• Annual Conference of KIPS
• /
• 2017.11a
• /
• pp.842-844
• /
• 2017

본 연구는 뷔페형 카페테리아 식당에서 근무하는 직원들이 계산 업무를 덜고 조리 업무에 집중하여 업무 성과, 직무만족도를 높일 수 있도록 돕는 카페테리아 무인계산시스템을 제안한다. 무인계산시스템의 작동과정은 크게 두 가지이다. 첫째, 식판을 가져오면 그 위의 음식들을 촬영하여 음식 부분의 ROI(Region of Interest, ROI) 이미지를 추출해낸다. 둘째, 미리 학습된 모델에 앞서 추출한 ROI 이미지를 입력하여 식판 위에 어떤 이미지들이 있는지 분석한다. 그 후 해당 음식과 가격을 GUI로 출력하여 사용자가 확인 후 결제할 수 있도록 한다.

• Annual Conference of KIPS
• /
• 2019.10a
• /
• pp.238-241
• /
• 2019

본 연구에서는 사회인들의 정해진 패턴을 IoT를 기반으로 AI 기술을 활용하여 Deep Learning 기술을 적용하여 행동패턴을 자동으로 시스템에 업로드 한다. 업로드된 데이터는 Deep Learnig 기술을 통해 유의미한 데이터를 추출하고 이를 각종 가전제품에 제공한다. 데이터의 정합도를 높이기 위해서 초기 데이터는 사용자가 입력한 정해진 생활 패턴을 바탕으로 하며 가우시안 분포를 따르는 난수를 생성하여 training data set으로 사용하여 실제 학습에 적용시켰다. 실생활에서 자동으로 데이터를 활용하기 위해서 IoT기기를 연결하여 AI 학습을 진행하였다. 사회인들은 이 시스템을 통해 집에 들어올 때와 집 밖에 외출할 때 댁내에 있는 편리한 서비스를 제공받을 수 있다.

• The Journal of Information Systems
• /
• v.28 no.1
• /
• pp.97-114
• /
• 2019

Purpose The purpose of this study is to deduct the factors for explaining the economic behavior of an Internet user who provides personal information notwithstanding the concern about an invasion of privacy based on the Information Privacy Calculus Theory and Communication Privacy Management Theory. Design/methodology/approach This study made a design of the research model by integrating the factors deducted from the computation theory of information privacy with the factors deducted from the management theory of communication privacy on the basis of the Dual-Process Theory. Findings According to the empirical analysis result, this study confirmed that the Privacy Concern about forms through the Perceived Privacy Risk derived from the Disposition to value Privacy. In addition, this study confirmed that the behavior of an Internet user involved in personal information offering occurs due to the Perceived Benefits contradicting the Privacy Concern.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.07a
• /
• pp.255-256
• /
• 2019

한글 폰트를 만드는 데는 자음+모음 조합으로 약 11,500자 정도의 글자가 필요하다. 디자이너가 글자 하나씩 전부 디자인 하는 것도 굉장한 부담요소이고, 한글폰트를 제작하는데 있어 3개월 이상의 소요 기간과 3000만 원 이상의 비용부담 또한 무시 못 할 요소이다. 게다가 카피라이트 폰트에 대한 저작권 문제 또한 골칫거리다. 그래서 이를 최소한으로 하고자 딥 러닝의 방식중 하나인 GAN(생성적 적대 신경망)을 통해서 디자이너가 399자만 작성하고 나머지는 컴퓨터가 디자이너의 폰트 디자인을 인식하고 자동으로 만들어 주는 프로그램을 고안하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.23-26
• /
• 2020

본 논문에서는 CCTV를 통해 얻은 영상에서 얼굴을 인식하여 자동으로 출석 여부를 체크하는 시스템을 소개한다. 이 시스템은 CNN을 바탕으로 RetinaFace 모델을 사용하여 얼굴을 탐지하고, 탐지된 얼굴을 ArcFace 모델로 R⁵¹²의 목표 공간으로 임베딩한다. 기존 데이터베이스에 등록된 얼굴과 CCTV를 통해 얻은 얼굴들의 임베딩 벡터 사이의 Angular Cosine Distance를 측정하여 동일 인물인지 판단하는 매칭 알고리즘을 제안한다. 실험을 통해 두 모델을 동시에 사용할 최적의 환경을 파악하고, 마스크 착용으로 얼굴의 하단부가 가려지는 폐색 문제에 더욱 효과적으로 대응하여 매칭 성능을 높이는 방법을 제안한다.

