• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.21 no.12
• /
• pp.320-330
• /
• 2020

Fire is difficult to achieve good performance in image detection using deep learning because of its high irregularity. In particular, there is little data on fire detection in underground utility facilities, which have poor light conditions and many objects similar to fire. These make fire detection challenging and cause low performance of deep learning models. Therefore, this study proposed a fire detection model using deep learning and estimated the performance of the model. The proposed model was designed using a combination of a basic convolutional neural network, Inception block of GoogleNet, and Skip connection of ResNet to optimize the deep learning model for fire detection under underground utility facilities. In addition, a training technique for the model was proposed. To examine the effectiveness of the method, the trained model was applied to fire images, which included fire and non-fire (which can be misunderstood as a fire) objects under the underground facilities or similar conditions, and results were analyzed. Metrics, such as precision and recall from deep learning models of other studies, were compared with those of the proposed model to estimate the model performance qualitatively. The results showed that the proposed model has high precision and recall for fire detection under low light intensity and both low erroneous and missing detection capabilities for things similar to fire.

• The Inventors News
• /
• no.34
• /
• pp.3-4
• /
• 2005

특허청, 공익변리사 특허상담센터 업무 개시 - 12지 띠동물을 소재로 한 상표, `눈에 띄네` - 특허청, 수수료 체계 개선과 함께 감면대상 확대 - 변리사 5급 특별채용 경력 요건 완화 된다 - 쌀, 영양 물질로 부가가치 입혀라! - 상표 이름에 `녹색` 바람 불고 있다 - 특허고객 콜 센터 Angel-call 서비스로 권리 수호 - 특허청, 현안과제 액션러닝으로 풀기로 결정 - 한국여성발명협회, `여성 발명 교육` 운영 - `짝퉁 싸이월드` 세계 각국에서 등장 - `05년 1/4분기 특허출원, 전년 대비 21.5$\%$ 급증

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.456-459
• /
• 2019

대화 행위는 단순한 발화 문장들의 교환을 넘어 발화자들의 다양한 주변 정보를 고려한 종합적인 판단의 결과로 볼 수 있다. 본 논문은 여섯 가지 유형의 외부 상황 정보를 기반으로 적응적 발언을 생성하는 딥러닝 기반 대화 모델을 소개한다. 직접 구축한 상황 정보들이 태깅된 대화 데이터를 바탕으로, 외부 상황 정보를 사용자 발화와 더불어 활용하는 다양한 구조의 신경망 구조를 가지는 모델과 더불어 외부 상황 정보를 사용하지 않는 모델과의 성능에 대해 비교한다. 실험 결과들은 대화 모델의 발화 생성에 있어서 상황 정보 활용의 중요성을 보여준다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.600-601
• /
• 2021

식품제조 현장에서 유연포장을 수행하기 위해, 로봇이 다양한 제품들을 파지하거나 이송하는 작업이 필수적이다. 본 논문에서는 전통장류 식품제조에서 다양한 종류와 무게를 조합하는 혼합포장을 위해 전통장류 물체 영역 인식과 종류 인식을 수행한다. 이를 위하여, 대표적인 전통장류에 대해 종류를 분류하고, RGB-D 데이터를 입력으로 물체 영역과 종류 인식을 수행하는 딥러닝 네트워크를 학습한다. 실험 결과를 통해, 물체 영역의 중심점을 기반으로 흡착 기반 파지점을 선정할 수 있음을 확인한다.

• Journal of Digital Convergence
• /
• v.17 no.10
• /
• pp.259-264
• /
• 2019

This paper proposes an image prediction system architecture for deep running in enterprise environment. Easily transform into an artificial intelligence platform for an enterprise environment, and allow sufficient deep-running services to be developed and modified even in Java-centric architectures to improve the shortcomings of Java-centric enterprise development because artificial intelligence platforms are concentrated in the pipeline. In addition, based on the proposed environment, we propose a more accurate prediction system in the deep running architecture environment that has been previously learned through image forecasting experiments. Experiments show 95.23% accuracy in the image example provided for deep running to be performed, and the proposed model shows 96.54% accuracy compared to other similar models.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2018.05a
• /
• pp.256-258
• /
• 2018

VTS 관제사의 선박모니터링 외 부가적인 업무 경감과 효율적인 선박교통 정보 관리를 위해 VTS 관제사 의사결정 지원프로그램 도입이 필요하며, 일부 VTS 센터에서는 이 장비를 도입하여 운영중이다. 본 논문에서는 VTS 관제사의 의견을 수렴하여 새로운 VTS 관제사 의사결정지원 프로그램을 개발하고자 한다. 개발한 프로그램의 주요 기능은 AIS 선박교통데이터, PORT-MIS 및 도선 정보를 연계하여 관제구역 내 선박 입항시 ETA 자동 계산, 선박 위험구역 진입 및 충돌위험시 경보, 선박입항 스케쥴 및 도선정보 표시 등 관련 정보 연계이다. 또한 VTS에서 수년간 수집되고 있는 선박교통 데이터의 딥러닝 학습을 통해 데이터기반의 선박교통밀도 및 선박목적지 예측 모델을 제안한다.

