• Smart Media Journal
• /
• v.10 no.1
• /
• pp.55-62
• /
• 2021

We applied machine learning of semi-supervised learning, transfer learning, and federated learning as examples of AI use cases that can be applied to the three major industries(Automobile industry, Energy industry, and AI/Healthcare industry) of Gwangju Metro-city, and established an ML strategy for AI services for the major industries. Based on the ML strategy of AI service, practical approaches are suggested, the semi-supervised learning approach is used for automobile image recognition technology, and the transfer learning approach is used for diabetic retinopathy detection in the healthcare field. Finally, the case of the federated learning approach is to be used to predict electricity demand. These approaches were tested based on hardware such as single board computer Raspberry Pi, Jaetson Nano, and Intel i-7, and the validity of practical approaches was verified.

• Electronics and Telecommunications Trends
• /
• v.35 no.7
• /
• pp.23-35
• /
• 2020

In this paper, we introduce ETRI AI Strategy #3, "Leading Future Technologies of Network, Media, and Content." Its first goal is "to innovate AI service technology to overcome the current limitations of AI technologies." Artificial intelligence (AI) services, such as self-driving cars and robots, are combinations of computing, network, AI algorithms, and other technologies. To develop AI services, we need to develop different types of network, media coding, and content creation technologies. Moreover, AI technologies are adopted in ICT technologies. Self-planning and self-managing networks and automatic content creation technologies using AI are being developed. This paper introduces the two directions of ETRI's ICT technology development plan for AI: ICT for AI and ICT by AI. The area of ICT for AI has only recently begun to develop. ETRI, the ICT leader, hopes to have opportunities for leadership in the second wave of AI services.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.351-353
• /
• 2020

본 논문에서는 우리나라에 있는 탑들이 손실된 경우가 많은데 탑의 손실된 부분을 복원하기 위한 방법을 제안한다. 우리나라에 존재하는 탑들은 보존이 잘 돼있는 것보다 안 돼있는 것이 많다. 손실된 탑들을 이미지 객체로 인식시킬 시에 GAN, DCGAN, SDADE등의 알고리즘과 기존의 연구 결과들을 적용시켜 보다 효과적인 방법을 찾는 것을 제안한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.347-349
• /
• 2020

본 논문에서는 컴퓨팅 이미지 객체인식 시스템인 YOLO 성능 향상을 위한 효율적인 이미지 마킹 정책을 제안한다. 이 정책은 이미지 데이터를 통한 객체인식 학습 YOLO의 객체인식을 높이고 다른 객체와의 구분을 최대화하여 학습 모델의 성능을 높인다. YOLO의 성능을 최대화하기 위하여 YOLO의 학습을 몇 번 시킬 것인지 무엇을 객체로 인식시킬지 동적으로 할당한다. 이때 학습 싸이클에 따라 객체의 인식이 달라지며 어느 싸이클에서 가장 효율적인지, 왜 다른 객체를 같이 학습시켜야 하는지 중명한다. 본 논문에서는 YOLO의 싸이클과 다른 객체 학습에 있어서 최적의 객체인식 싸이클과 학습 성능 향상 면에서 우수함을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.615-617
• /
• 2022

본 논문에서는 얼굴사진 기반 감정인식 심층망, 음성사운드를 기반한 감정인식 심층망을 결합한 앙상블 네트워크 구축을 위한 사전연구로서 얼굴사진 기반 감정을 인식하는 기존 딥뉴럴 네트워크 모델들을 입력 데이터 처리 방법에 따라 분류하고, 각 방법의 특성을 분석한다. 또한, 얼굴사진 외관 특성을 기반한 감정인식 네트워크를 여러 구조로 구성하고, 구성된 방법의 성능을 비교하여, 우수 성능을 보이는 네트워크를 선정하여 추후 앙상블 네트워크의 구성 네트워크로 사용하고자 한다.

• Broadcasting and Media Magazine
• /
• v.23 no.1
• /
• pp.56-65
• /
• 2018

• It's Smart Media
• /
• v.5 no.1
• /
• pp.7-10
• /
• 2016

• Broadcasting and Media Magazine
• /
• v.26 no.1
• /
• pp.76-96
• /
• 2021

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.32-33
• /
• 2022

팬데믹이후 온라인 커뮤니케이션이 가속화되면서 개인화의 현상이 두드러지고 있는 가운데 도시의 정보시스템의 많은 부분들이 디지털 트윈으로 가고 있다. 때문에 오프라인의 사이니지 등은 이미 개인화에 익숙한 사용자에게 만족도나 낮고 이를 반영하여 다양화시키기에는 많은 예산이 소요되며 물리적 한계가 있다. 본 연구는 사용자 중심 프로세스의 기술 융합 연구를 통해 이러한 오프라인 정보 표기와 전달 등의 문제점을 해결하고자 하였다. 본 논문은 이러한 목적을 가지고 개인화 기반 도시 인포메이션 시스템의 물리적 사이니지와의 정보 데이터 간의 상호운용을 실현화하는 연구를 진행하였다. QR 코드 등 비쥬얼 코드-기반 기존의 인터랙션 기술들의 장점을 활용하고 AI 기반의 필터 시스템을 도입하여 도시 복합정보데이터와 개인데이터와의 연동 및 변별 시스템을 설계하여 AR서비스 환경을 디자인 하였다. 개인화 서비스를 위하여 'Personal Data'와 타사용자의 'Feedback Data를 기존의 클라우드 정보와 AI-Analytic-Process에 개입시켜서 개인화 기반의 서비스 시스템 모델로 개발하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• fall
• /
• pp.172-175
• /
• 2021

4차 산업혁명이 시작된 이래로 다양한 산업 분야에서 AI가 활용되고 있고, 그 중에서도 컴퓨터 비전 분야에서 딥러닝 기술이 각광받고 있다. 하지만 딥러닝 기술은 높은 전문 지식이 요구되어 관련 지식이 없는 일반인들은 활용하기 어렵다. 본 논문에서는 AI 관련 배경지식이 없는 사용자들도 UI를 통해 쉽게 이미지 분류 모델을 학습시킬 수 있는 노 코드 플랫폼에 관하여 기술하고, django 프레임워크를 이용해 웹 개발과 딥러닝 모델 학습을 통합 개발을 위한 아키텍처와 방향성을 제시하고자 한다. 사용자가 웹서버에 업로드한 이미지들을 웹 인터페이스를 통해 라벨링 하여 학습 데이터를 생성한 후, 이 데이터를 사용하여 모델을 학습시킨다. CNN 모델에 데이터를 학습시키는 과정과 생성된 모델 기반으로 이미지 예측하는 모듈을 통해 전문지식이 없는 사용자가 딥러닝 기술에 대해 쉽게 이해하고 이용하는 것을 기대할 수 있다.