지반 침하, 도로 안전성과 같은 사회적 이슈로 지하 공동 분포를 조사하기 위한 지표투과레이더(ground penetrating radar, GPR) 탐사가 활발히 진행되면서 자료의 양도 함께 증가하고 있다. 하지만 비용과 시간의 효율성을 고려해보았을 때, 모든 자료를 해석할 수 없기 때문에 더욱 직관적이고 정확한 판단이 가능한 해석법이 필요하다. 이러한 문제를 개선하기 위해 정량적 해석이 가능한 속성 분석법이 제안되고 있다. 탄성파 해석에서 많이 사용해온 속성 분석 중 GPR 자료에 적용할 수 있는 속성으로는 복소 트레이스(complex trace)와 유사성(similarity)이 대표적이다. 또한, 최근 영상처리 기술의 발달로 개발된 새로운 속성인 모서리탐지 속성, 이미지 질감 속성 등도 적용성이 있다. 이 논문에서는 GPR 자료 속성분석 연구의 기초를 마련하기 위해, GPR에 적용할 수 있는 속성 분석들을 소개하고 이들의 개념에 대해 기술한 뒤, 속성분석에 기초한 해석법과 다양한 분야에서 활용한 사례를 분석하고자 한다.
본 연구의 목적은 현행 개발제한구역 단속 및 관리체계의 문제점을 진단하고 데이터 기반 모니터링 체계로 전환할 수 있도록 구축방안을 마련하는 것이다. 개발제한구역은 타 용도지역지구와 달리 최소한의 유지 외 모든 개발행위를 금지하고 지자체에서 엄격히 단속 및 관리해야 하는 구역이다. 그러나 현재의 개발제한구역 관리체계는 지자체별 여건에 따라 분산 운영되고, 설문 결과와 같이 전체 개발제한구역의 변화를 모니터링하기보다 민원(신고)에 의존하거나 단속업무 수행에 어려움을 겪는 등 데이터 기반의 모니터링체계를 필요로 하고 있다. 특히 본 연구에서는 AI 기반 모니터링체계를 도입하여 국토교통부에서 매년 정기적 시점(월별·분기별)을 두고 동일한 단속 기준으로 전국 권역별 변화를 탐지한 결과를 지자체에 송부하고 지자체에서는 단속 결과를 입력하면서 신뢰할 수 있는 개발제한구역 관리현황 통계정보가 생산될 수 있는 체계로의 전환 방법을 구체적으로 제안하였다. 이러한 방법론 제안을 위해 첫째, 지자체와 관련 전문가를 대상으로 설문조사 및 인터뷰를 수행하였다. 설문 결과 현장 단속과 인허가 관련 행정업무에 어려움을 겪고 있으며, AI 기반 모니터링체계 도입에 대해서는 긍정적 답변이 우세하였다. 둘째, AI 영상분석을 통한 객체 검출 방법론을 실증 지자체에 적용한 사례를 분석하여 모니터링체계 도입에 따른 단속업무 효율화 방안을 제안하였다. 셋째, (현(現))개발제한구역관리정보시스템의 고도화를 기반으로 한 개발제한구역 모니터링체계 구축방안을 마련하였다. 지자체업무 수요에 기반해 드론 촬영 및 분석, 모바일 단속지원체계 등 필요한 서비스들이 지원될 수 있도록 프레임워크를 구성하였다. 이러한 모니터링체계는 향후 주기적 단속과 관리가 필요한 토지를 대상으로 확대 적용이 가능하며 본 연구에서는 이를 실현하기 위한 방법론과 정책을 제안하고자 하였다.
