• 한국건축시공학회지
• /
• 제23권2호
• /
• pp.197-207
• /
• 2023

콘크리트는 압축력에 잘 저항하고 내구성이 우수하여 널리 사용되는 재료이다. 하지만 구조물은 시공 단계에서 주변 환경, 사용되는 재료의 특성에 따라 완공된 후 표면의 균열, 구조물의 침하 등 다양한 하자가 발생하거나 시간이 지남에 따라 콘크리트 구조물 표면에 결함이 발생한다. 그대로 방치하면 구조물에 심각한 손상을 초래하기 때문에 안전 점검을 통해 검사해야 한다. 하지만 전문 검사원들이 직접 조사하기에 비용이 높고 육안으로 판단하는 외관 검사법을 사용한다. 고층 건물일수록 상세한 검사가 힘들다. 본 연구는 노후화로 인해 콘크리트 표면에 발생하는 결함 중 균열을 탐지하는 딥러닝 기반 시맨틱 세그먼테이션 모형과 해당 모형의 특징 추출과 일반화 성능을 높이기 위한 이미지 어그멘테이션 기법을 개발하였다. 이를 위해 공개 데이터셋과 자체 데이터셋을 결합하여 시맨틱 세그먼테이션용 데이터셋을 구축하고 대표적인 딥러닝 기반 시맨틱 세그먼테이션 모형들을 비교실험하였다. 콘크리트 내벽을 중점으로 학습한 모형의 균열 추출 성능은 81.4%이며, 개발한 이미지 어그멘테이션을 적용한 결과 3%의 성능향상을 확인하였다. 향후 고층 건물과 같이 접근성이 어려운 지점을 드론을 통해 콘크리트 외벽에서 균열을 검출할 수 있는 시스템을 개발함으로써 실질적으로 활용할 수 있기를 기대한다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.321-326
• /
• 2021

본 논문에서는 인공지능융합교육실 구축과 관련하여 교육부 및 시·도교육청의 정보교육 추진계획을 분석하고 이를 바탕으로 적합한 구축 방향을 제언하였다. 연구를 위해 교육부, 한국교육학술정보원, 한국과학창의재단의 정보교육 추진계획, 인공지능교육 선도학교 운영계획, 학교별 인공지능교육 선도학교 운영계획의 교실 공간구축 계획여부, 1교당 예산 금액, 구축 교실 수, 자체 예산 투입 여부 등을 분석하였다. SW교육 및 인공지능 융합교육 추진을 위해 교육부에서 다양한 노력을 기울이고 있으나, 전국 초중고 학교 수에 비하면 크게 부족한 수치인 것으로 나타났다. 정부 차원에서의 정보교육실 확충을 위한 노력이 지속적으로 요구되며, 개발된 인공지능융합교육실 활용을 위해서는 구축공간 모델에 대한 교수·학습 사례가 풍부하게 제공될 필요가 있다. 또한, 구축된 공간을 적절히 사용할 수 있도록 학교 차원의 계획 및 실행이 후속되어야 하며 기자재에 대한 관리와 유지보수 계획이 필요하다.

• 대한토목학회논문집
• /
• 제26권3D호
• /
• pp.349-352
• /
• 2006

자동차 수의 급증으로 야기되는 교통혼잡, 교통사고, 주차난 등의 많은 문제에 효율적으로 대응하기 위해서는 제한된 인력과 비용을 사용하는 자동차 관리가 필수적인데 이를 위한 많은 연구들이 국내외적으로 현재 진행되고 있다. 현재 진행되고 있는 여러 연구 분야 중에서 특히 자동차의 차량번호판인식 기술은 법규위반 차량 식별, 통행료 징수, 자동차세 징수, 도난 도주 차량 확인 및 주차 관리 등의 많은 분야에 응용되고 있다. 자동차의 차량번호판 문자 인식 문제와 같이 훈련예제 수집 비용이 많이 드는 경우에 제한된 수의 훈련예제를 최대한 활용하여 분류성능을 향상시키기 위한 방안의 하나로, 수집된 훈련예제들로부터 가상의 예제를 생성하고, 생성된 가상예제를 훈련예제로 추가하여 학습하는 여러 연구가 수행된 바 있다. 본 논문에서는 차량번호판 문자 인식의 성능 향상을 위해 수집된 예제들을 적절히 병합하여 가상의 예제를 생성하는 방안에 관해 기술하고, 문자인식 분야에서 일반적으로 많이 사용되는 여러 알고리즘에 대하여 다양한 가상예제 생성방안 및 다양한 생성비율에 따른 실험을 통해 그 효용성을 확인한다.

