• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.851-853
• /
• 2022

인공지능을 활용한 다양한 딥러닝 기술의 보급과 상용화로 오디오 음성 인식 분야에서도 음성 인식의 정확도를 높이기 위한 다양한 연구가 진행되고 있다. 최근 STT 를 위한 음성 인식 엔진은 딥러닝 기술을 기반으로 과거에 비해 높은 정확도를 보이고 있다. 하지만 예능 프로그램, 드라마, 스포츠 방송 등과 같이 비음성 신호와 음성 신호가 함께 녹음되는 오디오의 경우 음성 인식 정확도가 크게 낮아지는 문제가 발생한다. 이에 본 연구에서는 다양한 장르의 오디오를 음성과 음악을 분리하는 딥러닝 모델을 활용하여 음성 신호와 비음성 신호로 분리하는 방법을 제시하고, STT 결과를 분석하여 음성 인식의 정확도를 높이기 위한 연구 방향을 제시한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.925-927
• /
• 2022

본 논문에서는 자율주행을 통해 보도를 청소하는 동안 분실물을 인지할 수 있는 로봇 시스템을 개발하였다. 분실물의 종류는 딥러닝 모델에 의해 지정되고 학습되며 로봇은 이를 인식하여 저장한다. 보도 경계 및 장애물을 감지하기 위해 Image-Segmentation 기술을 사용하였으며, 물체 감지에 사용되는 depth 카메라(d435)를 사용하였다. 학습하기 위한 딥러닝 모델로 YOLOv5 를 사용하였으며, 그 결과 정해진 사물을 인식하는 데 평균 84%의 정확도를 보였다. 이 시스템을 로봇에 적용할 경우 예상되는 효과로는 정확한 보도 인식으로 로봇이 경로를 이탈하지 않도록 하는 것, 유실물품의 신속하고 안전한 인계 등이 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.319-320
• /
• 2022

교통량이 증가됨에 따라 높아지는 사고율을 줄이기 위해 효율적이며, 다양한 교통 위반 단속이 요구되고 있다. 기존의 유무인 교통법규 위반 단속 시스템의 도입으로 단속 구역 확대를 시도하고 있으나 높은 비용의 문제로 한정된 지역에서만 실시되고 있다. 해당 문제 해결을 위해 본 논문에서는 딥러닝 실시간 객체인식기술을 적용하여 차량의 교통법규 위반을 인식하며 이에 대한 정보를 제공하는 시스템을 개발하였다. 실시간 객체인식 알고리즘인 YOLOv4와 실시간 객체추적기술인 deepSORT 알고리즘을 데스크톱 PC에 적용하여 구현하였다. 개발한 시스템은 과속, 버스 전용 차로, 주정차, 급속 다차선 변경에 대한 인식 결과를 제공한다. 기존 설치된 CCTV 영상을 대상으로 시스템 적용이 가능하여 저비용으로 넓은 지역에 대한 교통법규 위반 상황 인식을 기대할 수 있다.

• 컴퓨터교육학회논문지
• /
• 제15권6호
• /
• pp.53-64
• /
• 2012

본 연구는 최근 모바일 러닝에 대한 요구가 높아지는 상황에서 고등학생들의 모바일 기기와 모바일 러닝에 대하여 현 실태와 인식을 독립변인(성별, 학년별, 계열별)에 따라 비교 분석한 것이다. 연구방법은 설문지를 통한 조사연구였고, 통계는 백분율과 t/F분석을 이용하여 분석하였다. 먼저 모바일 기기와 모바일 학습의 실태에 있어서 독립변인에 따라 차이를 보이는 결과가 있었다. 또한 2010년은 모바일 러닝에 있어서 중요한 기준 연도가 될 수 있으며, 고등학생들은 자투리 시간에 모바일 러닝을 하지는 않는 것으로 나타났다. 모바일 학습방법에 있어서는 아직 앱을 이용하여 다운로드 하는 방식은 아직 보편화되지는 않은 것으로 나타났다. 다음으로 모바일 러닝에 대한 인식도에 있어서는 사용능력 측면에서, 학습 수행력 증진 측면에서, 모바일 기기의 지속적 관심 측면에서 통계적으로 유의미한 차이를 보였다.

• 디지털융복합연구
• /
• 제9권2호
• /
• pp.79-88
• /
• 2011

본 연구는 이러닝의 질적 저하와 산업의 수익성 악화라는 문제 인식과 함께 이러닝의 지속 성장을 위한 대안으로 스마트한 이러닝, 즉 스마트러닝에 관한 체계적인 연구를 탐색해보고자 한다. 따라서 본 연구는 스마트러닝의 개념 정의 및 효과적인 구현 조건을 제시함으로써 스마트러닝이 체계적으로 정립 및 구현되도록 하는 데에 기여함으로 목적으로 하고 있다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 추계학술대회
• /
• pp.151-153
• /
• 2016

