End Driving은 많이 사용되는 기술이며 본 연구에서는 이를 신호등 인식과 주행에 적용하였다. 신호등 인식은 좌우 카메라로부터 적색 원을 인식한 후 스테레오 비전을 통해 신호등과의 거리를 추정한다. 주행 시스템은 End-to-End Learning 기반으로 이루어지며, 출력값인 가변저항을 조향각으로 변환하여 제어할 수 있다. 또한 감마 보정을 통한 데이터 증강을 통해 빛에 대해 민감하지 않게 모델을 학습하였다. 추후 신호등 인식 시 HSV 필터가 빛에 민감한 점과 주행 시 가변저항 값이 일정하지 않은 점이 해결된다면 더욱 안정적인 시스템을 구축할 수 있을 것으로 기대된다.

Shock Absorber 는 Suspension 부품 중 하나로 감쇠력을 통해 스프링의 수축을 제어함으로써 차량의 승차감 및 안정성을 향상시키는 장치이다[1]. 그러나, 스프링의 상하운동을 억제하기 위해 Shock Absorber 가 압축·인장 됨으로써 소음이 발생하여 탑승객을 불편하게 한다. 본 논문에서는 이에 대한 계측을 통해 원인을 파악하고 NVH 를 개선하여 승차감 향상을 도모한다.

전기차의 자율주행을 위해선 차선 인식과 모터 제어가 필요하다. 카메라로 입력된 영상에 허프 변환을 적용하고, 변환된 이진 이미지에 Enet 및 DeepLabv3+ 구조를 활용한 LaneNet 모델을 적용하여 차선을 학습시키고, Fuzzy 제어 기법을 활용하여 모터의 조향이 원활이 되도록 하였다. 기존의 Rule base 기법에 비하여 차선 인식 정확도가 월등히 향상되었으며, 주행 결과 Real-Time 주행환경 판단에 대한 여지를 남겼다.

드론은 초기에 주로 군사적 목적으로 사용되었으나, ICT 기술이 발전함에 따라 다양한 산업 서비스에 활용되고 있다. 그러나 드론이 네트워크에 연결됨으로써 많은 보안위협과 취약점에 노출되었으며, 이는 드론 탈취, 정보유출, 서비스 장애 등의 심각한 피해를 야기할 수 있다. 따라서, 본 논문에서는 기존 드론의 보안위협 뿐만 아니라 다가올 양자시대의 보안위협에 대비하여 안전한 드론 서비스를 제공할 수 있는 PQC 기반 보안채널 통신기술을 제안하고 구현한다.

국방 분야의 데이터링크 기술은 다양한 군사 응용 분야에서 무인 항공기 및 다른 무인시스템과의 효율적인 통신을 위한 것으로 국내 국방 공용 데이터링크 기술 내용 및 대형/소형 무인이동체 장비 형상을 확인하였다. 소형 무인이동체 데이터링크를 지원하기 위하여 사용되는 기술 현황을 확인하고 문제점을 식별하였다. 마지막으로 향후 군 요구 사항을 충족하기 필요성 및 관련 세부 기술 개발 내용을 제시하였다.

최근 드론은 군사 작전, 물류 운송, 인명 구조 등 다양한 분야에서 활용되고 있으며 관련 산업의 규모는 증가하는 추세이다. 이에 따라, GPS 스푸핑, 조종사 비익명화 등의 드론을 향한 공격 기법들 또한 발달하고 있다. 이런 공격들은 드론에 대한 인증을 도입함으로써 대비할 수 있는 공격들이다. 이에, 학계에서는 강건한 인증을 위해 드론 하드웨어의 고유 특성을 활용할 수 있는 RF 신호, 소리 신호, 드론 내부 센서 신호 등에 기반한 인증 기술들이 연구되어온 바 있다. 본 논문에서는 지금까지의 드론 인증 기술 연구 동향을 분석하고, 이를 기반으로 향후 연구 방향을 제시한다.

RC 무선조종기를 통해 드론을 원격으로 제어하는 경우, 제어 데이터의 기밀성과 무결성은 드론 제어권 탈취 방지를 위한 핵심 고려 사항이다. 본 논문은 드론 RC 무선조종기 제어 데이터 보호를 위해 경량 암호화 알고리즘 중 하나인 Lightweight Encryption Algorithm (LEA)를 적용하는 방법을 제시한다. LEA 는 32 비트 마이크로 컨트롤러인 ARM Cortex-M4 와 같은 플랫폼에 최적화된 구조로, 저전력으로 데이터 보호를 유지하면서 효율적인 암호화 알고리즘을 적용할 수 있다.

