• 항공우주시스템공학회지
• /
• 제13권3호
• /
• pp.78-86
• /
• 2019

본 연구에서는 전개성능을 고려한 대형 전개형 SAR 안테나의 회전스프링 힌지의 강성 최적설계에 대해 기술한다. 대형 전개형 SAR 안테나는 발사환경에서는 접혀 있다가 궤도에서 임무를 수행할 때 펼치게 된다. 이러한 조건에서 여러 장으로 구성된 안테나 패널을 주어진 시간 내에 최소의 충격으로 전개할 수 있도록 회전스프링 힌지의 적절한 강성을 찾는 것은 매우 중요하다. 회전스프링 강성이 강하면 완전 전개시점에서 발생하는 큰 충격하중이 구조체에 손상을 주며, 약하면 전개 저항으로 인해 완전전개를 보장할 수 없기 때문이다. 이러한 문제를 해결하기 위해서 RecurDyn을 이용한 다물체동역학 해석모델을 생성하였으며 전개해석을 통해 전개성능(전개시간 전개충격하중)을 도출하였다 최적의 회전스프링 강성을 찾기 위해 이에 따른 전개성능을 반응표면법을 통해 근사화 시켰으며 최적설계를 수행하여 적절한 회전스프링의 강성 값을 도출하였다.

• 인터넷정보학회논문지
• /
• 제19권6호
• /
• pp.91-99
• /
• 2018

스케치 기반 3차원 물체 검색은 다양한 3차원 물체를 사람이 손으로 그린 스케치를 질의(query)로 사용하여 물체를 편리하게 검색하는 방법이다. 본 논문에서는 스케치 기반 3차원 물체 검색을 위해 스케치 CNN(Convolutional Neural Network)과 Wasserstein CNN 모델에 Wasserstein Center 손실을 적용하여 물체의 검색 성공률을 향상시키는 새로운 방법을 제안한다. 제안된 Wasserstein Center 손실이란 각 물체의 클래스(category)의 중심을 학습하고, 동일한 클래스의 특징과 중심 간의 Wasserstein 거리가 작아지도록 만드는 방법이다. 이를 위하여 제안된 3차원 물체 검색은 다음의 단계로 수행된다. 첫 번째로, 3차원 물체의 특징은 3차원 물체를 여러 방향에서 촬영된 2차원 영상의 특징을 CNN을 이용하여 추출하고, 각 영상 특징의 Wasserstein 중심을 계산한다. 두 번째로, 스케치의 특징은 별도의 스케치 CNN을 이용하여 추출하였다. 마지막으로, 추출한 3차원 물체의 특징과 스케치의 특징을 본 논문에서 제안한 Wasserstein Center 손실을 이용하여 학습하고 스케치 기반의 3차원 물체 검색에 적용하였다. 본 논문에서 제안한 방법의 우수성을 입증하기 위하여 SHREC 13과 SHREC 14의 두 가지 벤치마크 데이터 집합을 이용하여 평가하였으며, 제안된 방법이 기존의 스케치 기반 검색방법들과 비교하여 모든 측정 기준에서 우수한 결과를 나타냄을 확인할 수 있었다.

• 한국차세대컴퓨팅학회논문지
• /
• 제14권5호
• /
• pp.31-39
• /
• 2018

최근 딥러닝을 기반으로 사용자의 손 제스처를 인식하여 가상현실 환경에서 사용자 친화적 인터페이스를 제공하기 위한 연구가 활발히 진행되고 있다. 그러나 대부분 연구들은 손 정보를 얻기 위하여 별도 센서를 사용하거나 효율적인 학습을 위하여 전처리 과정을 거친다. 또한 조명의 변화나 손 일부가 가려지는 등과 같은 외부환경의 변화를 고려하지 못하고 있다. 본 논문은 일반 웹캠에서 얻어진 RGB 영상에서 별도의 전처리 과정없이 외부 환경에 강인한 딥러닝 기반 손 제스처 인식 방법을 제안한다. 딥러닝 모델로 VGGNet과 GoogLeNet 구조를 개선하고, 각 구조의 성능을 비교한다. 조명이 어둡거나 손 일부가 가려지거나 시야에서 일부 벗어난 손 영상들이 포함된 데이터로 실험한 결과 본 연구에서 제시한 VGGNet과 GoogLeNet 구조는 각각 93.88%와 93.75%의 인식률을 보였고 메모리와 속도 측면에서 GoogLeNet이 VGGNet 보다 메모리를 약 3배 적게 사용하면서 처리속도는 10배 이상 우수함을 알 수 있었다. 본 연구의 결과는 실시간 처리가 가능하여 가상현실 환경에서 게임, 교육, 의료 등 다양한 분야에서 손 제스처 인터페이스로 활용될 수 있다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제24권5호
• /
• pp.119-125
• /
• 2020