• 스마트미디어저널
• /
• 제11권7호
• /
• pp.19-27
• /
• 2022

인공지능 소프트웨어 시장은 2020년부터 2025년까지 6배 규모로 성장할 것으로 예상된다. 그러나 소프트웨어의 개발 절차가 표준화 되어 있지 않고 비용 산정 기준이 없다. 이에 따라 인공지능 소프트웨어 개발 업체마다 각자의 개발 절차에 따른 투입 공수를 산정하고 이를 개발비용의 근거로 제시하고 있으나 개발업체마다 상이한 개발 절차와 소요 공수의 규모 때문에 품질과 비용에 대한 불신이 커지고 있다. 본 연구에서는 대량의 데이터로 학습을 진행하고 알고리즘을 도출하여 적용하는 인공지능 기반 소프트웨어의 개발단계를 정의하고 개발업체들을 대상으로 개발단계별 소요 공수에 대한 설문을 진행하여 소요 공수를 수집하였다. 수집된 개발단계별 소요 공수간의 상관분석과 회귀분석을 실시하여 개발단계별 소요 공수 예측 모형을 도출하였으며, 모형을 실험한 결과, 수집된 소요 공수 대비 92%의 정확도를 보였다. 본 연구에서 제안한 소요 공수 예측 모형은 공수와 비용을 추정하는데 간단하게 활용할 수 있는 도구가 될 것으로 기대된다.

• 한국정보전자통신기술학회논문지
• /
• 제16권5호
• /
• pp.307-314
• /
• 2023

슈퍼컴퓨팅 기술 및 하드웨어 기술이 발전함에 따라 기후 예측 모델도 고도화되고 있다. 한국 기상청 역시 영국 기상청으로부터 GloSea5을 도입하였고 한국 기상 환경에 맞추어 업데이트된 GloSea6를 운용 중이다. 각 대학 및 연구기관에서는 슈퍼컴퓨터보다는 사양이 낮은 중소규모 서버에서 활용하기 위해 저해상도 결합모델인 Low-GloSea6를 구축하여 사용하고 있다. 본 논문에서는 중소규모 서버에서의 기상 연구의 효율성을 위한 Low-GloSea6 소프트웨어를 분석하여 가장 많은 CPU Time을 점유하는 대기 모델의 tri_sor.F90 모듈의 tri_sor_dp_dp 서브루틴을 Hotspot으로 검출하였다. 해당 함수에 머신러닝의 한 종류인 선형 회귀 모델을 적용하여 해당 기법의 가능성을 확인한다. 이상치 데이터를 제거 후 선형 회귀 모델을 학습한 결과 RMSE는 2.7665e-08, MAE는 1.4958e-08으로 Lasso 회귀, ElasticNet 회귀보다 더욱 좋은 성능을 보였다. 이는 Low-GloSea6 수행 과정 중 Hotspot으로 검출된 tri_sor.F90 모듈에 머신러닝 기법 적용 가능성을 확인하였다.

• 스마트미디어저널
• /
• 제12권9호
• /
• pp.159-170
• /
• 2023

실종자 수색은 많은 시간과 인력이 필요하다. 그 해결책의 일환으로 YOLO 기반 모델을 활용하여 실종자 수색 AI 시스템을 구현하였다. 객 객체 탐지 모델을 훈련하기 위해 AI-Hub에서 드론 이동체 인지 영상(도로 고정)을 수집하고 모델을 학습하였다. 또한, 훈련 데이터 세트와 상이한 환경에서의 성능을 평가하기 위해 산악 환경 데이터 세트를 추가 수집하였다. 실종자 수색 AI 시스템의 최적화를 위해 모델 크기 및 하이퍼파라미터에 따른 성능평가, 과대적합 우려에 대한 추가 성능평가를 시행하였다. 성능평가 결과 YOLOv5-L 모델이 우수한 성능을 보이는 것을 확인할 수 있었으며 데이터 증강 기법을 적용함에 따라 모델의 성능이 보다 향상되었다. 이후 웹 서비스에는 데이터 증강 기법을 적용한 YOLOv5-L 모델을 적용하여 실종자 수색의 효율성을 높였다.

• 사물인터넷융복합논문지
• /
• 제9권4호
• /
• pp.71-75
• /
• 2023

현대사회의 변화는 소프트웨어와 인공지능을 적용한 다양한 서비스 모델이 나오고 있으며, 모든 분야에서 소프트웨어와 인공지능을 기반으로 급격하게 변화되어 가고 있다. 국가 경쟁력을 좌우하는 주요한 영향요인으로 소프트웨어와 인공지능에 대한 교육이 부각되고 있다. 이러한 사회적 변화에 따라 소프트웨어와 인공지능의 활용에 대한 관심이 상당히 높다. 2025년부터는 초·중·고에서 소프트웨어와 인공지능 관련 교육과정이 공교육 현장에 도입 예정이어서 많은 교육활동이 활성화 되고 있다. 본 연구에서는 소프트웨어와 인공지능 체험활동 프로그램을 운영하였던 내용을 기반으로 향후 전개될 소프트웨어와 인공지능에 대한 학습의 프로그램과 운영 방법에 대한 효율성을 제안하고자 한다.

