• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.21 no.1
• /
• pp.195-200
• /
• 2021

With the development of transportation and mobiles demand for tourism travel is increasing and related industries are also developing significantly. The combination of augmented reality and tourism contents one of the areas of digital media technology, is also actively being studied, and artificial intelligence is already combined with the tourism industry in various directions, enriching tourists' travel experiences. In this paper, we propose a system that scans miniature models produced by reducing tourist areas, finds the relevant tourist sites based on models learned using deep learning in advance, and provides relevant information and 3D models as AR services. Because model learning and object detection are carried out using YOLOv3 neural networks, one of various deep learning neural networks, object detection can be performed at a fast rate to provide real-time service.

• Smart Media Journal
• /
• v.11 no.11
• /
• pp.92-98
• /
• 2022

Identifying defects in textiles is a key procedure for quality control. This study attempted to create a model that detects defects by analyzing the images of the fabrics. The models used in the study were deep learning-based VGGNet and ResNet, and the defect detection performance of the two models was compared and evaluated. The accuracy of the VGGNet and the ResNet model was 0.859 and 0.893, respectively, which showed the higher accuracy of the ResNet. In addition, the region of attention of the model was derived by using the Grad-CAM algorithm, an eXplainable Artificial Intelligence (XAI) technique, to find out the location of the region that the deep learning model recognized as a defect in the fabric image. As a result, it was confirmed that the region recognized by the deep learning model as a defect in the fabric was actually defective even with the naked eyes. The results of this study are expected to reduce the time and cost incurred in the fabric production process by utilizing deep learning-based artificial intelligence in the defect detection of the textile industry.

• The Journal of the Convergence on Culture Technology
• /
• v.9 no.3
• /
• pp.663-668
• /
• 2023

This paper describes a mobile application that can recognize and identify cats residing on a university campus using the Google's machine learning platform, 'Teachable Machine'. Machine learning, one of the core technologies of the Fourth Industrial Revolution, performs an efficient task of finding optimal results through data learning. Therefore, the model is learned and generated using the platform based on machine learning, and then implemented as an application for smartphones, so that cats can be identified simply and efficiently. In this application, if you take a picture of a cat directly on the spot or call it from the gallery, the cat is identified and information about the cat is provided. Though this system was developed for a specific university campus, it is expected that it can be extended to other campuses and other species of animals.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2017.11a
• /
• pp.260-261
• /
• 2017

최근 사회구조의 복잡화, 산업구조의 다변화, 기후변화 등에 의해 자연재해 및 산업재해, 도시재난이 급증하고, 그 규모 또한 대형화하고 있다. 이로 인해 에너지, 통신, 교통, 금융 등 공공 인프라의 피해가 급증하면서 작은 재해도 큰 재난으로 변하는 예가 늘어나고 있다. 한편 현대사회에 대한 IT의 관여도가 급속도로 늘어나면서 IT 서비스의 궁극적인 형태이자, 모든 산업을 수용하는 개념의 플랫폼(Platform)이 IT를 넘어서 글로벌 사회의 절대적 지배자로 등장했다. 또한 전 세계 유저들의 관점에서 보면 개개인들이 손에 든 스마트폰이 생활의 모든 분야에 걸쳐 소통, 정보, 쇼핑, 제보, 오락 등 모든 활동의 수단으로 절대적 가치를 창출하고 있다. 이는 스마트폰이 가진 스마트 데이터 생산 및 공유 기능에서 비롯된다. 이처럼 스마트 데이터를 기반으로 한 IT플랫폼이 중요한 위치를 점하지만, 아직 재난관리 분야에서 이를 본격적으로 도입, 활용하지 못하고 있다는 점은 큰 문제이다. 국내의 사정을 보면 다행히 벤처기업들을 중심으로 이 같은 플랫폼 구축 움직임이 시작되었으며, 여기에 활용될 데이터 자원을 창출할 수 있는 솔루션 및 특허기술들 역시 속속 등장하고 있다. 시민들이 재난현장을 스마트폰으로 실시간 공유하면 이 스마트 데이터들이 이미지 및 음향정보, 위치기반(GPS)정보, 시각정보, 3D정보, 빅데이터 정보, 센서정보 등으로 분류되어 플랫폼 안에서 인공지능(AI) 딥러닝 방식에 의해 분석되고, 이를 즉시 재난당국 및 시민들에게 재난긴급문자 등 자동으로 경보로 전해주는 것이 이 플랫폼의 핵심 기능이다. 몇몇 벤처기업이 보유한 특허기술을 기반으로 공공자본이 투입되어 이러한 플랫폼이 구축될 경우 국내 재난관리 수준의 획기적 발전은 물론 전 세계를 시장으로 한 플랫폼 수출 또는 글로벌 재난정보 수집능력에서도 엄청난 힘을 발휘할 것으로 기대된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.609-611
• /
• 2023