에폭시 계열의 합성수지와 골재를 혼합함으로써 진동저감 성능을 크게 증가시킨 고감쇠 콘크리트에 대한 연구가 활발히 진행되고 있는데, 이러한 폴리머 혼입 고감쇠 콘크리트는 배합 시, 시멘트와 물을 사용하지 않으므로, 일반 콘크리트에 비해 경화시간이 매우 짧고, 물리적 특성 및 동특성 등이 매우 우수하여, 층간소음 및 진동 저감이 요구되는 건축구조물에의 폭넓은 활용이 기대되고 있다. 한편, 폴리머 혼입 고감쇠 콘크리트의 활용성을 넓히기 위한 방안으로, 보강재 분야에 대한 연구가 다양하게 진행되어 왔으나, 폴리머 콘크리트가 일반 콘크리트 및 기존 방진보강재를 완전히 대체하기 위해서는 물리적 특성, 동적 물성, 생산성 및 현장 적용성 등을 고려하여 진동저감 성능에 대한 전반적인 검토가 필요한 실정이다. 본 연구에서는 폴리머 콘크리트의 에폭시 혼입비율별 물리적, 동적 특성을 일반 콘크리트와 비교한 결과, 탄성계수는 비슷한 반면, 압축, 인장, 휨강도가 상당히 우수한 결과를 보였으며, 특히 인장강도는 4~10배 이상 큰 차이를 보였으며, 주파수 응답함수와 감쇠비를 Modal 시험과 유한요소해석 모델을 통해 도출하여 검토한 결과, 폴리머 콘크리트의 동적 강성이 일반 콘크리트 보다 20% 크게 나타났고, 감쇠비는 약 3배 정도 높은 것으로 나타났다.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1407-1419
• /
• 2020

지구환경 변화를 파악하는 데 있어서는 장기 시계열의 격자자료가 필수적이며, 기후 재분석장과 위성자료는 대기 및 지표면 변수에 대하여 전 지구 규모에서 주기적이고 정량적인 정보로 활용되고 있다. 본 연구에서는 위성자료의 결측 문제를 해결하기 위한 방안으로 DCT-PLS (penalized least square regression based on discrete cosine transform) 기반의 결측복원 기법을 서로 다른 특성을 가진 복수의 격자자료에 적용하고, 정량적인 검증을 통하여 그 활용성을 평가하였다. 원본 자료와의 객관적인 비교를 위하여 결측이 없는 LDAPS (Local Data Assimilation and Prediction System) 모델로부터 상대습도, 풍속 일자료를 추출하고, MODIS (Moderate Resolution Imaging Spectroradiometer)의 월간 합성 LST (land surface temperature), NDVI (normalized difference vegetation index) 영상을 사용하여, 임의로 생성된 결측 블록이 원본에 매우 가깝게 복원됨을 확인하였고, 4가지 변수 모두에서 상관계수 0.95 이상의 일치도를 나타내었다. DCT-PLS 기반 결측복원 기법은 별도의 보조자료를 필요로 하지 않고, 필요시 시간 및 공간 정보를 모두 활용할 수 있으며, 처리속도가 비교적 빠르기 때문에 현업시스템에 사용될 수 있을 것으로 사료된다.