인공지능·데이터·클라우드 등 혁신적인 기술로 새로운 사회 구조를 만드는 시대가 도래하면서 현 정부 핵심 국정과제 중 하나로 디지털플랫폼정부(DPG) 구현이 언급되었다. DPG는 수많은 공공 데이터를 관리하고 있으며, 중요·민감 데이터의 안전성을 유지하기 위한 신보안체계로서 '제로트러스트'를 고려하고 있다. 하지만 DPG에 제로트러스트 보안 개념을 적용하고자 할 경우 기업이나 정부 기관 대상의 제로트러스트와 달리 DPG는 참여 주체(정부, 민간 기업, 일반 국민 등)가 다양하고 민간 클라우드 활용을 지향하는 만큼, 이러한 특징을 고려하여 아키텍처를 설계해야 한다. 따라서, 본 논문에서는 DPG에 제로트러스트 보안 아키텍처를 도입할 경우, 고려해야 할 점을 제시한다.

양자 컴퓨터가 발전함에 따라 RSA, ECC 등 기존 공개키 암호 알고리즘의 해독 가능성이 점점 커지고 있으며, 이러한 양자 위협에 대응하기 위해 양자 내성을 갖는 암호, 즉 PQC에 관한 연구가 활발하게 이루어지고 있다. 국가·공공기관에서 도입하는 보안 제품에서 암호 기능을 사용시 검증필 암호 모듈 탑재가 필요하지만, 현재 NIST는 표준화 대상 알고리즘만 선정하였을 뿐 국내외 모두 표준화가 완료되지 않아 PQC는 KCMVP 검증대상 암호로 포함되어 있지 않다. 본 논문에서는 KCMVP(국내 암호 모듈 검증 체계)와 PQC의 최근 동향을 알아보고 KCMVP에 PQC알고리즘을 도입할 때의 고려 사항에 대해 분석한다.

드론은 산업분야와 국방분야에서 다양한 서비스를 위해 이용 및 활용되고 있다. 드론을 이용하여 카메라 영상과 같은 개인정보가 전송되고 있고, 드론의 형태 또한 대형화되고 있어 제어와 서비스 데이터에 대한 보안적용이 요구되고 있어서, 제어와 서비스 데이터에 대한 암호 통신를 위해 보안모듈을 적용하고 있다. 본 연구에서는 드론에 탑재되는 보안모듈의 보안성을 확보하기 위한 방안에 대해 기술하고자 한다.

전 세계적으로 PQC migration 을 위한 암호 표준화, 로드맵 발표 등 많은 관심이 집중되고 있다. 그 중, 인터넷 환경에 필수적으로 사용되는 TLS 는 PQC 전환이 필수적이다. 하지만 NIST 표준으로 선정된 PQC 서명 알고리즘들은 기존 서명 알고리즘에 비해 공개키와 서명의 크기가 크다. 따라서 TLS 통신에 필요한 인증서를 PQC 서명알고리즘을 통해 생성하게 되면 통신 오버헤드가 급증하는 문제가 있다. 이에, 본 논문에서는 TLS 에 사용되는 인증서에 RFP8879 에 정의된 3 가지 압축알고리즘(Zlib, Z-standard, Brotli)과, CBOR 인코딩 기법을 사용하여 인증서 압축성능을 비교해본다.

본 연구는 초개인화된 마케팅 카피 생성을 위해 생성 AI 를 활용하여 고객 맞춤형 카피 생성 모델을 제안한다. 이벤트 데이터를 학습한 생성 AI 를 통해 배너용 카피를 자동으로 생성하였으며, 고객 페르소나 정보를 더해 고객별 초개인화된 문구 및 문체로 변경하도록 하였다. 이러한 개인 맞춤형 카피 및 문구와 문체의 적용은 기업의 마케팅 효율과 고객 만족도 향상에 기여할 것으로 기대된다.

