• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권4호
• /
• pp.179-188
• /
• 2023

최근 가짜뉴스는 뉴스 콘텐츠 형식을 가장하고 중요한 사건이 발생할 때마다 등장하여 사회적 혼란을 초래한다. 이에 가짜뉴스를 탐지하기 위한 연구로 인공지능 기술이 사용된다. 자연어 처리를 통해 가짜뉴스를 자동으로 인지 및 차단하거나, 네트워크 인과 추론과 결합함으로써 허위 정보를 확산시키는 소셜미디어 인플루언스 계정을 감지하는 등의 가짜뉴스 탐지 접근법이 딥러닝을 통해 구현될 수 있었다. 그러나 가짜뉴스 탐지는 여러 자연어 처리 분야 중에서도 해결이 어려운 문제로 분류된다. 가짜뉴스가 가지는 형식 및 표현의 다양성으로 특성 추출의 난도가 높고, 뉴스가 속한 범주에 따라 하나의 특성이 서로 다른 의미를 가질 수도 있는 등 다양한 한계점이 존재한다. 본 논문에서는 가짜뉴스를 탐지하기 위한 추가적인 식별 기준으로 감성 변화 패턴을 제시한다. 합성곱 신경망을 가짜뉴스 데이터 세트에 적용하여 콘텐츠 특성에 기반한 분석을 수행하고, 감성 변화 패턴을 추가로 분석함으로써 성능이 개선된 모델을 제안한다. 뉴스를 구성하는 문장에 대하여 감성 극성을 산출하고 장단기 메모리를 적용함으로써 문장 순서에 의존적인 결괏값을 얻을 수 있다. 이를 감성 변화의 패턴으로 정의하고 뉴스의 콘텐츠 특성과 결합하여 가짜뉴스 탐지를 위한 제안 모델의 독립변수로 활용한다. 제안 모델과 비교 모델을 딥러닝으로 학습시키고 가짜뉴스 데이터 세트를 이용한 실험을 진행하여 감성 변화 패턴이 가짜뉴스 탐지 성능을 개선할 수 있음을 확인한다.

• 토지주택연구
• /
• 제14권2호
• /
• pp.125-135
• /
• 2023

드론은 국토조사, 수송, 해양, 환경, 방재, 문화재, 건설 등 다양한 분야에서 활용되고 있다. 또한 사물인터넷(Internet of Things), 인공지능(Artificial Intelligence) 등과 관련하여 4차 산업 혁명의 핵심기술을 검증하고 적용시킬 수 있는 기술로 떠오르고 있다. 본 연구에서는 드론을 활용하여 균열을 자동으로 탐지할 수 있는 딥러닝 모델을 개발하고자 한다. 딥러닝 학습을 위한 이미지 데이터는 Mavic3 드론을 이용하여 수집하였고 촬영고도는 20m, ×7배율로 촬영하였다. 촬영 시 약 2m/s의 속도로 전진하여 영상을 찍고, 프레임을 추출하는 식으로 데이터를 수집하였다. 이런식으로 수집한 데이터를 통해 딥러닝 학습을 진행하였다. 본 연구에서는 딥러닝 학습모델로 Backbone으로는 Swin Transformer, Architecture로 UperNet을 사용하였다. 약 800장의 라벨링 된 데이터를 Augmentation기법으로 데이터 양을 증가시키고 3차에 걸쳐 학습을 진행하였다. 1차와 2차 학습 시 Cross-Entropy loss function을 사용하였고 3차 학습 시 Tversky Loss Function을 사용하였다. 학습결과, 균열 탐지와 균열율을 계산할 수 있는 모델을 개발하였다. 또한, 드론의 위치 정보를 이용해 특정 도로의 한 차선 균열율을 계산할 수 있는 모델을 개발하였다. 향후 추가적인 연구를 통하여 균열탐지모델의 고도화를 사물인터넷(IoT)과의 융합으로 이루었을 때 소파보수(Patching)나 포트홀(Pothole)의 탐지가 가능할 것으로 보인다. 또한 드론의 실시간 탐지 업무수행으로 포장 유지 보수구간에 대한 탐지를 신속하게 확보할 수 있을것으로 기대된다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.197-216
• /
• 2022