4차 산업혁명의 발달로 스마트공장 기술이 발달하면서, 딥 러닝을 활용한 공정 과정에서 나타나는 이상을 탐지하는 기술이 활발히 연구되고 있다. 하지만 공정 과정에서 발생하는 휘발성유기화합물(VOCs) 저감 설비에서 발생하는 이상을 탐지하기 위한 연구는 적극적으로 진행되고 있지 않다. 따라서 본 논문에서는 딥 러닝 기술을 이용하여 VOCs 저감설비에서 발생하는 이상을 탐지하고, 설명가능 인공지능(XAI)을 활용하여 이상에 큰 영향을 미치는 주요 설비를 특정하여 이상 발생 시 관리자가 용이하게 설비들을 관리할 수 있도록 하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.33-35
• /
• 2020

이전 연구에 존재했던 영상에서 이미지를 추출하여 학습 데이터로 사용 할 때 시계열성을 고려하지 않은 상태에서의 검증은 정확하지 않을 수 있음을 설명한다. 정확한 형체를 가진 물체의 경우 매 프레임 마다 일정한 모양을 유지할 가능성이 크지만, 기체나 액체처럼 유동성이 큰 형태를 분사 혹은 방류 할 때 순간적인 간섭 혹은 분산에 의해 실제 값이 분사 량 혹은 방류량과 다를 수 있다. 본 연구에서는 이전 연구 중 Yolov3와 youtube 영상을 이용하여 연기 형태를 추출하고, 이를 Resnet에 학습시킨 연구를 이용하여 이와 비슷한 사례의 연구에서 나타날 수 있는 검증 오류들을 설명한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.05a
• /
• pp.214-214
• /
• 2023

최근 인공지능과 데이터 과학이 거의 모든 산업분야에서 많은 변화를 불러오고 있으며, 이를 지원하는 많은 라이브러리와 도구들이 이에 도움을 주고 있다. 그럼에도 불구하고 실제 인공지능과 데이터 과학 기술을 실제 산업 분야에 적용하려면 많은 어려움이 있는 것이 사실이고 이는 해양 분야에서 더욱 두드러진다. 이에 해양안전 및 기업지원을 목표로 개발 중인 오픈플랫폼은 일반적인 인공지능 및 데이터 과학을 위한 시스템과 달리 여러 가지 해양특화 모듈들로 구성된다. 그리고 이러한 해양특화 기능들이 해양안전 분야의 기업들에 기여할 수 있도록 해양특화 데이터와 인공지능 모델 등을 상호간 공유하고 의견을 나눌 수 있는 공간으로 개발해 나갈 계획이다.

• Journal of Bio-Environment Control
• /
• v.31 no.3
• /
• pp.255-260
• /
• 2022

This study aimed to develop a service model that uses a deep learning algorithm for detecting diseases and pests in strawberries through image data. In addition, the pest detection performance of deep learning models was further improved by proposing segmented image data sets specialized in disease and pest symptoms. The CNN-based YOLO deep learning model was selected to enhance the existing R-CNN-based model's slow learning speed and inference speed. A general image data set and a proposed segmented image dataset was prepared to train the pest and disease detection model. When the deep learning model was trained with the general training data set, the pest detection rate was 81.35%, and the pest detection reliability was 73.35%. On the other hand, when the deep learning model was trained with the segmented image dataset, the pest detection rate increased to 91.93%, and detection reliability was increased to 83.41%. This study concludes with the possibility of improving the performance of the deep learning model by using a segmented image dataset instead of a general image dataset.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.25 no.8
• /
• pp.1046-1052
• /
• 2021

Artificial intelligence is being applied in various industrial fields to the development of the fourth industry and the construction of high-performance computing environments. In the medical field, deep learning learning such as cancer, COVID-19, and bone age measurement was performed using medical images such as X-Ray, MRI, and PET and clinical data. In addition, ICT medical fusion technology is being researched by applying smart medical devices, IoT devices and deep learning algorithms. Among these techniques, medical image-based deep learning learning requires accurate finding of medical image biomarkers, minimal loss rate and high accuracy. Therefore, in this paper, we would like to compare and analyze the performance of the Cross-Entropy function used in the image classification algorithm of the loss function that derives the loss rate in the chest X-Ray image-based deep learning learning process.

• Journal of the Korea Computer Industry Society
• /
• v.6 no.5
• /
• pp.749-756
• /
• 2005

In the near future, we can access the information whenever we want, wherever we use because almost devices in ubiquitous environment are connected by either wired or wirelss networks. Especially, u-Learning which emphasizes on pedagogical property is enable to improve learning abilities. As researches of the previous u-Learning, there have been learning by mobile devices such as PDAs as well as the smart classroom which makes the remote students participate in the existing class. However, these researches have not satisfied pedagogical, cooperative and ubiquitous properties yet. Thus we suggest the framework for both local and mobile classroom, which can make the properties easy to satisfy.