부동산 시장은 다양한 요인에 의해 가격이 결정되며 거시경제 변수뿐 만 아니라 뉴스 기사, SNS 등 다양한 비정형 데이터의 영향을 받는다. 특히 뉴스 기사는 국민들이 느끼는 경제 심리를 반영하고 있어 부동산 가격에 영향을 크게 미치는 변수라고 판단된다. 본 연구에서는 뉴스 기사의 세분화된 감정 분석을 통해 전통적인 분석 방법보다 더 의미 있는 결과를 얻을 수 있는 부동산 가격 예측 모델을 생성하였으며 뉴스 기사로부터 심리 지수를 산출하기 위해 생성 AI 를 활용하였다. 제안하는 매매가격지수 예측 모델을 통해 부동산 시장과 뉴스 기사와의 관계성에 대해 파악할 수 있으며, 사회/경제적 동향을 반영한 부동산 가격 변동을 예측할 수 있을 것으로 보인다.

반려동물 양육 가구는 꾸준히 증가하며 여가생활도 반려동물과 함께 보내려는 사람들이 늘었다. 관련 사업 규모도 확장하는 흐름에 따라 반려동물과 여가생활을 즐길 수 있는 동반 가능 업소의 입지를 분석한다. 서울시 내 의료시설을 포함한 반려동물 동반 가능 업소의 지도시각화를 통해 반려동물 동반 업소가 필요한 곳을 추천하고자 한다.

본 논문은 스팀(Steam) 게임 플랫폼을 기반으로 약 1000개의 게임 데이터를 활용하여 사용자들에게 알맞은 게임을 추천해주는 시스템을 제안한다. 게임 선택에 영향을 주는 요인들을 언어 객체로 설정하여 규칙 기반 추론 시스템을 구현했다. 선호도 정보는 게임 선택의 기준이 되는 세 가지 요소에 대한 질문에 답하는 방식으로 수집된다. 게임 추천 결과를 시각화하여 신규 유저를 게임에 유입하고 몰입을 촉진하고자 한다.

본 논문은 소비자의 리뷰 데이터를 기반으로 한 새로운 감성 분석 방법을 제안한다. 긍정, 부정, 중립으로 분류하는 전통적 감성 분석방법은 텍스트에 나타난 감정의 섬세한 차이를 파악하기 어렵다. 이에 본 연구에서는 GPT 모델을 사용하여 텍스트에서 사용자의 감정을 8 가지의 카테고리로 세분화한다. 부정적 정서를 가진 리뷰에서 분노, 혐오, 실망과 같은 구체적인 감정들을 직관적으로 파악할 수 있었고, 감정의 강도까지 파악할 수 있었다. 제안된 방법을 통해 기업은 고객의 요구 사항을 정확하게 인지할 수 있으며, 고객 맞춤형 서비스 개선에 기여할 수 있다는 점이 기대된다.

보행의 제한은 시각장애인의 자립적인 생활을 어렵게 하며 안전에도 큰 영향을 끼친다. 본 논문은 YOLOv5(You Only Look Once version 5)를 활용하여 안전한 보행을 돕는 방법을 제시한다. 제시하는 방법은 자동차나 자전거, 전동킥보드 등의 움직이는 사물과 사람을 실시간으로 인식하여 시각장애인에게 알림으로써 보행에 도움을 줄 수 있으며 시각장애인의 안전한 보행에 도움을 줄 것이라 기대한다.

이상치는 주로 저빈도로 발생하기 때문에, 이상치 탐지 분야에서는 정상 데이터만을 이용한 비지도 기반 학습 모델을 사용하는 방법들이 제안되었다. 따라서, 본 논문에서는 반려동물 센서 데이터를 이용해 비지도 기반 모델인 DASVDD을 활용하여 이상치를 탐지한다. 하지만 데이터셋에 이상치가 존재하지 않아 반려동물이 고빈도로 보여주는 A행동군(서다, 앉다, 엎드리다, 눕다, 걷다), 저빈도로 보여주는 B행동군(킁킁대다, 먹다)으로 분리하여 학습을 진행한다. 모델의 성능은 ROC-AUC을 기준으로 79.05%의 성능을 보여주는 것을 확인하였다.

현재 대부분의 국내 학술 데이터 베이스는 개별 학술지 논문의 주제를 파악하는 표준화된 정보를 거의 제공하지 않고 있다. 본 연구에서는 논문의 제목만을 활용하여 학술 논문의 분야를 자동으로 분류하는 방법을 제안한다. 이를 위해 한국어로 사전 훈련된 KLUE-RoBERTa 모델을 사용하며, Back Translation 과 Chat-GPT 를 활용한 데이터 증강을 통해 모델의 성능을 향상한다. 연구 결과, Back Translation 과 Chat-GPT 를 사용하여 증강한 모델이 원본 데이터를 학습한 모델보다 약 11%의 성능 향상을 보였다.