최근 딥러닝을 활용한 토지피복분류 기법 연구가 다수 수행되고 있다. 그런데 양질의 토지피복 학습데이터를 충분하게 구축되지 못하여 성능이 저하되는 양상이 확인되었다. 이에 따라 본 연구에서는 데이터 확장 기법의 적용을 통한 토지피복분류 성능의 향상을 확인하였다. 분류 모델로는 U-Net이 활용되었으며 AI Hub에서 제공하는 토지피복 위성 이미지 자료를 연구자료로 활용하였다. 원본 데이터로 학습한 모델과 데이터 확장 기법이 적용된 데이터로 학습한 모델의 픽셀 정확도는 각각 0.905와 0.923이었으며 평균 F1 스코어는 각각 0.720과 0.775로 데이터 확장 기법을 적용하였을 때가 보다 우수한 성능을 나타내는 사실을 확인할 수 있었다. 또한 원본 학습데이터를 활용하여 학습한 모델의 경우 건물, 도로, 논, 밭, 산림, 비대상 지역 클래스에 대한 F1 스코어가 0.770, 0.568, 0.733, 0.455, 0.964 그리고 0.830이었으며, 데이터 확장을 적용하였을 때에 각 클래스에 대한 F1 스코어는 각각 0.838, 0.660, 0.791, 0.530, 0.969 그리고 0.860으로 모든 클래스에 대해 데이터 확장이 성능향상에 유효하다는 사실을 확인하였다. 또한, 클래스 균형에 대한 고려없이 데이터 확장을 적용했음에도 불구하고 데이터 불균형에 의한 클래스별 성능 왜곡을 완화할 수 있다는 사실을 확인할 수 있었다. 이는 절대적인 학습데이터의 양이 증가했기 때문이라 판단된다. 본 연구 결과는 다양한 영상 처리 분야에서 데이터 확장 기법의 중요성과 효과를 증명하는 기반 자료의 역할을 수행할 것으로 기대한다.
포인트 클라우드 콘텐츠는 실제 환경 및 물체를 3차원 위치정보를 갖는 점들과 그에 대응되는 색상 등을 획득하여 기록한 실감 콘텐츠이다. 위치와 색상 정보로 구성된 3차원 점으로 이루어진 포인트 클라우드 콘텐츠는 확대하여 렌더링 할 경우 점과 점 사이의 간격이 벌어지면서 빈 구멍이 발생하게 된다. 본 논문에서는 포인트 클라우드 확대 시 점들 간 간격이 벌어져 생기는 구멍을 찾고 구멍에 대해 깊이정보를 활용한 역 변환 기반 보간 방법을 통해 포인트 클라우드 콘텐츠 품질을 개선하는 방법을 제안한다. 영상의 확대나 카메라 근접 등으로 포인트들의 간격이 벌어지면 틈이 생기면서 구멍 사이에 뒷면의 포인트들이 렌더링 되어 보간 방법을 적용하는데 방해요소로 작용한다. 이를 해결하기 위해 포인트 클라우드의 뒷면에 해당하는 점들을 제거한다. 다음으로 빈 구멍이 발생한 시점의 깊이 맵(depth map)을 추출한다. 마지막으로 역 변환을 하여 원본의 데이터에서 픽셀을 추출한다. 제안하는 방법으로 콘텐츠를 렌더링한 결과, 기존의 크기를 늘려 빈 영역을 채우는 방법에 비해 렌더링 품질이 평균 PSNR 측면에서 1.2 dB 향상된 결과를 보였다.
철도 시설물에서는 침하 및 틀림에 의해 사고가 발생할 수 있어 변형을 적정수준으로 유지하는 것이 중요하다. 변형을 모니터링하기 위해서는 과도한 인력과 시간이 필요하기 때문에 이를 개선하기 위해 위성원격탐사 기술 중 하나인 InSAR 기술을 활용하고자 한다. 장기적인 시계열 분석을 위해서는 25장 이상의 고해상도 위성정보로 PS-InSAR 기법을 활용 할 수 있으나, 신속하고 단기적인 방법으로 2장 이상의 위성정보로 D-InSAR 기법으로 미세 변형을 관측할 수 있다. 본 연구에서는 TerraSAR-X 영상을 이용하여 D-InSAR 기법을 적용하여 오송 철도종합시험선로의 지반 침하량 및 구조물 변형량을 구하였다. 구조물과 사면에 반사강도를 높일 수 있는 코너리플렉터를 인공적으로 설치하여 변위 값을 임의로 수 mm 조정하여 이를 검증 할 수 있도록 하였다. D-InSAR 분석 결과로부터 적절한 코너리플렉터 배치도를 산출하였고, 궤도, 사면, 구조물 구역의 변위량을 측정하였다. 더불어 임의로 조정한 코너리플렉터의 변위값을 D-InSAR 분석으로 산출하였다. 본 연구 결과로부터 D-InSAR 결과를 철도시설물과 같은 광범위한 인프라 시설에 모니터링을 위한 기법으로 활용 가능함을 확인하였다.
