본 논문에서는 정밀한 semantic segmentation을 위해 강조 기법을 활용한 DeepLabv3+ 기반의 인코더-디코더 모델을 제안하였다. DeepLabv3+는 딥러닝 기반 semantic segmentation 방법이며 자율주행 자동차, 적외선 이미지 분석 등의 응용 분야에서 주로 사용된다. 기존 DeepLabv3+는 디코더 부분에서 인코더의 중간 특징맵 활용이 적어 복원 과정에서 손실이 발생한다. 이러한 복원 손실은 분할 정확도를 감소시키는 문제를 초래한다. 따라서 제안하는 방법은 하나의 중간 특징맵을 추가로 활용하여 복원 손실을 최소화하였다. 또한, 추가 중간 특징맵을 효과적으로 활용하기 위해 작은 크기의 특징맵부터 계층적으로 융합하였다. 마지막으로, 디코더에 강조 기법을 적용하여 디코더의 중간 특징맵 융합 능력을 극대화하였다. 본 논문은 거리 영상 분할연구에 공통으로 사용되는 Cityscapes 데이터셋에서 제안하는 방법을 평가하였다. 실험 결과는 제안하는 방법이 기존 DeepLabv3+와 비교하여 향상된 분할 결과를 보였다. 이를 통해 제안하는 방법은 높은 정확도가 필요한 응용 분야에서 활용될 수 있다.
이 연구에서는 오프라인과 온라인의 융합 수업 전략으로 블렌디드 러닝 교수·학습 방법론을 적용한 HTE 창의교육 프로그램을 개발하였고, 이에 대한 중학생들의 창의적 문제해결력에 미치는 영향을 알아보았다. 이에 대한 결과는 다음과 같다. 5개 교과의 창의교육 실천 프로그램을 적용한 결과 창의적 문제해결력의 하위구인인 '아이디어 수정', '이미지화', '비유', '아이디어 생성', '정교성' 의 경우 통계적으로 유의미한 차이(p < .05)를 보였으며, 전체 중학생들의 창의적 문제해결력의 사전·후 평균이 3.65점에서 3.79점으로 .14점 향상되어 중학생들의 창의적 문제해결력에 긍정적인 영향을 끼친 것으로 파악되었다. 또한 창의교육 프로그램에 참여한 중학생의 72%가 '만족한다'는 반응을, 68%가 '흥미롭다'라는 응답을 주었다. 이 연구결과에 따라, 블렌디드 러닝을 활용한 HTE 창의교육 프로그램은 COVID-19 상황과 다양한 창의형 인재가 필요한 4차 산업혁명 시대에 맞춤형 수업 전략으로 그 의미가 크다고 볼 수 있다. 이 연구의 제언으로 외적타당도의 일반화를 위해서는 다양한 학년과 위계에 맞는 창의교육 프로그램의 개발과 현장적용이 필요할 것으로 판단된다.
본 연구의 주요 목적은 기존 공급망관리에 그린을 강화한 그린 SCM(GSCM)의 주요 활동들이 기업의 재무적 성과와 기업경쟁력에 미치는 영향력을 실증적으로 분석하는 것이다. 먼저 기업 공급망의 다양한 친환경 활동들을 요인분석에 투입한 결과 녹색구매, 녹색생산, 녹색물류, 역물류 등 4개 주요 활동요인으로 각각 분류되었다. 그리고 이들 요인들이 시장성과에 미치는 영향력을 분석하기 위해 8개의 연구가설을 설정한 후 회귀분석을 수행하였다. 먼저 GSCM 활동과 재무적 성과 간의 인과관계를 검증한 결과, 녹색구매와 녹색생산이 통계적으로 유의하게 나타남으로써 연구가설을 지지한다. 반면, 녹색물류와 역물류는 유의수준이 낮아 재무적 성과에 어떠한 영향도 미치지 않는 것으로 나타났다. 이와 같은 결과는 비용 절감과 증가 효과가 같이 나타남으로써 통계과정에서 변수의 영향력이 복합적으로 작용했기 때문일 수도 있다. 한편 GSCM 활동과 기업경쟁력 간의 인과관계를 검증한 결과, 녹색물류를 제외한 녹색구매, 녹색생산, 역물류가 통계적으로 유의하게 나타남으로써 선행연구와 같이 GSCM 활동이 전반적으로 제품품질, 생산능력, 기업이미지, 고객만족도 등과 같은 기업경쟁력 향상에 긍정적 영향을 미친다고 할 수 있다. 따라서 해외시장 의존도가 높은 국내 기업들이 친환경성을 요구하는 고객니즈에 효과적으로 대응하면서 지속성장하기 위해서는 녹색물류 등을 포함한 친환경 혁신활동들을 하나의 시스템으로 통합한 GSCM을 전략적으로 구축할 필요가 있다.