현재 국내외 CCTV 구축량 증가로 사생활 침해와 높은 설치 비용등이 문제점으로 제기되고 있다. 따라서 본 연구는 Early Fusion을 적용한 위급상황 음향 분류 모델을 제안한다. 음향 데이터에 STFT(Short Time Fourier Transform), Spectrogram, Mel-Spectrogram을 적용해 특징 벡터를 추출하고 3차원으로 Early Fusion하여 ResNet, DenseNet, EfficientNetV2으로 학습한다. 실험 결과 Early Fusion 방법이 가장 좋은 결과를 보였고 DenseNet, EfficientNetV2가 Accuracy, F1-Score 모두 0.972의 성능을 보였다.

가정에서 대형 폐기물을 배출하고 수거하는 과정에서 폐기물을 수동적으로 분류를 하는 것은 시간이 많이 소요되는 작업이다. 본 논문에서는 YOLOv4, 5, 7 모델을 비교하여 실생활에 사용가능한 대형 폐기물 탐지에 가장 적합한 모델을 찾는다. 이미지 증강 전 결과는 YOLOv7이 가장 좋은 성능을 보였다. 배출자가 촬영하는 각도나 위치, 시간 등의 변수를 고려하고자 증강을 시도하였고 증강 후 탐지 결과도 YOLOv7이 F1-score 93 %, mAP 96.6% 로 다른 모델보다 전체적으로 더 좋은 성능을 보였다.

본 논문은 반려동물의 행동 분석을 개선하기 위해 IMU 센서 데이터와 딥러닝 모델을 결합하는 방법을 제안한다. 이를 위해 IMU 웨어러블 디바이스를 통해 행동 데이터를 수집한다. 수집된 데이터는 총 6개의 클래스로 앉다. 서다. 엎드리다, 먹다, 킁킁대다, 걷다로 분류된다. 분류된 데이터는 클래스별로 데이터 증강 및 전처리 단계를 거친다. 행동 분류를 위해 ResNet과 LSTM을 결합한 하이브리드 모델을 사용하여 학습을 진행했다. ResNet-LSTM은 Accuracy 97%, F1-score 96%로 높은 성능을 보여주었다.

폐기물을 처리하는데 있어 배출과 수거에 대한 프로세스 자동화를 위해 폐기물 객체 유사도 판별이 요구된다. 이를 위해 본 연구에서는 폐기물 데이터셋에서 SIFT(Scale-Invariant Feature Transform)와 HSV(Hue, Saturation, Value)기반으로 두 이미지의 공통된 특징을 추출해 융합하고, 기계학습을 통해 이미지 객체 간의 유사도를 측정하는 모델을 제안한다. 실험을 위해 수집된 폐기물 데이터셋 81,072 장을 활용하여 이미지를 학습시키고, 전통적인 임계치 기반 유사도 측정과 본 논문에서 제시하는 유사도 측정을 비교하여 성능을 확인하였다. 임계치 기반 측정에서 SIFT 와 HSV 는 각각 0.82, 0.89(Acc)가 측정되었고, 본 논문에서 제시한 특징 추출 방법을 사용한 기계학습의 성능은 DT(Decision Tree)와 SVM(Support Vector Machine) 모두 0.93 (Acc)로 4%의 정확도가 향상되었다.

디지털 헬스케어 서비스 활성화에 따라 디지털 의료 데이터의 양은 매년 급속하게 증가하고 있으며, 의 데이터의 상호 교환과 연동을 위한 다양한 CDM(Common Data Model)이 개발되고 있다. 그러나, 의료 데이터 교류에 대한 요구가 증가하면서, 기존 레거시 시스템의 데이터를 CDM으로 변환하기 위한 추가적인 비용이 소요될 수 밖에 없다. 이에 본 연구에서는 OMOP CDM (Observational Medial Outcomes Partnership Common DataModel) 기반 의료 데이터 ETL (Extract, Transform, Load) 툴을 개발하였다. OMOP CDM ETL 툴은 기존의 레거시 데이터베이스 정보를 CDM으로 변환할 수 있는 효과적인 료인터페이스를 제공함으로써, 디지털 의료 데이터 공유와 관리 및 분석의 효율성을 증대할 수 있을 것이다.