• Annual Conference of KIPS
• /
• 2024.10a
• /
• pp.867-868
• /
• 2024

도로의 노후화로 포트홀 발생 빈도가 늘어나고 그로 인해 발생하는 사고와 피해액 또한 수억 원대에 이르고 있다. 포트홀 문제를 해결하기 위해 AI 기술, 특히 Image Processing을 이용한 기술이 많이 사용되고 있다. 하지만 실시간으로 영상을 촬영하면서 포트홀을 감지하는 방식은 많은 데이터 처리량과 비용 문제로 인해 일반 운전자들이 쉽게 사용할 수 없다. 본 연구에서는 이러한 문제를 해결하기 위해 두 단계로 나누어 포트홀을 감지하는 방법을 제시한다. 첫 번째 단계에서는 도로 주행 시의 3축 기울기 변화량 값을 분석하여 포트홀임을 구분하고 해당 위치의 사진을 GPS 좌표와 함께 촬영 및 저장한다. 두 번째 단계에서는 촬영한 사진으로부터 OpenCV의 Yolov5를 이용하여 딥러닝을 통한 포트홀을 감지한다. 제안한 시스템으로 데이터 처리량을 줄이고 비용을 절감해 많은 운전자들에게 포트홀 안전 시스템을 보급화 할 수 있다.

• Journal of Korea Water Resources Association
• /
• v.56 no.10
• /
• pp.679-690
• /
• 2023

Leakage is one of the representative abnormal conditions in Water distribution systems (WDSs). Leakage can potentially occur and cause immediate economic and hydraulic damage upon occurrence. Therefore, leakage detection is essential, but WDSs are located underground, it is difficult. Moreover, when multiple leakage occurs, it is required to prioritize restoration according to the scale and location of the leakage, applying for an optimal restoration framework can be advantageous in terms of system resilience. In this study, various leakage scenarios were generated based on the WDSs hydraulic model, and leakage detection was carried out containing location and scale using a Deep learning-based model. Finally, the leakage location and scale obtained from the detection results were used as a factor for the priority of leakage restoration, and the results of the priority of leakage restoration were derived. The priority of leakage restoration considered not only hydraulic factors but also socio-economic factors (e.g., leakage scale, important facilities).

• Journal of the korean academy of Pediatric Dentistry
• /
• v.49 no.1
• /
• pp.85-94
• /
• 2022

This retrospective study aimed to evaluate the difference in measurement between conventional orthodontic analysis and artificial intelligence orthodontic analysis in pediatric and adolescent patients aged 7 - 15 with the mixed and permanent dentition. A total of 60 pediatric and adolescent patients (30 mixed dentition, 30 permanent dentition) who underwent lateral cephalometric radiograph for orthodontic diagnosis were randomly selected. Seventeen cephalometric landmarks were identified, and 22 measurements were calculated by 1 examiner, using both conventional analysis method and deep learning-based analysis method. Errors due to repeated measurements were assessed by Pearson's correlation coefficient. For the mixed dentition group and the permanent dentition group, respectively, a paired t-test was used to evaluate the difference between the 2 methods. The difference between the 2 methods for 8 measurements were statistically significant in mixed dentition group: APDI, SNA, SNB, Mandibular plane angle, LAFH (p < 0.001), Facial ratio (p = 0.001), U1 to SN (p = 0.012), and U1 to A-Pg (p = 0.021). In the permanent dentition group, 4 measurements showed a statistically significant difference between the 2 methods: ODI (p = 0.020), Wits appraisal (p = 0.025), Facial ratio (p = 0.026), and U1 to A-Pg (p = 0.001). Compared with the time-consuming conventional orthodontic analysis, the deep learning-based cephalometric system can be clinically acceptable in terms of reliability and validity. However, it is essential to understand the limitations of the deep learning-based programs for orthodontic analysis of pediatric and adolescent patients and use these programs with the proper assessment.

• Journal of Intelligence and Information Systems
• /
• v.28 no.3
• /
• pp.185-207
• /
• 2022

Recently, with the development of deep learning technology, researches to apply a deep learning algorithm to analyze unstructured data such as text and images are being actively conducted. Text classification has been studied for a long time in academia and industry, and various attempts are being performed to utilize data characteristics to improve classification performance. In particular, a hierarchical relationship of labels has been utilized for hierarchical classification. However, the top-down approach mainly used for hierarchical classification has a limitation that misclassification at a higher level blocks the opportunity for correct classification at a lower level. Therefore, in this study, we propose a methodology for classifying hierarchical data using the autoencoder-based deeply supervised network that high-level classification does not block the low-level classification while considering the hierarchical relationship of labels. The proposed methodology adds a main classifier that predicts a low-level label to the autoencoder's latent variable and an auxiliary classifier that predicts a high-level label to the hidden layer of the autoencoder. As a result of experiments on 22,512 academic papers to evaluate the performance of the proposed methodology, it was confirmed that the proposed model showed superior classification accuracy and F1-score compared to the traditional supervised autoencoder and DNN model.

• Journal of Aerospace System Engineering
• /
• v.16 no.5
• /
• pp.70-77
• /
• 2022

This paper proposes database generation and management system for small-pixelized airborne target recognition. The proposed system has five main features: 1) image extraction from in-flight test video frames, 2) automatic image archiving, 3) image data labeling and Meta data annotation, 4) virtual image data generation based on color channel convert conversion and seamless cloning and 5) HOG/LBP-based tiny-pixelized target augmented image data. The proposed framework is Python-based PyQt5 and has an interface that includes OpenCV. Using video files collected from flight tests, an image dataset for airborne target recognition on generates by using the proposed system and system input.