본 연구는 해양원격의료의 서비스 특성(서비스 질, 서비스의 인지 여부, 건강 상담 서비스의 경험 여부)이 선원만족도에 얼마나 영향을 미치는지 분석하고, 또한, 선원만족도가 충성도에 얼마나 영향을 미치는지를 분석하였다. 이를 위해, 해양원격의료 시범사업에서 수행했던 2017년도 서비스 대상자 설문조사에서 수집된 데이터를 활용하였다. 다만, 본 연구에서는 해양원격의료 중 화상원격(Tele-Monitering) 서비스를 받은 선원 103명을 연구의 대상으로 실증 분석을 하였다. 본 연구의 주요 결과는 다음과 같다.ⅰ) 서비스 질이 높을수록 만족도는 높았다, ⅱ) 만족도가 높을수록 충성도는 높았다, ⅲ) 30세 미만보다 50세 미만의 선원들이 만족도가 낮았다. ⅳ) 총 승선경력에서, 5년 이상에서 10년 미만인 선원이 5년 미만인 선원보다 만족도가 높았다, ⅴ) 10년 이상에서 15년 미만인 선원이 5년 미만인 선원보다 만족도가 높았다, ⅵ) 15년 이상에서 20년 미만인 선원이 5년 미만인 선원보다 만족도가 높았다, ⅶ) 또한, 20년 초과인 선원이 5년 미만인 선원보다 만족도가 높았다. 결론적으로,ⅰ) 해양원격의료 서비스 질이 높을수록 만족도는 높았고, 만족도가 높을수록 충성도는 높았다. 따라서 서비스 질의 향상은 만족도 및 충성도를 높이는데 중요한 요소일 뿐만 아니라, 해양원격의료에 대한 긍정적인 이미지 형성에 중요한 역할을 한다고 하겠다. ⅱ) 나이가 젊고, 대체적으로 총 승선경력이 낮은 선원이 만족도가 높았다. 이는 원격의료에 대한 이용 의사가 있고, 다른 사람에게 추천할 의도가 있는 선원은 젊은 층이라고 사료 된다.
본 연구에서는 화강암 시편에서 수압 파쇄법에 의해 생성된 미세균열의 3차원 형상을 X-ray CT 영상과 딥러닝을 이용하여 추출하였다. 실험으로 생성된 미세균열은 X-ray CT 영상 상에서 일반적인 영상처리방법으로는 추출하기 매우 어렵고 육안으로만 관찰이 가능한 형태를 지닌다. 하지만 본 연구에서 제안한 합성곱 신경망(Convolutional neural network) 기반 인코더-디코더(Encoder-Decoder) 구조의 딥러닝 모델을 통해 미세균열을 정량적으로 추출할 수 있었다. 특히 픽셀 단위의 미세균열 추출을 위해 인코딩 과정에서 소실되는 정보를 디코딩 과정으로 직접 전달하는 디코더 모델을 제안하였다. 또한, 딥러닝 기반 신경망 학습에 필요한 데이터의 수를 증가시키기 위해 이미지의 분할(Division), 회전(Rotation), 그리고 반전(Flipping) 등으로 데이터를 생성하는 영상 증대 방법을 적용하였으며 이때 최적의 조합을 확인하였다. 최적의 영상 학습 데이터 증대 방법을 적용하였을 때 검증 데이터뿐만 아니라 테스트 데이터에서의 성능 향상을 확인하였다. 학습 데이터의 원본 개수가 딥러닝 기반 신경망의 균열 추출 성능에 미치는 영향을 확인하고 딥러닝 기술을 사용하여 성공적으로 미세균열을 추출하였다.