인터넷 및 모바일 기술의 발달과 소셜미디어의 확산으로 인해 다량의 정보들이 온라인 상에서 생성, 유통되고 있다. 이중에는 대중에게 도움이 되는 유익한 정보들도 있지만, 역기능을 하는 이른바 가짜뉴스들도 함께 유통되고 있다. 지난 2020년 코로나19의 전세계적인 확산 이후, 온라인 상에는 이와 관련한 수많은 가짜뉴스들이 유통되었다. 다른 가짜뉴스들과 달리 코로나19와 관련된 가짜뉴스는 사람들의 건강, 나아가 생명까지 위협할 수 있다는 점에서 그 심각성이 매우 크다고 할 수 있다. 때문에 코로나19와 관련한 가짜뉴스를 자동으로 탐지하고, 이를 예방하는 지능형 기술은 사회적 건강도를 제고하는데 매우 의미 있는 연구주제라 할 수 있다. 이러한 배경에서 본 연구에서는 코로나19 관련 가짜뉴스 탐지를 효과적으로 수행하기 위해 그래프 임베딩 방법 중 하나인 Graph2vec을 활용한 방법을 제안한다. 가짜뉴스 탐지에 대한 주류 방법은 뉴스 콘텐츠 기반 즉, 텍스트에 대한 특징 분석으로 진행되었으나 본 연구에서는 사회적 참여 네트워크 내에서의 정보 전달 관계를 추가로 활용함으로써 보다 효과적으로 코로나19와 관련된 가짜뉴스를 탐지할 수 있었으며 성능 측면에서 정확도 향상을 확인할 수 있었다.

• 한국음향학회지
• /
• 제43권2호
• /
• pp.225-233
• /
• 2024

능동소나는 은밀하게 기동하는 수중 물체를 탐지하기 위해 음파를 송신하여 표적에서 반사되어 돌아오는 신호를 탐지한다. 그러나 능동소나의 수신 신호에는 표적의 반향음 외에도 해저면/해수면의 잔향, 생물 소음 및 기타 잡음 등이 섞여 있어 표적 인식을 어렵게 한다. 기존의 문턱값 이상의 신호를 탐지하는 기법은 설정한 문턱값에 따라 오탐지가 발생하거나 표적을 놓치는 경우가 발생할 뿐 아니라 다양한 수중환경마다 적절한 문턱값을 설정해야하는 문제가 있다. 이를 극복하기 위해 Constant False Alarm Rate(CFAR) 등의 기법을 이용한 문턱값의 자동산출과 진보된 형태의 추적 필터 및 연계 기법을 적용한 연구가 수행되었지만, 상당수의 탐지가 발생하는 환경에서는 그 한계가 있다. 최근 심층학습 기술이 발달함에 따라 수중 표적 탐지분야에도 이를 적용하기 위한 노력이 있었으나, 분류기 학습을 위한 능동소나 데이터의 획득이 매우 어려워 데이터가 희소할 뿐 아니라, 극소수의 표적과 상대적 다수의 비표적으로 인한 데이터의 불균형성으로 어려움이 있다. 본 논문에서는 탐지 신호의 에너지 분포 영상을 이용하되, 데이터의 불균형성을 고려한 방식으로 분류기를 학습하여 표적과 비표적을 구분하는 기법을 기존 소나처리 기법에 추가하여 표적의 오분류를 최소화하면서 비표적을 제거하여 능동소나 운용자의 표적 인식을 용이하게 하였다. 그리고 동해에서 수행한 해상실험에서 획득한 능동소나 데이터를 통해 제안 기법의 유효성을 검증하였다.

