• 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.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.37 no.3
• /
• pp.163-171
• /
• 2024

Structural health monitoring for ships and offshore structures is important in various aspects. Ships and offshore structures are continuously exposed to various environmental conditions, such as waves, wind, and currents. In the event of an accident, immense economic losses, environmental pollution, and safety problems can occur, so it is necessary to detect structural damage or defects early. In this study, structural response data of multi-linked floating offshore structures under various wave load conditions was calculated by performing fluid-structure coupled analysis. Furthermore, the order reduction method with distortion base mode was applied to the structures for predicting the structural response by using the results of numerical analysis. The distortion base mode order reduction method can predict the structural response of a desired area with high accuracy, but prediction performance is affected by sensor arrangement. Optimization based on a genetic algorithm was performed to search for optimal sensor arrangement and improve the prediction performance of the distortion base mode-based reduced-order model. Consequently, a sensor arrangement that predicted the structural response with an error of about 84.0% less than the initial sensor arrangement was derived based on the root mean squared error, which is a prediction performance evaluation index. The computational cost was reduced by about 8 times compared to evaluating the prediction performance of reduced-order models for a total of 43,758 sensor arrangement combinations. and the expected performance was overturned to approximately 84.0% based on sensor placement, including the largest square root error.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.10 no.6
• /
• pp.23-29
• /
• 2010

Nowadays it is required to design intelligent visual surveillance systems which automatically detect abandoned objects in public places to strengthen the social safety. Already recognized abandoned objects can be occluded partially or fully by surrounding people in public places after the first recognition. To improve an essential recognition performance index PAT, the system should overcome the occlusion problems. In this research, a design scheme is newly proposed to construct the robust detection system which is comprised of multiple stages considering the occlusion problem. To show the feasibilities of the proposed system, the evaluation was tried for the prepared image streams including 6 various situations and the experimental results show 96% and 75% in PAT performance for intrusion and abandoning events, respectively. Finally in spite of full occlusions by multiple persons, the proposed system shows the capability to continuously recognize the abandoned object after complex occlusions disappear.

• Bulletin of the Korean Space Science Society
• /
• 2003.10a
• /
• pp.57-57
• /
• 2003

우리별 3호는 1996년 5월 26일 발사하여 2002년 12월까지 수명 초과에 따른 성능 하락으로 임무 수행을 마칠 때까지 설계 예상 수명 3년을 초과하여 약 3년 7개월 동안 운용되었다. 인공위성은 운용 되는 동안 종종 예측하지 못한 이상현상을 겪는다. 이러한 이상현상은 인공위성의 임무 수행을 일시적으로 중지시키며 심지어는 인공위성의 작동을 완전히 불가능하게 만들기도 한다. 이러한 이상현상 발생은 매년 수백 건씩 기록되고 있으며 인공위성 시스템이 복잡해짐에 따라 더욱 증가하고 있는 실정이다. 인공위성에서 발생하는 이상현상은 다양한 원인에 기인하며 시스템 설계 오류, 제작 오류, 운용 오류, 우주환경이 끼치는 영향 등이 있다. 우리별 3호 또한 운용 동안 발생한 이상현상으로 임무를 제한적으로 수행하기도 하였다. 인공위성에서 발생한 이상현상을 분석 및 해결함으로서 임무수행을 원활히 할 수 있을 뿐만 아니라 더 나아가서 분석 경험과 축적된 자료를 통해서 이상현상을 예측 및 대비할 수 있고 위성의 성능과 수명 평가의 지표로 삼을 수 있으며 위성의 문제점을 보완하여 향 후 향상된 위성을 개발하는데 기여할 수 있다. 본 연구에서는 궤도상에서 발생한 이상현상을 각 서브시스템 별로 임무 수행에 끼치는 영향, 위성체에 미치는 영향, 발생원인, 이상현상 종류, 처리 방법으로 분류하여 살펴보았고 그 분석 결과를 과학위성 1호 개발 시 문제점 보완에 적용한 사항에 대하여 살펴보았다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.47 no.5
• /
• pp.145-152
• /
• 2010