본 연구는 최근 확산되고 있는 언택트 서비스의 대표 사례인 패스트푸드점의 키오스크를 대상으로 고령자의 사용경험 향상을 위한 연구를 수행하였다. 먼저 문헌 연구를 통해 키오스크 디자인 분석 기준에 대해 고찰하고 현재 우리나라 패스트푸드점 중 키오스크가 제공되고 있는 맥도날드, 롯데리아, 버거킹의 햄버거 구매 UI 화면을 컬러, 레이아웃, 버튼으로 나누어 분석하였다. 그 다음 고령자들을 대상으로 사용성 평가와 설문을 통해 현 키오스크의 인터페이스 디자인 문제점을 발견하였다. 그 결과 고령자들은 아웃라인이 없는 버튼을 버튼으로 인지하지 못한다는 점, 화면의 레이아웃이 변하거나 시선이 흐름이 복잡하면 오류가 발생하는 점이 발견되었다. 또한, 가로 형태의 내비게이션과 세로 형태 배열의 메뉴가 오류가 적었으며 버튼의 디자인은 같은 기능에 있어서 동일한 컬러인 것이 오류가 적었다. 연구 결과 고령자들이 선호하는 키오스크 UI 디자인은 다음과 같다. 첫째, 아웃라인 또는 솔리드 형태의 버튼이 권장된다. 둘째, 이미지와 텍스트가 결합된 버튼의 세로 결합 형태가 권장된다. 셋째, 화면 레이아웃에 있어서는 시선 흐름과 조작의 방향이 일관성이 있어야 하며, 메뉴 수와 안내 정보가 증가하는 것을 피해야 한다. 넷째, 페이지 내비게이션은 가로 형태가, 메뉴 배열은 세로 형태가 권장된다. 마지막으로 버튼은 동일한 기능을 수행하는 버튼은 동일한 컬러를 사용하는 것이 효율적이고, 서로 다른 기능인 경우 보색 관계의 컬러를 적용하는 것이 혼란을 줄일 수 있을 것으로 연구결과가 도출되었다.
조선 및 해양플랜트 산업은 복합 및 대형화됨에 따라 유지보수 및 검사 시스템이 중요해지고 있다. 최근 작업자의 작업이해도 향상과 효율을 높이기 위해 증강현실기반 유지보수 및 검사 시스템이 많이 주목받고 있는데, 증강되는 모델과 현실정보 간의 정확한 정합이 이루어지지 않아 작업에 오히려 혼동을 초래하는 일이 자주 발생한다. 이를 위하여 실모델에 특정 이미지를 부착하는 마커 기반 증강현실 기술이 사용되었으나, 조선 및 해양플랜트 산업 특성상 마커의 훼손 가능성이 있으며, 카메라가 명확히 마커 전체를 검출할 수 있어야 하기 때문에 작업자와 마커 간의 충분한 공간을 필요로 한다. 본 연구에서는 이러한 기존 증강현실 시스템의 한계점을 극복하기 위하여 마커리스 기반 증강현실을 활용하여 조선 및 해양플랜트 산업에서 가장 많은 공정을 차지하고 있는 파이프 시스템을 대상으로 정확하게 실 모델을 인식하고 해당 모델에 가상 CAD모델을 정합하는 방법론에 대해 연구하였다. 본 시스템을 통해 현실 작업자의 자세와 제한적인 환경에 따른 증강모델의 비틀림 현상을 개선하고 작업 이해에 혼동을 주는 현상을 없앨 수 있을 것으로 기대된다.
