• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• fall
• /
• pp.325-327
• /
• 2021

코로나19 전염병 예방을 위한 공공장소에서의 마스크 착용이 의무화되고 있다. 그러나 사람들이 다양한 이유로 마스크를 제대로 착용하지 않아 감염에 노출되는 위험이 발생하고 있다. 이러한 방역 문제를 해결하고 본 논문은 영상을 인식하여 마스크를 쓴 얼굴과 쓰지 않은 얼굴을 검출하는 방식을 제안한다. 제안 방법은 마스크 착용자와 비착용자 얼굴 영상을 딥러닝 기반의 YOLO 네트워크로 학습하여, 마스크 착용 유무를 판별한다. 동일 YOLO 네트워크에 대해 여러가지 조건으로 학습을 수행하고, 학습에 사용되지 않은 검증 데이터를 이용해 정확도가 가장 높은 네트워크의 가중치를 선택하였다. 실험결과, 마스크 착용자는 67.2%, 미착용자는 39.8%의 판별 정확도를 보였다. 미착용자에 대해 낮은 정확도를 보인 이유는 학습 데이터의 부족으로 판단되며, 이를 보완하기 위하여 더 많은 학습데이터를 제작하여 성능을 개선시키고자 한다.

• Journal of Gifted/Talented Education
• /
• v.23 no.5
• /
• pp.771-791
• /
• 2013

What are the identification criteria elementary school teachers prefer? What are the characteristics of students that teachers consider when nominating them to gifted programs? Will those criteria of identification/nomination differ as to teacher experiences related to gifted education or teacher involvement in the professional development? This study aims to find the answer to these questions. For this purpose, a total of 511 elementary school teachers with a varying degree of experiences with gifted education were recruited from 23 schools in 11 school districts in Seoul. The results show that teachers generally preferred task commitment, creativity, curiosity, and domain specific talents as criteria for identifying gifted students, while perceiving achievement records, total grades, leadership, and general intelligence as less important. Teachers experienced in gifted education or having been involved in professional development perceived curiosity, task commitment, and creativity as more important than teachers without such experiences. The importance-performance analysis of identification criteria indicates that teachers reported high importance on task commitment, curiosity, and creativity, but those factors were less considered in actual nomination. On the contrary, teachers reported low importance on quick learning and achievement(total grades, subject grades), but those were highly considered in nomination. A similar pattern was found in both experienced and nonexperienced teachers although the importance-performance gap was higher for the latter. Implications for teacher nominations and professional development were discussed.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.861-863
• /
• 2019

사람 얼굴 생성을 목적으로 하는 Generative Adversarial Network(GAN)에서 판별자(discriminator)의 각 레이어에 대한 스펙트럴 정규화(spectral normalization) 적용에 따른 출력 이미지의 결과를 비교하였다. 또한 생성자(generator)에 적응 인스턴스 정규화(Adaptive Instance Normalization) 모듈의 삽입에 따른 출력 이미지의 결과를 기존 모델과 비교하고 분석하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.479-480
• /
• 2023

생성형 인공지능은 학습의 기준을 파악하기 어려운 모델이다. 그 중 DCGAN을 분석하여 판별자를 통해 생성자의 학습 기준을 판단할 수 있는 하나의 방법을 제안하고자 한다. 그 과정에서 XAI 기법인 Grad-CAM을 활용하여 학습 시에 모델이 중요시하는 부분을 분석하여 적합한 학습과 학습에 적합하지 않은 데이터를 분석하는 방법을 소개하고자 한다.

• School Mathematics
• /
• v.15 no.1
• /
• pp.15-35
• /
• 2013

The purpose of the research is to categorize math learners into pattern through those tools that distinguish math learning style for middle school students. On the ground of survey for 976 middle school students, the fact that there are 16 different math learning style at the result of cluster analysis is confirmed and the results are compared and analyzed previous research. Also according to the each constituent of math learning style, dissimilarity of distribution about learner of different sexes and grades are analyzed. It's helpful to understanding the whole characteristics of learners regarding math learning to figure out their cognitive and affective learning styles through the tools to distinguish their math learning styles.

• The Journal of the Korea Contents Association
• /
• v.15 no.8
• /
• pp.579-587
• /
• 2015

The purpose of this study is to investigate how Korean learners perceive English vowels and further to test SLM which claims that new L2 vowel categories are more easily acquired than similar L2 vowel categories. Twenty Korean learners participated in English-to-Korean mapping test and English vowel identification test with target vowels /i, ɪ, u, ʊ, ɛ, æ/. The result revealed that Korean participants mapped the English pairs /i/-/ɪ/ and /u/-/ʊ/ onto single Korean vowel /i/ and /u/, respectively. in addition, both of English /ɛ/ and /æ/ were simultaneously mapped onto Korean /e/ and /ɛ/. This indicated that the Korean participants seemed to have perceptual difficulty for the pairs /i-ɪ/, /u-ʊ/, and /ɛ-æ/. The result of the forced-choice identification test showed that the accuracy of /ɪ, ʊ, æ/(ɪ: 81.3%, ʊ: 62.5%, æ: 60.0%) was significantly higher than that of /i, u, ɛ/(i: 28,8%, u: 28.8%, ɛ: 32.4%). Thus, the claim of SLM is confirmed given that /ɪ, ʊ, æ/ are new vowel categories whereas /i, u, ɛ/ are similar vowel categories. Further, the conspicuously low accuracy of the similar L2 vowel categories /i, u, ɛ/ was accounted for by over-generalization whereby the Korean participants excessively replaced L2 similar /i, u, ɛ/ with L2 new /ɪ, ʊ, æ/ as the participants were learning the L2 new vowel categories in the process of acquisition. Based on the findings this study, pedagogical suggestions are provided.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.444-446
• /
• 2024

