• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.173-176
• /
• 2021

요즘 사회에 흔하게 볼 수 있는 질병인 당뇨병은 그 수가 계속 늘어나고 있다. 증상이 적은 당뇨병의 특성 덕분에 인지율이 낮고 당뇨발과 같은 심각한 합병증으로 발전하기에 이를 사전에 진단하고 예방하는 것이 중요하다. 기존의 연구는 입력 혹은 발의 온도를 기반으로 차이를 구분함으로써 당뇨발 환자군을 판별했다. 본 논문에서는 당뇨발 진단의 정확도 향상을 위해 AI 학습 모델을 사용하는 방식을 사용하기 위하여 다중 센서를 부착한 스마틴솔을 개발하고 데이터 전처리를 통해 학습 데이터를 생성하는 과정을 기술한다. 또한, 이를 위한 스마틴솔에 다중 센서를 부착하고 펌웨어를 통해 발의 압력과 온습도를 오차 없이 효율적으로 실시간으로 받아내는 개발 과정과 결과를 제시한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.131-133
• /
• 2023

악성코드를 유포할 때 프로그램 코드만으로 악성코드의 유무를 확인할 수 없도록 조치하여 분석을 지연시키는 방식을 사용하는 방향으로 발전하고 있다. 악성코드를 실행하지 않고 코드와 구조만으로 분석하는 정적 분석으로는 악성코드를 판별할 수 없어 코드를 직접 실행해 분석하는 동적 분석을 이용해야 한다. 본 논문에서는 난독화된 비정상적인 코드를 직접 실행한 동적 분석데이터와 일반적이지 않은 섹션들의 정보를 추출한 정적 분석데이터를 이용해 동적-정적 분석 데이터와 딥러닝 모델을 통해 난독화 및 패킹된 악성코드를 탐지하는 기법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• 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.

• Annual Conference on Human and Language Technology
• /
• 2023.10a
• /
• pp.479-484
• /
• 2023

다중 레이블 오픈 의도 분류란 다중 의도 분류와 오픈 의도 분류가 합쳐져 오픈 도메인을 가정하고 진행하는 다중 의도 분류 문제이다. 발화 속에는 여러 의도들이 존재한다. 이때 사전에 정의된 의도 여부만을 판별하는 것이 아니라 사전에 정의되어 있는 의도에 대해서만이라도 어떤 의도인지 분류할 수 있어야 한다. 본 논문에서는 발화 속 의도 정보를 활용하여 다중 레이블 오픈 의도를 분류하는 모델을 제안한다. 먼저, 문장의 의도 개수를 예측한다. 그리고 다중 레이블 의도 분류기를 통해 다중 레이블 의도 분류를 진행하여 의도 정보를 획득한다. 획득한 의도 정보 속 다중 의도 개수와 전체 의도 개수를 비교하여 전체 의도 개수가 더 많다면 오픈 의도가 존재한다고 판단한다. 실험 결과 제안한 방법은 MixATIS의 75% 의도에서 정확도 94.49, F1 97.44, MixSNIPS에서는 정확도 86.92, F1 92.96의 성능을 보여준다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.947-948
• /
• 2023

본 논문은 보이스피싱 취약 계층을 위해 통화 내용을 신속하게 처리하여 실시간으로 범죄 여부를 판별하는 VoIP 에 특화된 시스템을 제안하였다. 실제 보이스 피싱 통화 유형을 학습한 탐지 모델을 개발하여 API 로 배포하였다. 또한 보이스피싱 위험도가 일정 수준에 도달할 경우 사용자에게 보이스피싱 가능성을 경고하는 장치를 제작하였다. 본 연구는 보이스피싱을 사전에 탐지함으로써 개인정보의 유출 및 금융 피해를 예방하고 정보 보안을 실천하는 데 기여할 것으로 기대된다.