최근, 메타버스는 다양한 분야에 적용될 수 있는 플랫폼으로서 그 영역을 급격히 넓히고 있다. 특히 다수의 사용자가 3차원 공간에서 상호작용 할 수 있는 기능은 VR/AR 기반의 교육 콘텐츠를 더욱 진보된 개념으로 활용할 수 있도록 해준다. 공학교육 특성상 3차원 물체를 기반으로 이루어지는 경우가 많다. 3차원 물체의 경우 2차원 동영상이나 문서를 통하여 설명하기 어렵고, 물체가 변하는 과정이 포함될 경우 더욱 표현이 어려워진다. 메타버스의 3차원 공간은 실시간 렌더링을 기반으로 하여 이러한 어려움을 개선해 줄 수 있다. 공학교육의 또 다른 특징은 실제 눈에 보이지 않는 요소가 많다는 점이다. 전자기장, 자기장, 힘 등 물체의 움직임에는 관여하나 눈에 보이지 않기 때문에 학습 난이도를 높이는 주된 이유가 된다. 이러한 문제 또한, 메타버스 공간에서 시각적으로 표현이 가능하기에 학습에 도움을 줄 수 있다. 본 논문에서는 공학교육을 위한 메타버스 플랫폼 구축 결과와 이를 기반으로 제작된 실시간 강의 콘텐츠를 설명하고, 적용한 결과와 강의 평가에 대해 다룬다. 총 9개의 메타버스 콘텐츠를 활용한 강의가 진행되었으며, 90%의 긍정적인 강의 평가 결과를 얻을 수 있었다.
최근 메타버스, 스마트시티, 디지털트윈, 자율주행차, 도심항공모빌리티 등 분야에서 3D공간객체모델 관련 정보 요구는 증가될 것이다. 공간객체에 대한 3D모델 구축은 위성·항공·지상플랫폼과 같은 다양한 장비와 모델링·인공지능·영상정합 등의 기술로 가능하다. 하지만 갱신이 필요한 공간객체를 신속하게 탐지하고 DB화하는 작업은 쉽지 않다. 이 연구에서는 공간정보(도형)과 속성을 기반으로 주소코드, 층수, 건물명, 면적 등의 매칭요소를 이용하여 건물융합DB와 변화탐지건물DB를 구축 지원할 수 있고 갱신이 필요한 객체선정의 적합성을 검증할 수 있는 시스템 프로토타입을 개발하였다. 건물융합DB 구축 시 일부 건물의 경우, 공간정보와 속성의 융합불가 및 실패 사례가 발생하여, 매칭율이 약 80%로 낮게 나타났다. 이것은 특별히 시범사업지역 내 많은 건물객체에 대한 속성정보가 누락된 것에 기인하는 것으로 판단된다. 이 연구는 3D공간객체 모델의 신속한 갱신을 위한 효율적인 드론 촬영계획 수립을 지원하여 공간객체의 중복 및 불필요한 구축 등을 사전에 방지함으로써 객체 구축 절차 개선 및 비용 절감에 크게 기여할 것이다.