한국의 육류 소비량이 늘어감에 따라 한우의 수요 및 공급도 점차 늘어가고 있다. 한우는 육질 등급(QG)과 육량 등급(YG)으로 나누어 판별되며 근내지방도, 고기 색, 지방색, 조직감, 성숙도, 도체 중량, 배최장근 단면적, 등지방두께 등 여러 항목을 고려한다. 현재는 주로 등배근을 맨눈으로 확인하는 수동 판별 방식이 사용된다. 하지만 평가사가 정확하게 판단하기 어렵고, 작업자의 부주의로 인한 육류의 오염 등 시간과 비용의 문제점이 있다. 본 연구에서는 이러한 문제점들을 한우 등급 판별 자동화로 해결하기 위해 한우의 등심 단면 이미지를 활용하여 등배근의 근내지방도를 산출하고 한우 등급을 자동 판별하는 알고리즘을 구현하였으며 평균 정확도는 79.2%를 달성하였다.

• Journal of Advanced Marine Engineering and Technology
• /
• v.38 no.9
• /
• pp.1137-1140
• /
• 2014

Faulty electric motors onboard vessels with anomalies in windings or poor insulation are usually repaired at land based workshops and reinstalled in place by crew hands after receiving the repaired motors. Especially for 3 phase induction motors which need Y-${\delta}$ starters with 6 lead wires, it would happen that the polarities of stator windings cannot be well distinguished if the original tags of these wires are erased or not visible clearly, resulting in subsequent damage to the repaired motor due to extreme current flow when the power is given to the motor the stator windings of which are wrongly connected in the polarity. This study proposes an easy way to make correct connection in winding polarities without failures based on the electro-magnetically induced voltages on windings when a slight DC current is supplied to a winding coil by using an analog multi-tester. The proposed method is applied to actual motors and delves into the applicability for polarity discrimination through a few measurements onboard vessels.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.2-2
• /
• 2023

기후변화가 가속화로 인해 수재해의 빈도와 강도 예측이 어려워짐에 따라 실시간 홍수 모니터링에 대한 수요가 증가하고 있다. 합성개구레이다는 광원과 날씨에 무관하게 촬영이 가능하여 수재해 발생시에도 영상을 확보할 수 있다. 합성개구레이다를 활용한 수체 탐지 알고리즘 개발이 활발히 연구되어 왔고, 딥러닝의 발달로 CNN을 활용하여 높은 정확도로 수체 탐지가 기능해졌다. 하지만, CNN 기반 수체 탐지 모델은 훈련시 높은 정량적 정확성 지표를 달성하여도 추론 후 정성적 평가시 경계와 소하천에 대한 탐지 정확성이 떨어진다. 홍수 모니터링에서 특히 중요한 정보인 경계와 좁은 하천에 대해서 정확성이 떨어짐에 따라 실생활 적용이 어렵다. 이에 경계를 강화한 적대적 학습 기반의 수체 탐지 모델을 개발하여 더 세밀하고 정확하게 탐지하고자 한다. 적대적 학습은 생성적 적대 신경망(GAN)의 두 개의 모델인 생성자와 판별자가 서로 관여하며 더 높은 정확도를 달성할 수 있도록 학습이다. 이러한 적대적 학습 개념을 수체 탐지 모델에 처음으로 도입하여, 생성자는 실제 라벨 데이터와 유사하게 수체 경계와 소하천까지 탐지하고자 학습한다. 반면 판별자는 경계 거리 변환 맵과 합성개구레이다 영상을 기반으로 라벨데이터와 수체 탐지 결과를 구분한다. 경계가 강화될 수 있도록, 면적과 경계를 모두 고려할 수 있는 손실함수 조합을 구성하였다. 제안 모델이 경계와 소하천을 정확히 탐지하는지 판단하기 위해, 정량적 지표로 F1-score를 사용하였으며, 육안 판독을 통해 정성적 평가도 진행하였다. 기존 U-Net 모델이 탐지하지 못하던 영역에 대해 제안한 경계 강화 적대적 수체 탐지 모델이 수체의 세밀한 부분까지 탐지할 수 있음을 증명하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2013.11a
• /
• pp.54-57
• /
• 2013

최근 다양한 방송 및 영상 분야에서 사람의 행동을 인식하여는 연구들이 많이 이루어지고 있다. 영상은 다양한 형태를 가질 수 있기 때문에 제약된 환경에서 유용한 템플릿 방법들보다 특징점에 기반한 연구들이 실제 사용자 환경에서 더욱 관심을 받고 있다. 특징점 기반의 연구들은 영상에서 움직임이 발생하는 지점들을 찾아내어 이를 3차원 패치들로 생성한다. 이를 이용하여 영상의 움직임을 히스토그램에 기반한 descriptor(서술자)로 표현하고 학습기반의 판별기(classifier)로 최종적으로 영상 내에 존재하는 행동들을 인식하였다. 그러나 단일 판별기를 이용한 다양한 영상 인식을 수용하기에는 힘들다. 최근에 이를 개선하기 위하여 다중 판별기를 활용한 연구들이 영상 판별 및 물체 검출 영역에서 사용되고 있다. 따라서 본 논문에서는 행동 인식을 위하여 support vector machine과 spare representation을 이용한 decision-level fusion 방법을 제안하고자 한다. 제안된 논문의 방법은 영상에서 특징점 기반의 descriptor를 추출하고 이를 각각의 판별기를 통하여 판별 결과들을 획득한다. 이 후 학습단계에서 획득된 가중치를 활용하여 각 결과들을 융합하여 최종 결과를 도출하였다. 본 논문에 실험에서 제안된 방법은 기존의 융합 방법보다 높은 행동 인식 성능을 보여 주었다.