• KIPS Transactions on Software and Data Engineering
• /
• v.8 no.3
• /
• pp.115-122
• /
• 2019

For Korean phoneme recognition, Hidden Markov-Gaussian Mixture model(HMM-GMM) or hybrid models which combine artificial neural network with HMM have been mainly used. However, current approach has limitations in that such models require force-aligned corpus training data that is manually annotated by experts. Recently, researchers used neural network based phoneme recognition model which combines recurrent neural network(RNN)-based structure with connectionist temporal classification(CTC) algorithm to overcome the problem of obtaining manually annotated training data. Yet, in terms of implementation, these RNN-based models have another difficulty in that the amount of data gets larger as the structure gets more sophisticated. This problem of large data size is particularly problematic in the Korean language, which lacks refined corpora. In this study, we introduce CTC algorithm that does not require force-alignment to create a Korean phoneme recognition model. Specifically, the phoneme recognition model is based on convolutional neural network(CNN) which requires relatively small amount of data and can be trained faster when compared to RNN based models. We present the results from two different experiments and a resulting best performing phoneme recognition model which distinguishes 49 Korean phonemes. The best performing phoneme recognition model combines CNN with 3hop Bidirectional LSTM with the final Phoneme Error Rate(PER) at 3.26. The PER is a considerable improvement compared to existing Korean phoneme recognition models that report PER ranging from 10 to 12.

• Journal of Korean Society of Forest Science
• /
• v.75 no.1
• /
• pp.32-37
• /
• 1986

In order to get the fundamental information that could be useful to judge the potentiality of occurrence of rapid shallow landslide in the objective slope, factors selected on Jinhae regions in Korea, where many landslides were caused by heavy rainfall of daily 465 mm and hourly 52mm in August 1979, was carried out through the multiple statistics of quantification method (II) by the electronic computer. The net system with $2{\times}2cm$ unit mesh was overlayed with the contour map of scale 1:5000. 74 meshes of landslides and 119 meshes of non-landslide were sampled out to survey the state of vegetative cover and geomorphological conditions, those were divided into 6 items arid 27 categories. As a result, main factors that would lead to landslide were shown in order of vegetation, slope type, slope position, slope, aspect and numbers of stream. Particularly, coniferous forest of 10 years old, concave slope and foot of mountain were main factors making slope instability. On the contrary, coniferous forest of 20-30 years old, deciduous forest, convex slope and summit contributed to the stable against Landslide. The boundary value between two groups of existence and none of landslides was -0.123, and its prediction was 72%. It was well predicted to divide into two groups of them.

• Journal of Korean Society of Forest Science
• /
• v.89 no.2
• /
• pp.256-259
• /
• 2000

D.B.H., height, crown length, crown width, crown form, crown area, and crown volume of dead and live trees were measured and the discriminant analysis was conducted to assess individual tree risk-rating in the pine forest seriously infested by the pine needle gall midge. Thecodiplosis japonensis. Crown length, crown form, crown area, and crown volume of live tree were significantly higher than those of dead tree, while D.B.H. and tree height were not different significantly. These results represent that the trees with higher and wider crown and larger crown volume have relatively higher probability to survive from the infestation by the pine needle gall midge. Variables selected in the functions of discriminant analysis were crown area, ratio of crown length, crown form, ratio of crown volume to crown area, and ratio of crown width.

• Journal of the Korea Society of Computer and Information
• /
• v.19 no.10
• /
• pp.43-53
• /
• 2014

Gunnery has been used to detect and classify artilleries. In this paper, we used electro-optical data to get the information of muzzle flash from the artilleries. Feature based approach was applied; we first defined features and sub-features. The number of sub-features was 38~40 generic sub-features, and 2 model-based sub-features. To classify multiclass data, we introduced tree structure with clustering the classes according to the similarity of them. SVM was used for each non-leaf nodes in the tree, as a sub-classifier. From the data, we extracted features and sub-features and classified them by the tree structure SVM classifier. The results showed that the performance of our classifier was good for our muzzle flash classification problem.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.38 no.4
• /
• pp.621-625
• /
• 2018

This paper proposes a method for bridge damage factor recognition from inspection reports using deep learning. Bridge inspection reports contains inspection results including identified damages and causal analysis results. However, collecting such information from inspection reports manually is limited due to their considerable amount. Therefore, this paper proposes a model for recognizing bridge damage factor from inspection reports applying Named Entity Recognition (NER) using deep learning. Named Entity Recognition, Word Embedding, Recurrent Neural Network, one of deep learning methods, were applied to construct the proposed model. Experimental results showed that the proposed model has abilities to 1) recognize damage and damage factor included in a training data, 2) distinguish a specific word as a damage or a damage factor, depending on its context, and 3) recognize new damage words not included in a training data.