야적퇴비는 대표적인 축산계 비점오염원으로 강우로 인해 수계로 유입될 경우 야적퇴비에 포함된 인과 질소 등의 영양염류가 하천 수질에 악영향을 미칠 수 있다. 이에 본 논문에서는 무인항공기 영상과 딥러닝 기반의 의미론적 분할 기법을 활용한 야적퇴비 탐지 방법을 제안한다. 연구지역에서 취득한 39개의 정사영상을 토대로 Data Augmentation을 통해 약 30,000개의 데이터를 확보하였다. 취득한 데이터를 U-net을 기반으로 개발된 의미론적 분할 알고리즘에 적용시킨 후 OpenCV의 필터링 기법을 적용하여 정확도를 평가하였다. 정확도 평가 결과 화소정확도는 99.97%, 정밀도는 83.80%, 재현율은 60.95%, F1- Score는 70.57%의 정확도를 보였다. 정밀도에 비해 재현율이 떨어지는 것은 정성적으로 보았을 때 전체 이미지에서 가장자리에 작은 비율로 야적퇴비 픽셀이 존재하는 경우 과소추정되었기 때문이다. 향후 추가적인 데이터셋과 RGB 밴드 이외의 추가 밴드를 조합한다면 모델 정확도를 향상시킬 수 있을 것으로 판단된다.
본 논문에서는 AR에 적용 가능한 마커리스 기반의 실내 위치 측정 기법을 제안한다. 제안한 기법은 다음과 같은 독창성을 갖는다. 첫 번째는 특징점을 추출하고 이를 이용하여 지역 패치를 생성하여 전체 이미지를 학습하지 않고 주변보다 더 유용한 지역 패치만을 학습하고 사용함으로써 더 빠른 연산이 가능하도록 한다. 두 번째는 Convolution Neural Network 구조를 사용한 딥러닝을 통해 학습을 진행하여 오차율을 줄여 정확도를 향상시킨다. 세 번째는 기존의 특징점 매칭 기법과는 다르게 좌우 이동을 포함한 실내 위치 측정이 가능하도록 한다. 네 번째는 매 프레임마다 새롭게 실내 위치를 측정하기 때문에 이동 중 앞쪽에서 발생한 오차가 누적되어 발생되는 것을 방지한다. 따라서 이동 거리가 길어져도 최종 도착점과 예측 실내 위치 간의 오차가 증가하지 않는다는 장점을 갖는다. 본 논문에서 제안하는 AR에 적용 가능한 마커리스 기반의 실내 위치 측정 기법의 소요시간과 정확도를 평가하기 위해 시행한 실험결과, 실제 실내 위치와 측정된 실내 위치의 차이가 평균 12.8cm, 최대 21.2cm로 측정되어서, 기존 IEEE 논문의 결과보다 우수한 실내 위치 측정 정확도를 나타내었다. 또한, 초당 20프레임으로 측정된 결과를 나타내어서 실시간으로 사용자의 실내 위치를 측정하는 것이 가능하다고 판단되었다.
본 논문은 SegNet과 ResNet을 조합한 딥러닝을 이용하여 횡단보도를 검출하는 방법을 제안한다. 시각 장애인의 경우 횡단보도가 어디에 있는지 정확히 아는 게 안전한 교통 시스템에서 중요하다. 딥러닝에 의한 횡단보도 검출은 이 문제에 대한 좋은 해결책이 될 수 있다. 로봇 시각 기반 보조 기술은 지난 몇년 동안 카메라를 사용하는 특정 장면에 초점을 두고 제안되어 왔다. 이러한 전통적인 방법은 비교적 긴 처리 시간으로 의미있는 결과를 얻었으며 횡단보도 인식을 크게 향상시켰다. 그러나 전통적인 방법은 지연 시간이 길고 웨어러블 장비에서 실시간을 만족시킬 수 없다. 본 연구에서 제안하는 방법은 취득한 영상에서 횡단보도를 빠르고 안정적으로 검출하기 위한 모델을 제안한다. 모델은 SegNet과 ResNet을 기반으로 개선되었으며 3단계로 구성된다. 첫째, 입력 영상을 서브샘플링하여 이미지 특징을 추출하고 ResNet의 컨벌루션 신경망을 수정하여 새로운 인코더로 만든다. 둘째, 디코딩 과정에서 업샘플링 네트워크를 통해 특징맵을 원영상 크기로 복원한다. 셋째, 모든 픽셀을 분류하고 각 픽셀의 정확도를 계산한다. 이 실험의 결과를 통하여 수정된 시맨틱 분할 알고리즘의 적격한 정확성을 검증하는 동시에 결과 출력 속도가 비교적 빠른 것으로 파악되었다.
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.