• Review of KIISC
• /
• v.29 no.3
• /
• pp.37-43
• /
• 2019

딥러닝을 비롯한 인공기능과 영상처리 분야의 접목은 기존 물리보안의 기술적 한계를 뛰어넘어 새로운 기회의 장을 마련하고 있다. 하지만 딥러닝 기반 영상분석 기술도 지능형 영상감시가 필요한 실제 현장에서는 다양한 환경의 제약사항으로 인해 성능이 저하될 가능성이 높다. 본 논문에서는 실제 CCTV 환경의 영상 데이터를 확보하여 신경망을 이용한 지속적인 학습을 통해 영상분석의 성능을 개선하는 클라우드 기반 지능형 영상보안 플랫폼을 소개한다. 클라우드 기반 지능형 영상보안 플랫폼은 지자체 통합관제센터에서 수집한 CCTV 영상을 학습 데이터로 활용하여, 현장에서 신뢰받을 수 있는 사람 검출, 사람/차량 재식별, 열악 차량번호판 탐지 등의 지능형 영상분석 서비스를 제공할 수 있다.

• Electronics and Telecommunications Trends
• /
• v.37 no.5
• /
• pp.22-32
• /
• 2022

Optical character recognition is a primary technology required in different fields, including digitizing archival documents, industrial automation, automatic driving, video analytics, medicine, and financial institution, among others. It was created in 1928 using pattern matching, but with the advent of artificial intelligence, it has since evolved into a high-performance character recognition technology. Recently, methods for detecting curved text and characters existing in a complicated background are being studied. Additionally, deep learning models are being developed in a way to recognize texts in various orientations and resolutions, perspective distortion, illumination reflection and partially occluded text, complex font characters, and special characters and artistic text among others. This report reviews the recent deep learning-based text detection and recognition methods and their various applications.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.372-372
• /
• 2020

사회가 다원화되고 발달하면서 생활환경과 행동양식에 따라 홍수 등의 수난(水難) 으로 인한 피해 정도와 양상은 크게 달라질 수 있으나, 수난으로 인한 체감 가능한 피해의 정도와 규모는 예측이 어려운 현실이다. 그리고, 최근 인터넷과 소셜 네트워크 서비스(SNS)의 급진적 발달은 재난 관리에 대중적 지식을 수집하여 활용하도록 촉진하고 있고, 이로 인해 재난 상황에서 '대중적인 정보가 기술자에 의해 어떻게 얼마나 신중하게 고려되어야 하는지와 어떻게 과학적으로 해석해야하는지'가 핵심 쟁점으로 부상하고 있다. 본 연구에서는 최근 널리 사용되는 인공지능 및 딥러닝 기법을 조사 분석하였다. 분석을 통해 수문 예측 분야에서 이러한 기술이 적용된 사례와 신기술을 조망해 보고 기존 기술이 인공지능 및 딥러닝 기법의 적용으로 대체 가능한 정도를 가늠해 보았다.

• The Journal of the Korea Contents Association
• /
• v.21 no.6
• /
• pp.701-715
• /
• 2021

The drastic advance of recent deep learning technologies is heavily dependent on training datasets which are essential to train models by themselves with less human efforts. In comparison with the work to design deep learning models, preparing datasets is a long haul; at the moment, in the domain of vision intelligent, datasets are still being made by handwork requiring a lot of time and efforts, where workers need to directly make labels on each image usually with GUI-based labeling tools. In this paper, we overview the current status of vision datasets focusing on what datasets are being shared and how they are prepared with various labeling tools. Particularly, in order to relieve the repetitive and tiring labeling work, we present an interactive smart image annotating system with which the annotation work can be transformed from the direct human-only manual labeling to a correction-after-checking by means of a support of automatic labeling. In an experiment, we show that automatic labeling can greatly improve the productivity of datasets especially reducing time and efforts to specify regions of objects found in images. Finally, we discuss critical issues that we faced in the experiment to our annotation system and describe future work to raise the productivity of image datasets creation for accelerating AI technology.