• 한국해안·해양공학회논문집
• /
• 제33권3호
• /
• pp.101-109
• /
• 2021

항해용 X-band 레이다를 이용한 파랑관측은 해수면에 후방산란 된 전자기파 이미지를 분석하여 이루어진다. 1분당 42개의 해수면 시계열 이미지로부터 3차원 FFT를 계산하고 변조전달함수(Modulation Transfer Function)를 구하여 파랑정보를 추출한다. 따라서 레이다 파고계로 계측한 유의파고의 정확도는 X-band 레이다 영상의 상태에 따라 결정된다. 2020년 여름 태풍 마이삭과 하이선 내습 시 강릉 안인 해안에 설치된 X-band 레이다 파고계로 관측한 유의파고의 오차가 크게 발생하였다. 이는 태풍 내습 시 급격히 유의파고가 증가하는 한편 강한 강우가 동반되어 X-band 레이다 영상의 품질이 저하되었기 때문이다. 최대 오차 발생 이전까지 많은 강우가 있었음이 확인된다. 본 연구에서는 convolution neural network(CNN)을 이용하여 레이다 이미지로부터 강우 여부를 분류하고 강우여부에 따라 강우시 인공신경망 모델을 적용하여 태풍 시 유의파고 관측 정확도를 향상시켰다. 폭우를 동반한 태풍 시 레이다 자료 특성에 기반하여 인공신경망 유의파고 산출 알고리즘을 개선하고 이를 통해 X-band 레이다 파고계의 정확도를 향상시키는 방법을 제시하였다.

• 재활치료과학
• /
• 제10권3호
• /
• pp.7-22
• /
• 2021

목적 : 본 연구에서는 뇌졸중 환자의 손상된 인지기능 회복을 위한 가상현실 중재의 효과를 체계적인 문헌고찰과 메타분석을 통하여 검증하고자 하였다. 연구방법 : 체계적 문헌고찰을 위하여 최근 10년 동안의 국내·외 무작위 대조 임상시험 연구들을 대상으로 조사하였다. 검색을 위한 학술 데이터베이스로는, 영어로 작성된 연구의 검색을 위해 PubMed와 MEDLINE, CINAHL을 사용하였고, 국문으로 작성된 연구의 검색을 위해서는 DBpia와 한국학술정보, 스콜라 학지사·교보문고, 학술교육원을 사용하였다. 정보의 추출은 PICO 방식으로 시행하였다. 계량적 메타분석을 위하여, 결과변인의 하위그룹을 전반적인 인지기능, 집중력과 기억력, 실행기능으로 분류하여 결과변인을 합성하였다. 결과 : 최종 9편의 무작위 대조 임상시험이 선정되었고, 참여대상자의 총인원은 실험군이 140명, 대조군이 131명이었다. 효과크기는 랜덤효과모델로 산출하였다. 하위그룹들에 대한 가상현실 중재의 효과크기는 전반적인 인지기능이 0.422(95% CI: 0.101~0.742; p=0.010)로 중간효과크기에 가까웠고, 집중력과 기억력이 0.249(95% CI: -0.107~0.605; p=0.170)로 작은효과크기, 실행기능은 0.666(95% CI: 0.136~1.195; p=0.014)으로 중간효과크기를 나타내었다. 결론 : 가상현실 환경의 다양한 자극과 본 연구의 결과를 고려할 때, 가상현실 중재는 통합적인 인지기능에 대한 중재에 적용되어야 할 것이다. 또한 전통적인 뇌졸중 인지재활 중재와 더불어 추가적인 중재로 활용되는 것이 적절할 것이다.

• 방송공학회논문지
• /
• 제27권2호
• /
• pp.216-227
• /
• 2022

MPEG-I (Immersive) 그룹에서는 6자유도(DoF: degrees of freedom)를 제공하는 몰입형 비디오의 표준화 프로젝트를 진행 중에 있다. MPEG Immersive Video (MIV) 표준화 기술에서는 사용자에게 움직임 시차(parallax)를 제공하기 위해 취득한 다수의 영상을 깊이 맵 기반 이미지 렌더링(depth map-based image rendering, DIBR)을 바탕으로 임의의 사용자 시점의 뷰를 렌더링하게 된다. 현재 MIV에서는 효율적인 부호화를 위한 기술들이 많이 논의된 바 있지만, 전송 측면에 대해서는 여전히 논의가 필요하다. 본 논문은 사용자 시점에 적응적인 몰입형 비디오 스트리밍을 위한 품질 할당 기법을 제안한다. 현재 MIV에서 지원하고 있는 그룹 분할 기법을 통하여 독립적으로 전송, 복원이 가능한 시점 그룹 단위를 생성하여 이를 사용자 시점에 기반한 품질 할당 기법을 통해 효율적인 전송이 가능하도록 한다. 제안하는 적응적 전송 기법은 Test Model for Immersive Video (TMIV) 시험모델을 통해 구현되었으며, 주어진 합성 시점 위치에 따라 렌더링 과정에서의 기여도를 그룹별로 계산하고 우선 시점 그룹을 판단하여 고품질로 전송한다. 사용자 시점에 대한 렌더링 비교 결과를 통해 제안하는 기법이 기존 TMIV 대비 PSNR 지표에서 평균 17.0%, IV-PSNR 지표에서 14.6%의 BD-rate 감소율을 보여 효율적인 전송이 가능함을 보였다.