우리의 일상생활에 큰 변화를 가져온 코비드-19는 대학 교육에도 역시 큰 변화를 가져왔다. 전통적인 대면 수업방식에서 비대면 방식으로 변경되어 수업이 이루어지면서 교수자와 학생 모두 적응에 애를 먹는 모습을 보였고, 비대면 수업으로 인한 학력 격차의 발생 등의 문제 역시 제기되었다. 이에 본 연구는 코비드-19로 인한 대학의 비대면 수업에 대해 학생들이 어떠한 태도를 보이는지 알아보고자 하였다. 이에 본 연구는 Q 방법론을 적용하여 대학생들이 비대면 수업에 대해 가지고 있는 주관적 인식의 유형을 파악하고 이를 통해 향후 비대면 수업방식의 개발과 개선에 있어 참고할 점을 제안하고자 하였다. 30명의 P 표본과 34개의 Q 표본을 이용하여 분석한 결과 5개의 유형이 발견되었다. 첫째, 학습의 효율성 중시형, 둘째, 수업의 참여와 소통 중시형, 셋째, 비대면 수업의 적극적 수용과 활용형, 넷째, 원격 시스템과 장비 작동 오류로 인한 불만형, 다섯째, 상황에 따른 수동적 대응형이다. 본 연구의 결과를 바탕으로 살펴보았을 때 각 유형의 특성을 고려한 효과적인 비대면 수업을 위한 교육 방법의 개발이 필요할 것으로 보이며, 비대면 수업, 특히 녹화 강의가 갖는 학습의 효율성 측면에서의 장점은 분명한 것으로 보인다. 따라서 대면 수업이 대학에서 전면적으로 이루어지더라도 수업에서 동영상 녹화 강의를 보완적으로 제공하는 것이 학생들의 학습에 큰 도움이 될 것으로 여겨진다.
현대에서 디지털 시대에서의 색채 능력의 필요성은 시대의 요구로 기존 실습에 없는 세분화된 디지털 4영역에 관한 색채 실습 개선의 연구가 필요한 것이다. 기존 물감 색채 실습에서 해결되기 어려운 디지털 전공자들에게 더 특화된 4분야 영역별 디지털 색채 실습의 수업이 필요하며, 디지털화된 채색 및 색채 감각의 수업을 위해 효율적 인공지능의 활용을 연구하였다. 본 논문에서는 기존 색채 배색과 조색이 CMYK분야만 할수 있는 실습이었던 것을 포토샵 인공지능 쎈쎄이(Adobe Sensei)의 인공지능과 빅데이터 기술을 기반으로 디지털 색채 배색 실습과 조색의 방식을 제안하여, 색채 실습 영역 확대를 보여주고자 하였다. 아울러 최신의 어도비 쎈세이 프로그램 인공지능이 제공하는 개별 사용자들의 색채 정량화한 데이터를 토대로 필터 효과를 활용한 디지털 색에서의 실질적인 색 조합과 렌덤색채에 대한 학습자 예측을 향상 시키는 실습에 목적을 두었다. 결론적으로, 기존의 물감 실습의 혼색 과정의 모호성을 제거하고, 디지털 채색의 디테일을 보안한 프로그램 활용의 연구이며, 학습자의 수준과 숙련도가 낮아도 인공지능의 지원을 통한 학습능력의 향상으로 감각을 키워나가기 좋은 초급자와 중급자의 효과적 학습 방법을 제공할 수 있는 실습방식을 제안하고자 했다. 이론 고찰을 통한 배색과 주색에 필요한 어도비 프로그램 실습 방식과 기존 물감 실습보다 학습능력에 좋은 교습 향상에 대해 제시하였다.
본 논문은 딥러닝 알고리즘을 이용하여 딸기 영상 데이터의 병충해 존재 여부를 자동으로 검출할 수 있는 서비스 모델을 제안한다. 또한 병징에 특화된 분할 이미지 데이터 세트를 제안하여 딥러닝 모델의 병충해 검출 성능을 향상한다. 딥러닝 모델은 CNN 기반 YOLO를 선정하여 기존의 R-CNN 기반 모델의 느린 학습속도와 추론속도를 개선하였다. 병충해 검출 모델을 학습하기 위해 일반적인 데이터 세트와 제안하는 분할 이미지 데이터 세트를 구축하였다. 딥러닝 모델이 일반적인 학습 데이터 세트를 학습했을 때 병충해 검출률은 81.35%이며 병충해 검출 신뢰도는 73.35%이다. 반면 딥러닝 모델이 분할 이미지 학습 데이터 세트를 학습했을 때 병충해 검출률은 91.93%이며 병충해 검출 신뢰도는 83.41%이다. 따라서 분할 이미지 데이터를 학습한 딥러닝 모델의 성능이 우수하다는 것을 증명할 수 있었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.