• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.37-38
• /
• 2023

본 논문에서는 딥러닝을 기반으로 하는 키포인트 인식 모델을 산업용 품질검사 머신비전에 응용하는 방법을 제안한다. 전이학습 방법을 이용하여 딥러닝 모델의 인식률을 높이는 방법을 제시하였고, 전이시킨 특성 추출 모델에 대해 추가로 데이터 세트에 대한 학습을 진행하는 것이 특성추출 모델의 초기 ImageNet 가중치를 동결시켜 학습하는 것보다 학습 속도나 정확도가 높다는 것을 보여준다. 실험을 통해 딥러닝을 응용하는 산업용 품질 검사 공정에는 특성추출 모델의 추가 학습이 중요하다는 점을 확인할 수 있었다.

• The Journal of the Convergence on Culture Technology
• /
• v.8 no.1
• /
• pp.409-415
• /
• 2022

In computer vision, an image of a measurement target is acquired using a camera. And feature values, vectors, and regions are detected by applying algorithms and library functions. The detected data is calculated and analyzed in various forms depending on the purpose of use. Computer vision is being used in various places, especially in the field of automatically recognizing automobile parts or measuring the quality. Computer vision is being used as the term machine vision in the industrial field, and it is connected with artificial intelligence to judge product quality or predict results. In this study, a vision system for judging the quality of automobile parts was built, and the results were compared by applying five machine learning classification models to the produced data.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.390-392
• /
• 2022

기계학습 분야에서 모델을 학습시키려면 많은 양의 데이터가 필요하다. 최근에는 컴퓨터 비전 분야에서 데이터가 적은 환경에서 모델을 학습하는 다양한 방법들이 소개되고 있다. 하지만 대부분의 방법을 사용하기 위해서는 어느 정도 최소한의 학습 데이터가 필요하기 때문에 극심하게 데이터가 부족한 환경에서는 사용하기 어렵다. 본 논문에서는 컴퓨터 비전 분야에서 기계학습을 사용할 때 극심하게 데이터가 부족한 환경에서 시뮬레이션 도구를 활용한 인조 데이터 생성 방법을 제안한다. 실험 결과를 통해 시뮬레이션 도구를 활용하여 생성한 인조 데이터로 학습한 모델이 실제 데이터만을 학습한 모델을 대체할 수 있음을 확인하였고, F-1 점수와 정확도가 향상함을 실험적으로 확인하였다.

• Journal of Practical Engineering Education
• /
• v.15 no.1
• /
• pp.31-38
• /
• 2023

In this paper, a basic machine learning model learning and utilization education curriculum for non-majors is proposed, and an education method using Orange machine learning model learning and analysis tools is proposed. Orange is an open-source machine learning and data visualization tool that can create machine learning models by learning data using visual widgets without complex programming. Orange is a platform that is widely used by non-major undergraduates to expert groups. In this paper, a basic machine learning model learning and utilization education curriculum and weekly practice contents for one semester are proposed. In addition, in order to demonstrate the reality of practice contents for machine learning model learning and utilization, we used the Orange tool to learn machine learning models from categorical data samples and numerical data samples, and utilized the models. Thus, use cases for predicting the outcome of the population were proposed. Finally, the educational satisfaction of this curriculum is surveyed and analyzed for non-majors.

• Proceedings of The KACE
• /
• 2018.08a
• /
• pp.121-124
• /
• 2018

본 논문에서는 비전공자 대상의 학습자 눈높이에서 흥미와 재미를 유발하고, 실제 비전공자의 컴퓨팅사고력(Computational Thinking)을 향상시키는데 콘텐츠에 따라 학생의 관심도가 달라질 수 있다는 분석결과를 보여준다. 기존의 SW교육 시스템(EPL: Education Programming Language)의 단점인 실행 중심의 SW교육 시스템에서 벗어나 실제 생활에서의 기초적인 컴퓨팅 사고 관련 예제로서 모델별 단계적 접근을 시도하면서, 실제 생활 속 컴퓨팅 사고력 기반의 문제해결력을 높일 수 있도록 피드백 방식이 비전공자 SW교육에 끼치는 영향력을 확인하였다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.14 no.4
• /
• pp.679-684
• /
• 2019