최근 그래프 기반 분석에 대한 연구가 활발히 진행되면서 이를 정보 보안 분야에 적용하려는 시도가 이루어지고 있다. 특히 GNN(Graph Neural Network)은 복잡한 네트워크 데이터를 모델링하고 관계를 분석하는 데 효과적이며, 악성 코드 탐지 등 사이버 공격에 대한 대응 능력을 향상시키는 데 활용할 수 있다. 하지만 GNN을 사용하기 위해서는 그래프의 노드가 될 IOC(Indicator of Compromise) 데이터가 필요하다. 본 논문에서는 IOC Extractor 중 하나인 Cyobstract를 통하여 위협 보고서로부터 IOC를 추출하는 방법과 이를 활용하여 그래프를 구축하고 분석할 방향을 제시한다.

현대 도시 모빌리티의 중요한 구성 요소로 자리 잡은 전동킥보드는 편리한 이동 수단으로 인기를 얻고 있으나, 이에 따른 안전사고 증가로 운전자와 보행자의 안전이 심각하게 위협받고 있다. 본 논문에서는 전동킥보드 운전 중에 발생한 사고의 원인을 객관적으로 분석하고, 사고가 운전자의 부주의로 인한 것인지를 판별하며, 이로 인한 배상 책임을 정확하게 결정하기 위한 모델을 제안한다. 운전 중 수집된 센서 데이터를 활용하여 Deep SVDD (Deep Support Vector Data Description) 모델을 구축하고, 이상치 탐지를 통해 운전 패턴을 분류하며 운전자의 부주의로 인한 사고를 파악한다. 이를 통해, 정확하고 공정한 배상 책임 판단을 지원하며, 도시 모빌리티 분야에서 안전사고 감소에 기여할 것으로 기대된다.

최근, 65세 이상의 1인 가구가 급증함에 따라 노인을 대상으로 한 다양한 연구 및 서비스가 활발히 이루어지고 있다. 이에 본 논문에서는 시계열 센서 데이터를 이용하여 CNN-LSTM 기반의 노인 활동 인식 시스템을 제안한다. 수집된 데이터는 3축 가속도 센서가 내장된 2개의 디바이스를 등과 허벅지에 부착하였다. 수집 주기는 50hz로 진행되었으며, 각 행동은 2초를 기준으로 산정하였다. 학습데이터의 입력값으로 사용하기 위해, 슬라이딩 윈도우를 50%로 적용하여 시퀀스를 구성하였다. 모델은 특징을 반영하기 위한 CNN(Convolutional Neural Networks)과 시계열적 특성을 반영하기 위한 LSTM(Long-Short Term Memory)을 하이브리드한 1차원 형태의 CNN-LSTM 모델을 사용한다. 행동은 4가지로 분류하였으며, 97%의 정확도를 나타내고 있다.

광대역(Wideband) 통신은 신호 대역폭이 채널의 상관 대역폭(Coherence Bandwidth)를 크게 초과하는 시스템을 나타낸다. 이때, 큰 대역폭을 갖을수록 반송 주파수대역과 사용대역의 최대 및 최소 주파수 간 차이가 커지며, 통신 시스템이 겪는 채널의 주파수 선택적 페이딩 또한 커지게 된다. 수중에서 광대역 통신을 성능을 확인하기 위한 실험을 수행하였다. 실험환경으로는 송·수신기 간 수평 이격거리는 약 10m, 수직 이격거리는 약 190m로 설정하였다. 광대역 신호의 성능을 확인하기 위하여 14kHz와 30kHz의 주파수 대역과 협대역신호와의 비교를 위해 16kHz와 4kHz 대역폭 등 파라메타를 달리하여 설정하였다. x축을 Repetition Freq.와 Repetition Time의 조합으로 설정하였으며, y축을 BER(Bit Error Rate)로 성능결과를 나타내었다.