• 한국전자통신학회논문지
• /
• 제19권3호
• /
• pp.551-562
• /
• 2024

본 연구는 이동 객체 추출 및 추적 방법 및 장치에 관한 것으로, 특히 인접 영상 간의 차영상을 이용하여 객체를 추출하고, 추출된 객체의 위치정보를 지속적으로 전달함으로써 적어도 하나의 이동 객체의 정확한 위치정보를 토대로 이동 객체를 추적하는 이동 객체 추출 및 추적 방법 및 장치에 관한 것이다. 사람과 컴퓨터의 상호작용의 표현에서 시작된 사람추적은 로봇학습, 객체의 카운팅, 감시 시스템 등의 많은 응용분야에서 사용되고 있으며, 특히 보안 시스템분야에서 카메라를 이용하여 사람을 인식하고 추적하여 위법행위를 자동적으로 찾아낼 수 있는 감시 시스템 개발의 중요성이 나날이 커져 가고 있다.

• 한국전자통신학회논문지
• /
• 제19권3호
• /
• pp.531-538
• /
• 2024

수질 환경의 중요성이 강조되고 있는 가운데 광주광역시 도시 하천의 수질개선을 위한 수질 지표는 수생 생태계에 영향을 미치는 중요한 요소로 정확한 예측이 필요하다. 본 연구에서는 XGBoost와 LightGBM 머신러닝 알고리즘을 활용하여 광주천의 중요한 지점인 하류 평촌교(PyeongchonBr)와 상류 방학교(BangHakBr_Gwangjucheon1) 수계의 수질 검사 항목 중 통계적 검증 결과 유의미한 항목인 질소(TN), 질산염(NO3), 암모니아 양(NH3) 세 가지 수질 지표를 예측하는 연구를 수행하였고, 회귀 모델 평가 지표인 RMSE를 이용하여 예측 모델의 성능을 평가하였다. 수계별 개별적인 모델을 구현하여 교차 검증 후 성능을 비교한 결과, XGBoost 모델이 뛰어난 예측 능력을 보였다

• 한국측량학회지
• /
• 제38권4호
• /
• pp.363-373
• /
• 2020

정사영상 생성을 위한 많은 연구들이 진행되어 왔다. 기존의 방법은 정사영상을 제작할 경우, 폐색지역을 탐지하고 복원하기 위해 항공영상의 외부표정요소와 정밀 3D 객체 모델링 데이터가 필요하며, 일련의 복잡한 과정을 자동화하는 것은 어렵다. 본 논문에서는 기존의 방법에서 탈피하여 딥러닝(DL)을 이용하여 엄밀정사영상을 제작하는 새로운 방법을 제안하였다. 딥러닝은 여러 분야에서 더욱 급속하게 활용되고 있으며, 최근 생성적 적대 신경망(GAN)은 영상처리 및 컴퓨터비전 분야에서 많은 관심의 대상이다. GAN을 구성하는 생성망은 실제 영상과 유사한 결과가 생성되도록 학습을 수행하고, 판별망은 생성망의 결과가 실제 영상으로 판단될 때까지 반복적으로 수행한다. 본 논문에서 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 라이다 반사강도 데이터와 적외선 정사영상을 GAN기반의 Pix2Pix 모델 학습에 사용하여 엄밀정사영상을 생성하는 두 가지 방법을 제안하였다. 첫 번째 방법은 라이다 반사강도영상을 입력하고 고해상도의 정사영상을 목적영상으로 사용하여 학습하는 방식이고, 두 번째 방법에서도 입력영상은 첫 번째 방법과 같이 라이다 반사강도영상이지만 목적영상은 라이다 점군집 데이터에 칼라를 지정한 저해상도의 영상을 이용하여 재귀적으로 학습하여 점진적으로 화질을 개선하는 방법이다. 두 가지 방법으로 생성된 정사영상을 FID(Fréchet Inception Distance)를 이용하여 정량적 수치로 비교하면 큰 차이는 없었지만, 입력영상과 목적영상의 품질이 유사할수록, 학습 수행 시 epoch를 증가시키면 우수한 결과를 얻을 수 있었다. 본 논문은 딥러닝으로 엄밀정사영상 생성 가능성을 확인하기 위한 초기단계의 실험적 연구로서 향후 보완 및 개선할 사항을 파악할 수 있었다.