This paper presents a digital auto-focusing algorithm using iterative unsharp mask filter. The proposed digital auto-focusing algorithm has the advantage of low computational complexity because it uses a simple filter instead of calculating the point spread function for the estimation of image degradation. The proposed iterative algorithm can control the number of iterations for image restoration according to the objective and the subjective criterion. We show that the proposed algorithm is mathematically equivalent to the conventional image restoration. Finally, in order to evaluate the performance of the proposed algorithm, various experiments are performed so that the proposed algorithm can provide good results in the sense of subjective and objective views.

• Annual Conference on Human and Language Technology
• /
• 2011.10a
• /
• pp.143-147
• /
• 2011

본 논문에서는 한국어로 입력된 문장을 분석한 결과로부터 그에 해당하는 영어 대역문을 생성하는 과정에서, 어떻게 한국어의 보조용언을 영어 대역문에 반영 할 것인가를 다룬다. 특히 대화체 분야를 다루는 한영 자동번역 시스템에서는 한국어의 보조용언 생성이 대역문의 품질을 향상시키는데 중요한 위치를 차지하기 때문에, 한영 자동 번역에서의 자연스러운 영어 보조용언 생성을 위한 방법론을 제안한다. 첫째, 기존 패턴 기반 한영 자동 번역 엔진과 한국어 말뭉치를 형태소 분석한 결과를 살펴보고, 자연스러운 보조 용언 대역어 생성의 어려움을 살펴본다. 둘째, 자연스러운 보조용언 생성에 필요한 양상을 규칙화 한 지식을 기반으로 자연스러운 단일 보조용언 생성을 위한 방법을 제시한다. 셋째, 두 개 이상의 보조용언이 연속해서 나타나는 다중 보조용언의 생성 방법을 제시한다. 마지막으로, 실험과 결론을 통하여 본 논문이 제안하는 방법론을 사용했을 때, 자동 번역 엔진의 성능 평가 지표 중 하나인 BLEU와 NIST점수의 변화를 나타내봄으로 그 성능을 보인다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.171-171
• /
• 2016

최근 도시화가 진행되면서 지표의 불투수화가 급격하게 진행되고 강우의 지표면 유출량이 급격하게 증가하여, 강수 시 첨두유출 시간이 감소하고 단기간 집중유출이 증대되어 폭우로 인한 도시 홍수등이 발생하고 있다. 이러한 현상에 효과적으로 적응하기 위해 환경적으로 지속가능한 도시 개발을 위한 그린인프라(GI, Green Infrastructure) 및 저영향개발기법(LID, Low Impact Developpment)이 국내에 도입되고 있다. 하지만 아직까지 투수성 포장의 물순환 성능 평가 및 설계 방법에 대한 기준이 명확하지 않으며, 많은 경우 투수성 포장의 적용은 유출저감효과에 대한 정량적 해석 없이 적용되고 있는 실정이다. 이에 본 연구에서는 경남 양산시 부산대학교 제 2 캠퍼스에 있는 "한국형 GI&LID 실증실험단지"에 투수 도로형 실증실험시설을 구축하였다. 실험 시설은 불투수 아스팔트와 투수 아스팔트, 불투수 콘크리트와 투수 콘크리트 비교실험 할 수 있으며 도로표면 유출수 및 침투수에 대한 유량 및 수질 측정 모니터링을 통해 침투효과 및 특성을 분석할 수 있으며 차후 투수성 포장의 클로깅 현상으로 인한 투수성능의 감소 등 여러 가지 실험을 할 수 있을 것이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.432-435
• /
• 2022