본 논문에서는 Linear Frequency Modulation(LFM)을 이용하여 실해역에서 실험을 진행하였다. LFM 이란 시간에 따라 주파수가 변화하는 Chirp 신호를 전송하는 통신 기법이며 성능 분석을 위해 대한민국의 한강, 서해, 남해에서 각각 실험을 진행하였다. LFM 신호의 중심 주파수는 34kHz 대역폭은 1kHz로 설정하여 실험을 진행하였으며 채널 환경 분석을 위한 5초 길이의 Tone 신호를 함께 송·수신 하였다. 실험 결과 세 곳의 실험 포인트 모두에서 송·수신 신호 간의 뚜렷한 상호상관 결과를 확인할 수 있었다.

의료기관에서 접근이 용이한 마약류 약물로 오남용하는 사례가 지속적으로 증가하고 있다. 이를 해결하고자 본 논문은 블록체인 프레임워크인 하이퍼레저 패브릭을 기반으로 구축된 약물 오남용 관리 시스템을 제안한다. 하이퍼레저 패브릭의 분산 원장 기능을 사용하면 의약품 거래를 투명하게 기록하고 처방 기록을 안전하게 보존하여 모든 거래 세부 정보를 변조할 수 없게 된다. 또한 약물 사용 기록을 추적하고 남용을 방지하기 위해 과다 복용 사용자를 규제하는 기능을 제안한다. 본 논문이 약물 오용을 크게 완화하고 과다 복용 사용자 보호가 가능할 것이라 기대한다.

비디오, 오디오, 이미지, 텍스트 등의 비정형 데이터는 데이터 구조가 없어 데이터 자체만으로는 내용에 대한 질의 처리가 힘들어 정형 데이터로 변환하는 과정이 필요하다. 관계 추출 작업은 문장 내 단어 간 속성 또는 관계를 예측하여, 문장을 구조적으로 표현한다. 자연어처리 기법인 Dual Supervision 모델은 인간이 레이블한 데이터와 기계가 레이블한 데이터를 기반으로 기존 모델보다 적은 리소스로 관계를 예측한다. 해당 자연어 처리 모델을 이미지 처리에도 적용하여 기존 방법보다 적은 리소스를 이용하여 이미지에 대한 내용을 구조적으로 나타내는 모델을 제안하였으며, 실험을 통해 효율적인 이미지 객체 관계 추출이 가능함을 확인하였다.

스마트 컨트랙트는 블록체인 상에서 실행되는 프로그램으로 복잡한 비즈니스 논리를 처리할 수 있다. 그러나 블록체인의 무결성과 조건에 따라 실행되는 특성을 이용한 악의적 사용으로 인하여 블록체인 보안에서 시급한 문제가 되고있다. 따라서 스마트 컨트랙트 취약성 탐지문제는 최근 많은 연구가 이루어지고 있다. 그러나 기존 연구의 대부분이 단일 유형의 취약성 여부에 대한 탐지에만 초점이 맞춰져 있어 여러 유형의 취약성에 대한 동시 식별이 어렵다. 이 문제를 해결하고자 본 연구에서는 스마트 컨트랙트 소스코드 제어 흐름 그래프를 기반으로 그래프의 forward edge와 backward edge를 고려한 신경망으로 그래프 구조를 학습한 후 그래프 multi-label classification을 진행하여 다중 취약성을 탐지할 수 있는 모델을 제안한다.

최근 정보 기술의 급격한 발전으로 스마트폰이 우리의 일상 생활에 점점 더 많이 들어오고 있으며, 사용자들은 많은 서비스들을 누릴 수 있게 되었다. 위치 기반 서비스(LBS)의 경우 스마트폰에 탑재된 위치 확인 기능을 통해 음식점 추천, 길찾기 등 개인형 맞춤 서비스를 제공하며, 사용자는 간단한 동의를 통해 자신의 위치를 LBS 서버에 전송하게 된다. 이는 사용자의 개인정보 침해의 요소가 될 수 있으며, 사용자의 민감한 정보가 공개될 수 있다. 따라서 본 논문에서는 사용자의 경로 데이터의 민감 정점을 보호하고, 통계적 질의를 할 때, 절대적으로 개인정보를 보호할 수 있는 방법을 제시한다.

반도체 공정은 주로 진공 중에서 이루어 지며 진공을 잘 유지하는 것이 매우 중요하고 여러 가지 종류의 펌프가 사용이 된다. 저진공펌프로 많이 사용되는 로타리 펌프에 대해서 진동 및 온도센서를 부착하고 펌프의 상태에 따른 진동의 변화 및 온도의 변화를 연구 하고 펌프의 예지 보전에 활용할 수 있도록 하였다.