• 한국콘텐츠학회논문지
• /
• 제16권8호
• /
• pp.1-9
• /
• 2016

소셜미디어의 정치사회적인 활용도가 높아짐에 따라 소셜빅데이터 기반 온라인 동향분석 및 모니터링 기술에 대한 수요 역시 급증하고 있다. 본 논문에서는 이러한 요구에 부합, 특히 여론 형성의 악영향을 끼치는 부정적 이슈 탐지를 위해 사회적으로 파장이 큰 이슈 중 공공여론이 부정적으로 형성될 이슈를 '리스크'로 정의하고 세부 유형을 분류한다. 리스크 유형 정의를 위해 뉴스 문서집합을 대상으로 전수조사를 실시하였으며, 이슈 분야 즉 도메인별 특성을 파악하여 세부 유형을 정의한다. 또한 뉴스와 같은 공적미디어를 통해 정의된 리스크 유형이 개인화된 소셜 미디어에 나타난 리스크 유형과 어떤 차이가 있는지를 알아보기 위해 교차분석을 수행한다. 조사 결과에 따라 6개의 도메인별로 58개의 세부 유형을 정의하고 기계학습 방법을 통해 자동 분류 학습 모델을 구축한다. 실험 결과를 통해 소셜 미디어에 나타난 사회적 이슈 리스크를 자동으로 탐지, 분류가 가능함을 보인다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권9호
• /
• pp.538-546
• /
• 2008

오늘날 복잡해져 가는 컴퓨팅 환경에서 시스템에 발생하는 다양한 문제를 시스템 관리자가 직접 처리하는 것은 한계가 있다. 이 한계를 해결하기 위해서 시스템 스스로 상황을 인식하여 적절한 대응하는 능력을 갖는 것이 중요한 이슈가 되고 있다. 그러나 자가 적응 시스템을 생성하기 위해서는 많은 경험과 지식이 필요하다. 따라서 자가 적응 시스템 구축의 어려움이 문제가 되고 있다. 본 논문에서는 그러한 자가 적응 시스템의 구축을 용이하게 하기 위하여 자가 적응 시스템의 코드를 자동 생성하는 기법을 제안한다. 본 자가 적응 시스템은 기존 관련 연구에서 문제가 된 시스템의 리소스 과다 사용을 통한 비효율성과 바이러스와 같은 외부 요인에 의한 부정확한 동작에 대한 문제를 부분적으로 해결한다. 본 논문에서는 평가를 위하여 비디오 회의 시스템에서 사용하는 파일 전송 모듈에 제안 방법론을 적용하였다. 개발자가 추가로 작성한 코드의 길이, 개발자가 만든 클래스의 수, 개발 시간을 제안 방법론 적용 전과 후를 비교하여 그 유효성을 확인하였다.

• 한국건설관리학회:학술대회논문집
• /
• 한국건설관리학회 2004년도 제5회 정기학술발표대회 논문집
• /
• pp.561-564
• /
• 2004

국내외에서는 크랙실링 공법의 이점 및 도로면 유지보수 공사의 위험 요소를 인식하여 90년대 초반부터 크랙실링 자동화 장비 개발을 위한 연구를 진행하여 왔다. 기존 문헌 고찰과 도로면 크랙실링 자동화 장비(Automated Pavement Crack Sealer; APCS)의 실험실 및 현장 실험 결과, 도로면에 존재하는 크랙 네트워크를 자동으로 탐지하고 모델링하는 과정의 속도와 정확성을 향상시키는 것은 개발된 크랙실링 자동화 장비의 실용화를 위해 매우 중요한 요인으로 인식되었다 그러나, CCD 카메라를 통해 습득된 도로면 영상에서 크랙 네트워크를 완전 자동으로 인식하는 기술은 일반적인 영상 인식 분야에서 보다 외부 환경적인 요인으로 인해 낮은 인식률을 가지고 있다 본 연구를 통해 기존에 개발된 APCS 머신비전 알고리즘의 경우 도로면 영상의 환경 요인에 의해 발생된 문제점들을 많이 해결하였으나 실용화 단계에서 요구되는 크랙 인식률에는 도달하지 못하였다. 따라서, 본 연구의 목적은 기존 APCS 머신 비전 알고리즘의 완전 자동화 방식 크랙 탐지 및 모델링 알고리즘의 문제점을 분석하고 신경망 학습 기법을 이용한 크랙 인식 알고리즘을 개발하는 것이다.