• 방송공학회논문지
• /
• 제26권4호
• /
• pp.429-440
• /
• 2021

최근 심층 합성 곱 신경망 학습의 발전에 따라 단일 이미지 초해상도에 적용되는 심층 학습 기법들은 좋은 성과를 보여주고 있다. 현존하는 딥러닝 기반 초해상도 기법들 중 하나로 잔여 밀집 블록을 이용하여 초기의 특징 정보를 마지막 계층에 전달하여 이후의 계층들이 이전의 계층들의 입력정보를 사용하여 복원하는 RDN(Residual Dense Network)이 있다. 하지만 계층적인 모든 특징을 연결하여 학습하고 다수의 잔여 밀집 블록을 쌓게 되면 좋은 성능에도 불구하고 많은 파라미터의 수와 연산량을 가지게 되어 느린 처리 속도와 네트워크를 학습하는데 많은 시간이 소요되고 모바일 시스템에 적용이 어렵다는 단점을 가지고 있다. 본 논문에서는 이전의 정보를 다시 사용하는 연속 메모리 구조인 잔여 밀집 구조와 이미지의 특징맵에 따라 중요도를 결정해주는 채널 집중 기법을 이용한 잔여밀집 채널 집중 블록을 재귀적인 방식으로 사용하여 추가적인 파라미터 없이 네트워크의 깊이를 늘려 큰 수용 영역을 얻으며 동시에 간결한 모델을 유지할 수 있는 방식을 제안한다. 실험 결과 제안하는 네트워크는 RDN과 비교 하였을 때 4배 확대 배율에서 평균적으로 PSNR 0.205dB만큼 낮지만 약 1.8배 더 빠른 처리속도, 약 10배 더 적은 파라미터의 수와 약 1.74배 더 적은 연산량을 갖는 것을 실험을 통해 확인하였다.

• 한국방사선학회논문지
• /
• 제16권4호
• /
• pp.453-462
• /
• 2022

본 논문에서는 의료 영상 분석 분야에서 이용되고 있는 AI(Artificial Intelligence)기술을 문헌 검토를 통해 분석하였다. 문헌 검색은 중심어(keyword)를 사용하여 PubMed, ResearchGate, Google 및 Cochrane Review의 문헌 검색을 수행했다. 문헌 검색을 통해 114개의 초록을 검색하였고 그 중 16개의 중복된 것을 제외하고 98개의 초록을 검토했다. 검토된 문헌에서 AI가 응용되고 있는 분야는 분류(Classification), 국소화(Localization), 질병의 탐지(Detection), 질병의 분할(Segmentation), 합성 영상의 적합도(Fit degree) 등으로 나타났다. 기계학습(ML: Machine Learning)을 위한 모델은 특징 추출을 한 후 신경망의 네트워크에 특징 값을 입력하는 방식은 지양되는 것으로 나타났다. 그 대신에 신경망의 은닉층을 여러 개로 하는 심층학습(DL: Deep Learning) 방식으로 변화되고 있는 것으로 나타났다. 그 이유는 컴퓨터의 메모리 량의 증가와 계산속도의 향상, 빅 데이터의 구축 등으로 특징 추출을 DL 과정에서 처리하는 것으로 사료된다. AI를 이용한 의료영상의 분석을 의료에 적용하기 위해서는 의사의 역할이 중요하다. 의사는 AI 알고리즘의 예측을 해석하고 분석할 수 있어야 한다. 이러한 이해를 위해서는 현재 의사를 위한 추가 의학 교육 및 전문성 개발과 의대에 재학 중인 학습자를 위한 개정된 커리큘럼이 필요해 보인다.