최근 IT 산업의 지속적인 발전으로 사용자들을 위협하는 악성코드, 피싱, 랜섬웨어와 같은 사이버 공격 또한 계속해서 발전하고 더 지능화되고 있으며 변종 악성코드도 기하급수적으로 늘어나고 있다. 지금까지의 시그니처 패턴 기반의 탐지법으로는 이러한 방대한 양의 알려지지 않은 악성코드를 탐지할 수 없다. 따라서 CNN(Convolutional Neural Network)을 활용하여 악성코드를 탐지하는 기법들이 제안되고 있다. 이에 본 논문에서는 CNN 모델 중 낮은 인식 오류율을 지닌 모델을 선정하여 정확도(Accuracy)와 F1-score 평가 지표를 통해 비교하고자 한다. 두 가지의 악성코드 이미지화 방법을 사용하였으며, 2015 년 이후 ILSVRC 에서 우승을 차지한 모델들과, 추가로 2019 년에 발표된 EfficientNet 을 사용하여 악성코드 이미지를 분류하였다. 그 결과 2 바이트를 한 쌍의 좌표로 변환하여 생성한 256 * 256 크기의 악성코드 이미지를 ResNet-152 모델을 이용해 분류하는 것이 우수한 성능을 보임을 실험적으로 확인하였다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.133-138
• /
• 2021

최근 다양한 분야에서 자동 고객 응대 시스템을 도입하고 있으며 이에 따른 대화형 질의응답 시스템 연구의 필요성이 증가하고 있다. 본 논문에서는 새로운 도메인의 대화형 질의응답 시스템 구축에 필요한 말뭉치를 자동으로 생성하는 대화형 질의-응답 생성 시스템을 소개한다. 또한 이전 대화 내용을 고려하여 문서로부터 사용자의 다음 질문 대상이 될만한 응답 후보를 추출하는 맥락 관련 응답 추출 과제와 이에 대한 성능 평가 지표인 Sequential F1 점수를 함께 제안한다. 대화형 질의응답 말뭉치인 CoQA에 대해 응답 후보 추출 실험을 진행한 결과 기존의 응답 추출 모델보다 우리의 맥락 관련 응답 추출 모델이 Sequential F1 점수에서 31.1 높은 성능을 보였다. 또한 맥락 관련 응답 추출 모듈과 기존에 연구된 대화형 질의 생성 모듈을 결합하여 개발한 대화형 질의-응답 생성 시스템을 통해 374,260 쌍의 질의-응답으로 구성된 대화형 질의응답 말뭉치를 구축하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.23-26
• /
• 2023

본 논문에서는 서술형 수학 문제 풀이 모델의 숫자 대소관계 파악을 위한 명시적 자질추출방식 Explicit Feature Extraction(EFE) Reasoner 모델을 제안한다. 서술형 수학 문제는 자연현상이나 일상에서 벌어지는 사건을 수학적으로 기술한 문제이다. 서술형 수학 문제 풀이를 위해서는 인공지능 모델이 문장에 함축된 논리를 파악하여 수식 또는 답을 도출해야 한다. 때문에 서술형 수학 문제 데이터셋은 인공지능 모델의 언어 이해 및 추론 능력을 평가하는 지표로 활용되고 있다. 기존 연구에서는 문제를 이해할 때 숫자의 대소관계를 파악하지 않고 문제에 등장하는 변수의 논리적인 관계만을 사용하여 수식을 도출한다는 한계점이 존재했다. 본 논문에서는 자연어 이해계열 모델 중 SVAMP 데이터셋에서 가장 높은 성능을 내고 있는 Deductive-Reasoner 모델에 숫자의 대소관계를 파악할 수 있는 방법론인 EFE 를 적용했을 때 RoBERTa-base 에서 1.1%, RoBERTa-large 에서 2.8%의 성능 향상을 얻었다. 이 결과를 통해 자연어 이해 모델이 숫자의 대소관계를 이해하는 것이 정답률 향상에 기여할 수 있음을 확인한다.