• 한국재난정보학회 논문집
• /
• 제10권4호
• /
• pp.598-608
• /
• 2014

소방대상물에서의 경보설비는 실내에 있는 사람들에게 화재를 최초로 알려주는 설비로써, 보다 많은 사람들을 대피시킬 수 있도록 하는 매우 중요한 역할을 한다. 이에 자동화재탐지설비와 같은 경보설비의 최초동작을 빠르게 하기 위한 연구가 필요하다. 이러한 자동화재탐지설비에서 감지기의 동작은 설치위치와 화원의 위치에 따른 영향을 가장 많이 받는다. 그럼에도 불구하고 국내의 감지기 설치 기준은 설치 위치와 화원의 위치는 중시하지 않고 면적과 높이에 따른 화재감지기 설치에 대한 사항만을 규정하고 있다. 따라서 본 연구에서는 실내에 열감지기와 보를 설치하고, 일반적인 화재를 가정하여 5 개소의 화원을 발생시켜 설치된 감지기의 동작시간을 측정하였고, 감지기의 설치위치와 화원의 위치를 고려한 화재실험을 통하여 열감지기의 동작특성을 분석한 것으로 다음과 같은 결론을 얻었다. 열감지기는 벽면에 근접하게 설치된 감지기에서 작동지연현상이 보였으며, 벽면에서 적어도 22cm 이상 이격해서 설치하여야 한다. 화원이 보 외측에 존재할 때 감지기는 보에서 55cm 이격한 거리에서 동작이 가장 빨랐다. 또한 화원에 근접한 감지기와 가장 늦게 동작한 감지기의 동작시간의 차이는 피난거리로 환산하였을 때 최대 115 m 의 피난거리가 확보되는 것으로 나타났다. 이를 통하여 적합한 위치와 적응성을 고려한 감지기의 선택은 피난개시 시간을 최소화시켜 줄 수 있는 것을 확인하였다.

• 융합신호처리학회논문지
• /
• 제2권2호
• /
• pp.28-38
• /
• 2001

교통정보는 크게 지점정보와 공간정보로 나눌 수 있다. 지점정보는 한 지점에서의 차량의 유무 판정을 통해 얻을 수 있는 정보이며, 공간정보는 일정 공간을 관찰해야만 얻을 수 있는 고급 교통정보이다. 영상처리를 이용해 공간정보를 측정하기 위해서는 차량의 전역 추적을 필요로 하는데 전역 추적에 기반한 영상검지기는 비디오 입력, 차량 탐지, 차량 추적, 교통정보 측정의 네 부분으로 나눌 수 있다. 기존의 연구들은 비디오 입력시 자동 아이리스를 사용하여 급격한 밝기변화에 대응치 못하는 단점이 있고 차량 탐지시 기존의 배경생성 방법들은 정체가 심한 교차로에서 매우 좋지 않은 결과를 보인다. 또한 대부분의 연구에서 교통정보 측정을 지점 정보로만 국한하였다. 본 연구에서는 자동 아이리스의 단점 개선을 위해 사용자 제어 아이리스 방법을 제안하였고, 복잡한 교차로에서도 배경생성을 견고히 할 수 있는 장면차이 기반 배경생성 방법을 제안하였다. 또한 통행량/시간/속도는 물론 대기행렬 길이, 회전/직진 교통류의 공간 교통정보를 측정하는 방법을 제안하였고 실제 실험을 해 본 결과 95%∼100%의 정확도를 보였다.

• 융합신호처리학회논문지
• /
• 제20권2호
• /
• pp.78-83
• /
• 2019

소리 기반 기계 고장 진단은 기계의 음향 방출 신호에서 비정상적인 소리를 자동으로 감지하는 것이다. 수학적 모델을 사용하는 기존의 방법은 기계 시스템의 복잡성과 잡음과 같은 비선형 요인이 존재하기 때문에 기계 고장 진단이 어려웠다. 따라서 기계 고장 진단의 문제를 패턴 인식 문제로 해결하고자 한다. 본 논문에서 DWT와 인공신경망 기반 패턴 인식 기법을 이용한 자동화 기계 고장 진단 기법을 제안한다. 기계의 결함을 효과적으로 탐지하기 위해 DWT를 이용해 대역별 분해 후 최상위 고주파 부대역과 최하위 저주파 부대역을 제외한 나머지 부대역의 PSD를 구하여 인공신경망 기반 분류기의 입력으로 사용한다. 그 결과 본 연구에서 제안한 방법은 효과적으로 결함을 탐지할 뿐만 아니라 소리 기반의 다양한 자동 진단 시스템에도 효과적으로 활용될 수 있음을 보여준다.