• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• fall
• /
• pp.74-77
• /
• 2021

최근 딥러닝을 이용하여 객체 인식 학습을 위한 데이터셋을 구축하는데 있어 시간과 인력을 단축하기 위해 인조 데이터를 생성하는 연구가 진행되고 있다. 하지만 실제 환경과 관계없이 임의의 배경에 배치되어 구축된 데이터셋으로 학습된 네트워크를 실제 환경으로 구성된 데이터셋으로 테스트할 경우 인식률이 저조하다. 이에 본 논문에서는 실제 배경 이미지에 객체 이미지를 합성하고, 다양성을 위해 3차원으로 회전하여 증강하는 인조 데이터셋 생성 시스템을 제안한다. 제안된 방법으로 구축된 인조 데이터셋으로 학습한 네트워크와 실제 데이터셋으로 학습된 네트워크의 인식률을 비교한 결과, 인조 데이터셋의 성능이 실제 데이터셋의 성능보다 2% 낮았지만, 인조 데이터셋을 구축하는 시간이 실제 데이터셋을 구축하는 시간보다 약 11배 빨라 시간적으로 효율적인 데이터셋 구축 시스템임을 증명하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.21-24
• /
• 2020

대용량의 데이터를 시각적 요소를 활용하여 눈으로 볼 수 있도록 하는 데이터 시각화에 대한 관심이 꾸준히 증가하고 있다. 데이터 시각화는 데이터의 전처리를 거쳐 차원 축소를 하여 데이터의 분포를 시각적으로 확인할 수 있다. 공개된 데이터 셋은 캐글(kaggle), 아마존 AWS 데이터셋(Amazon AWS datasets), UC 얼바인 머신러닝 저장소(UC irvine machine learning repository)등 다양하다. 본 논문에서는 UCI의 화학 가스의 데이터셋을 이용하여 딥러닝을 이용하여 다양한 환경 및 조건에서의 학습을 통한 데이터분석 및 학습 결과가 좋을 경우와 그렇지 않을 경우의 마지막 레이어의 특징 벡터를 시각화하여 직관적인 결과를 확인 가능 하도록 하였다. 또한 다차원 입력 데이터를 시각화 함으로써 시각화 된 결과가 딥러닝의 학습결과와 연관이 있는지를 확인 한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.208-211
• /
• 2021

최근 가상현실 및 증강현실 기술을 응용한 콘텐츠 개발이 활발하다. 증강현실 기술은 가상현실 기술과 다르게 현실세계와 컴퓨터 그래픽과의 융합을 토대로 개발된다. 때문에 증강현실은 현실감, 몰입감을 극대화 하는 방향으로 개발되고 있다. 그러나 현실과 컴퓨터 그래픽은 서로 다른 차원에 존재한다. 이를 해결하기 위해 마커검출 기법과 오차를 미리 계산해 출력 전에 반영해주는 방식이 제시되었지만 이는 사용자의 자유도 향상과 공간적인 제약을 최소화하기에 부담이 크다. 본 논문에서는 캘리브레이션을 통한 증강현실 구현결과로서 사용자의 관절 정보를 증강현실 내 캐릭터의 관절과 맵핑한다. 이는 사용자의 움직임을 캐릭터와 동기화함으로써 증강현실의 자유도와 몰입도를 향상시켰다. 제안된 증강현실 시스템은 사용자의 생활에 적용될 수 있는 범위가 넓어지고 사용자의 편의를 향상시킬 수 있는 가능성이 높였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.232-235
• /
• 2020

최근 딥러닝을 이용한 자동차 번호판 인식 알고리즘에 있어서 인조 번호판을 생성하여 데이터 수집과 라벨링 작업 시간을 줄이기 위한 연구가 진행되고 있다. 하지만 인조 번호판의 특성상 정면의 이미지로 구성되어 있기 때문에 자동차의 정면에서 촬영된 번호판의 인식률은 높지만 측면에서 촬영된 번호판의 경우 인식률이 낮아진다. 본 논문에서는 다양한 카메라 설치 위치에 따른 다각도로 촬영된 번호판 영상의 인식률을 보완하기 위해 이미지를 3차원으로 회전하여 데이터를 생성하는 인조 번호판 생성기 프로그램을 개발하였다. 3차원 회전을 하였을 때 번호판 인식 성능을 비교하기 위해 기존 방식으로 생성한 번호판과 제안 방식으로 생성한 번호판 각 600,000장씩 생성하여 총 1,200,000장을 생성하였으며, 데이터의 비율에 따라 10가지의 학습 데이터 셋을 구성하였다. 인조 번호판 데이터의 학습 결과를 평가하기 위해 실제 번호판 이미지 1789장으로 테스트 셋을 구성하였고, 기존의 인조 번호판 생성 방식과 인식 정확도를 비교 분석하였다.

• Korea Multimedia Society
• /
• v.22 no.1
• /
• pp.1-7
• /
• 2018

• Broadcasting and Media Magazine
• /
• v.18 no.4
• /
• pp.9-21
• /
• 2013

• Communications of the Korean Institute of Information Scientists and Engineers
• /
• v.14 no.9
• /
• pp.31-42
• /
• 1996

• Broadcasting and Media Magazine
• /
• v.24 no.3
• /
• pp.24-34
• /
• 2019

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.1410-1413
• /
• 2012

최근 스마트 시대에 디지털 컨버젼스(digital convergence)의 대표기기로 대두되고 있는 태블릿 PC는 휴대전화와 컴퓨터의 기능을 바탕으로 장소의 제한 없이 네트워크에 접속할 수 있다. 이는, 개인의 일상생활에서 큰 영향을 미치고 있는 실정이다. 10년 이상 e러닝이 주도해 온 IT교육시장에서 스마트러닝으로의 변화는 새로운 플랫폼을 구축하는 그 이상의 의미를 가진다. 스마트 러닝은 기존의 수직적인 학습방식을 수평적, 참여적, 지능적, 그리고 상호작용적인 방식으로 전환하여 학습의 효과를 높였다. 이러한 트랜드를 반영하여 스마트러닝의 장점을 극대화 시킬 수 있는 학습자 중심의 컨버젼스 러닝시스템(learning system)을 구현하고자 하였다. 또한, 영어의 중요성이 대두되면서 영어 인증시험에 대한 관심이 날로 커지고 있다. 그리하여 바쁜 일상생활 중에서 시간과 장소에 구애 받지 않고 태블릿 PC를 통하여 영어 인증시험을 공부할 수 있는 어플리케이션을 기획하였다. 본 LEMON(Learn English Mobile ON-air) 앱(application)은 영어 학습 시간이 충분하지 않은 대학생 및 직장인 등을 대상으로 TOEIC, TOEFL, TOEIC SPEAKING 영어 인증시험에 대한 학습이 가능하도록 구현하였다.

• Knowledge Management Research
• /
• v.22 no.4
• /
• pp.1-26
• /
• 2021

Measuring the intangible asset has been vigorously studied for its importance. Especially, the value of character in media industry is difficult to quantitatively evaluate in spite of the industry's rapid growth. Recently, the Social Network Analysis (i.e., SNA) has been actively applied to understand human usage patterns in a media field. By using SNA methodology, this study attempts to investigate how the character network characteristics of media works are linked to human search behaviors. Our analysis reveals the positive correlation and causality between character network centralities and character search data. This result implies that the character network can be used as a clue for the valuation of character assets.