최근 스마트폰, PC, 태블릿 같은 전자기기들이 발전하면서 기계를 통해 소통하는 시대가 왔다. 기계와 소통하기 위해 우리가 사용하는 문자를 인식하는 것은 중요한 일이다. 이런 전자기기들이 문자, 영상인식을 해야 할 필요성이 더욱 증가함에 따라 머신러닝의 중요성이 대두되었다. 머신러닝은 컴퓨터의 학습을 위해 알고리즘과 기술을 개발하는 분야를 말한다. 머신러닝의 기법과 관련된 알고리즘의 종류는 수없이 많다. 그 중에서도 Neural Network는 사람의 뇌 신경구조를 토대로 착안하여 네트워크를 만들고 이를 학습에 이용한 머신러닝 기법이다. 이런 인공지능 알고리즘인 Neural Network 구조를 바탕으로 특징을 추출하여 학습을 하는 Convolution Neural Network 기법의 사용이 늘고 있다. 본 논문에서는 Neural Network와 Convolution Neural Network의 알고리즘을 이용한 필기체 인식 실험을 하고 그 내용을 비교하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.740-742
• /
• 2023

객체 인식 연구에 있어서 딥러닝 기반의 사람 인식에 있어서 많은 연구들이 공개되고 있다. 특히 화재사고에 있어서 연기로 인해 가시성이 떨어져 인명구조에 어려움이 발생한다. 이에 열화상 카메라와 딥러닝을 통해 사람을 인식하는 기술이 연구되고 있다. 기존 연구에서는 열화상 카메라와 YOLO 딥러닝을 통해 사람을 인식하는데 95%의 성능을 보였지만, YOLO는 그리드 셀에서 하나의 분류만하기 때문에 물체에 가려진 사람을 판별하는데 정확도가 낮았다. 본 논문에서는 이와 같은 한계를 극복하기 위해 기존 Faster R-CNN 알고리즘을 사용한다. 신체부위 Guided Attention mechanism을 사용하여 가중치를 준 Feature Map을 RPN에 적용시켜 학습모델을 구현한다면 더 높은 정확도를 얻을 수 있다. 향후 본 논문에서 제안하는 기법은 많은 실험과 다양한 데이터 셋을 통해 실질적인 검증을 할 예정이다.

• 디지털콘텐츠학회 논문지
• /
• 제18권3호
• /
• pp.499-508
• /
• 2017

정보통신기술 및 교육패러다임 변화와 맞물려 이러닝을 활용한 직업교육훈련은 그동안 몇 차례 굵직한 변화를 겪어 왔다. 이러닝을 통한 직업능력개발의 트렌드는 학습의 모바일화, 짧은 콘텐츠의 증가, 학습경험제공의 민첩성과 현장 밀착성으로 요약 가능한 가운데, 본 연구는 이러닝을 통한 직업교육훈련 대상자들의 학습동기, 교육구성요소에 대한 중요성 인식, 학습 행태에 대한 조사연구를 실시하였다. 6개 훈련기관의 4,021명이 참여한 설문조사 응답을 분석한 결과, 자발적 자기계발 차원의 학습이 회사의 직무교육차원보다 높게 나타났고, 이러닝의 구성요소 중에서는 학습내용이 가장 중요한 것으로 나타나, 기존의 형식에 치우진 교육콘텐츠 개발이나 훈련평가가 보다 내용 중심적으로 변화해야함을 시사하였다. 학습 행태측면에서도 학습장소와 시간 활용이 보다 융통적으로 변화하였고, 시간을 정해놓지 않고 틈틈이 불규칙적으로, 특정시점에 몰아서 학습하는 추세를 확인할 수 있었다.

• 펜@디지털
• /
• 통권6호
• /
• pp.20-21
• /
• 2001

집합식 교육의 대안으로서 최근 기업 환경에서 인식되고 있는 인재육성 방법이 바로 e-러닝이다. 이는 비즈니스와 정보기술 분야에서 나타나던 디지털 혁명의 영향력이 교육에서도 그 반향을 일으킨 것으로써, 교육의 틀 자체를 급속한 변화에 대처할 수 있도록 바꾸어 놓은 것이다. 과거처럼 획일적인 교육방법과 지식을 제공하는 대신에, e-러닝은 학습자가 다양한 학습환경 및 자원에 자유롭게 접근할 수 있게 함으로써 새로운 학습 경험을 할 수 있는 기회를 제공한다.

• 스마트미디어저널
• /
• 제8권2호
• /
• pp.66-73
• /
• 2019

최근 컴퓨터 비전을 활용한 사물인식 기술이 센서 기반 사물인식 기술을 대체할 기술로 주목을 받고 있다. 센서 기반 사물인식 기술은 일반적으로 고가의 센서를 필요로 하기 때문에 기술이 상용화되기 어렵다는 문제가 있었다. 반면 컴퓨터 비전을 활용한 사물인식 기술은 고가의 센서 대신 비교적 저렴한 카메라를 사용할 수 있다. 동시에 CNN이 발전하면서 실시간 사물인식이 가능해진 이후 IoT, 자율주행자동차 등 타 분야에 활발하게 도입되고 있다. 그러나 사물 인식 모델을 상황에 알맞게 선택하고 학습시키기 위해서는 딥러닝에 대한 전문적인 지식을 요구하기 때문에 비전문가가 사물 인식 모델을 사용하기에는 어려움이 따른다. 따라서 본 논문에서는 딥러닝 기반 사물인식 모델들의 구조와 성능을 분석하고, 사용자가 원하는 조건의 최적의 딥러닝 기반 사물 인식 모델을 스스로 선정할 수 있는 플랫폼을 제안한다. 또한 통계에 기반한 사물 인식 모델 선정이 필요한 이유를 실험을 통해 증명한다.