We propose a method to measure the number of specific species of class using CAFFE model and a method to measure length and width of object using stereo vision. To obtain the width of an object, the location coordinates of objects appearing on the left and right sensor is compared and the distance from the sensor to the object is obtained. Then the length of the object in the image by using the distance and the approximate value of the actual length of the object is calculated.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.69-70
• /
• 2021

본 논문은 PPM으로 관리되고 있는 자동차 부품 제조 공정에서 검사자의 육안검사 방법을 대체하기 위해 머신비전 및 CNN 기반 불량 검출 시스템으로 제안되었던 방식들의 단점을 개선하기 위하여 기존 머신 비전 기술에 합성곱 오토인코더 모델을 적용하여 단점을 해결하였다. 본 논문에서 제시한 오토인코더를 이용하는 방법은 정상 생산품의 이미지만으로 학습을 진행하고, 학습된 모델은 불량 부위가 포함된 이미지를 입력받아 정상 이미지로 출력한다. 이 방법을 사용하여 불량의 부위와 크기를 알 수 있었으며 불량 여부의 판단은 임계치에 의한 불량 부위의 화소 수 계산으로 판단하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2006.05a
• /
• pp.654-657
• /
• 2006

정보통신 기술의 고도화 융합화로 미래의 정보통신 기술 개발은 과거의 기술 자체의 분석을 통한 필요한 기술 개발보다는, 미래사회의 비전 제시 및 사용자의 요구사항을 충족시키기 위한 기술을 개발함으로써 개발 결과가 활용될 가능성과 시장에서의 가치를 높일 필요성이 대두되고 있다. 또한, 앞으로 새로운 미래의 정보통신 시스템은 운영자와 사용자가 서비스로부터 기대하는 바와 경제적인 관점을 최대한 조화시킬 수 있는 충분한 유연성을 갖추어야 할 것이다. 본 논문을 아직 국내에서 초보단계에 있는 비전 연구에 대한 방향을 제시하고자, 선진국 및 국제 포럼의 비전 연구의 사례 연구를 통하여 기존 메가트랜드 방법과 접목된 새로운 시나리오 및 비즈니스 모델에 기반한 비전 연구 방법론을 제시하였다. 향후 합리적인 비전 연구방법 정립을 위하여 지속적으로 국내 비전 연구결과에 대한 평가를 반복적으로 실시하여 우리 현실에 맞는 방법론을 정립하고, 국제 공동 연구를 병행하여 국제적인 신뢰성을 높여야 한다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.22 no.2
• /
• pp.20-25
• /
• 2021

The target-object classification method was implemented using a deep-learning-based detection model in real-time images. The object detection model was a deep-learning-based detection model that allowed extensive data collection and machine learning processes to classify similar target-objects. The recognition model was implemented by changing the processing structure of the detection model and combining developed the vision-processing module. To classify the target-objects, the identity and similarity were defined and applied to the detection model. The use of the recognition model in industry was also considered by verifying the effectiveness of the recognition model using the real-time images of an actual soccer game. The detection model and the newly constructed recognition model were compared and verified using real-time images. Furthermore, research was conducted to optimize the recognition model in a real-time environment.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.546-548
• /
• 2022

최근 컴퓨터 비전 분야에서 Transformer를 도입한 연구가 활발히 연구되고 있다. 이 모델들은 Transformer의 구조를 거의 그대로 사용하기 때문에 확장성이 좋으며 large 스케일 학습에서 매우 우수한 성능을 보여주었다. 하지만 Transformer를 적용한 비전 모델은 inductive bias의 부족으로 학습 시 많은 데이터와 시간을 필요로 하였다. 그로 인하여 현재 많은 Vision Transformer 개선 모델들이 연구되고 있다. 본 논문에서도 Vision Transformer의 문제점을 개선한 Clustering CoaT 모델을 제안한다.