• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.17-18
• /
• 2016

본 논문에서는 딥러닝 기술 중의 하나인 CNN(Convolutional Neural Network) 기반의 얼굴 표정 인식 기법을 제안한다. 제안한 기법에서는 획득한 여섯 가지 주요 표정의 얼굴영상들을 학습 데이터로 이용할 때 분류 성능을 저해시키는 과적합(over-fitting) 문제를 해결하기 위해서 데이터 증대 기법(data augmentation)을 적용한다. 또한 기존의 CNN 구조에서 convolutional layer 및 node의 수를 변경하여 학습 파라미터 수를 대폭 감소시킬 수 있다. 실험 결과 제안하는 데이터 증대 기법 및 개선한 구조가 높은 얼굴 표정 분류 성능을 보여준다는 것을 확인하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.709-713
• /
• 2020

본 논문에서 육안으로도 구별하기 힘든 송전선과 같은 객체가 포함된 송전설비를 효과적으로 검출하는 방법을 제안한다. 객체 인식 모델에 송전탑 데이터 셋을 학습시켜 송전설비 Region of Interest(ROI)를 추출한다. 송전선 데이터 셋을 ResNet50 에 학습하고, 추출된 ROI 영상을 Guided Grad-CAM 을 출력한다. 추출된 Guided Grad-CAM 에 노이즈 제거 후처리를 적용하여 송전설비를 추출한다. 본 논문에서 제안된 기법을 적용할 경우 드론 또는 UAV 헬기 등에서 촬영된 영상으로 송전설비 유지보수가 가능하다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.18-18
• /
• 2018

상수관망 시스템(Water Distribution System, WDS)은 이용자에게 양질의 상수도를 공급하기 위해 구축된 사회기반시설물로써, 정수된 물이 사용처에 도달하기까지 송수과정에서 발생 가능한 수질저하를 고려해야 한다. 일반적으로 정수장에서 염소처리를 한 후, 도달시간을 고려한 시스템 내 잔류 염소농도를 유지함으로써 수질저하를 예방한다. 여기서 상수도 내 잔류 염소농도는 미생물 번식 및 관내 부식물 등 다양한 생물 화학적 오염을 효과적으로 예방하는 반면, 과다할 경우 이용자의 음용성을 저해할 수 있어 시스템 전반에 걸쳐 염소농도의 적절한 관리가 요구된다. 특히, 상수관망에서는 공급경로 및 공급량에 따라 각 수요처의 도달 염소농도가 다르게 분포할 수 있으므로, 시설운영자는 균등하고 적절한 염소농도를 유지하기 위해 추가적인 염소 재투입시설을 설치하여 함께 관리하고 있다. 이 때, 염소투입 시설의 운영계획은 EPANET과 같은 상수관망 해석모형의 수질모의를 바탕으로 수립된다. 그러나 일반적으로 수질모의는 수리해석과는 달리 긴 시간이 소요되는 단점이 존재한다. 본 연구에서는 이러한 단점을 개선하기 위해, 특정 네트워크의 수질모의 결과를 학습시킨 인공신경망(ANN) 모형을 구축하고 이를 이용하여 상수관망 수질모의 계산시간을 단축하고자 하였다. 여기서 ANN모형의 학습은 EPANET을 통해 미리 선정된 다양한 염소 투입지점의 염소 투입농도와 용수 공급량 자료, 그리고 주요 관측지점에서 측정된 염소농도자료를 이용하였다. 학습된 ANN모형을 EPANET 수질모의 결과와 비교 및 검증을 실시한 결과, 사전에 소요된 학습시간을 제외하면 수질모의 소요시간 측면에서 큰 개선효과를 보였으며, 대표지점에서의 수질모의 결과가 유사하였다. 추가적으로, 본 연구에서는 학습된 ANN모형과 최적화 알고리즘인 GA(Genitic Algorithm)를 연계하여 상수관망에서의 염소 재투입 스케줄링을 최적화하는 프로그램을 개발함으로써, 안전하고 경제적인 상수관망의 수질운영에 기여하고자 하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.300-304
• /
• 2020

본 논문에서는 원격 탐사 영상 정합에서 정확도는 유지하면서 특징점 매칭 (Matching) 복잡도를 줄이기 위해 입력 영상을 전처리하는 구조물 검출 네트워크를 이용한 원격 탐사 영상 정합 방법을 제안한다. 영상 정합의 기존 방법은 입력 영상에서 특징점을 추출하고 설명자 (Descriptor)를 생성한다. 본 논문에서 제안하는 방법은 입력 영상에서 특징점 매칭에 영향을 미치는 구조물만 추출하여 새로운 영상을 만들어 특징점을 추출한다. 추출된 특징점은 필터링 (Filtering)을 거쳐 원본 영상에 매핑 (Mapping)되어 설명자를 생성하여 특징점 매칭 속도를 향상시킨다. 또한 구조물 검출 네트워크에서 학습 영상과 시험 영상의 특성의 차이로 생기는 성능 저하 문제를 개선하기 위해 히스토그램 매핑 기법을 이용한다. 아리랑 3 호가 획득한 원격 탐사 영상에 대한 실험을 통해 제안하는 방법은 정확도를 유지하면서 계산 시간을 SURF 보다 87.5%, SIFT 보다 92.6% 감소시킬 수 있다.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.25 no.4
• /
• pp.65-74
• /
• 2021

In order to efficiently inspect rapidly increasing old tunnels in many well-developed countries, many inspection methodologies have been proposed using imaging equipment and image processing. However, most of the existing methodologies evaluated their performance on a clean concrete surface with a limited area where other objects do not exist. Therefore, this paper proposes a 6-step framework for tunnel crack detection deep learning model development. The proposed method is mainly based on negative sample (non-crack object) training and Cascade Mask R-CNN. The proposed framework consists of six steps: searching for cracks in images captured from real tunnels, labeling cracks in pixel level, training a deep learning model, collecting non-crack objects, retraining the deep learning model with the collected non-crack objects, and constructing final training dataset. To implement the proposed framework, Cascade Mask R-CNN, an instance segmentation model, was trained with 1561 general crack images and 206 non-crack images. In order to examine the applicability of the trained model to the real-world tunnel crack detection, field testing is conducted on tunnel spans with a length of about 200m where electric wires and lights are prevalent. In the experimental result, the trained model showed 99% precision and 92% recall, which shows the excellent field applicability of the proposed framework.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.26 no.6
• /
• pp.175-181
• /
• 2022

The condition of infrastructure deteriorates as the service life increases. Since most infrastructure in South Korea were intensively built during the period of economic growth, the proportion of outdated infrastructure is rapidly increasing now. Aging of such infrastructure can lead to safety accidents and even human casualties. To prevent these issues in advance, periodic and accurate inspection is essential. For this reason, the need for research to detect various types of damage using computer vision and deep learning is increasingly required in the field of remotely controlled or autonomous inspection. To this end, this study proposed a neural network structure that can detect concrete damage by classifying it into three types. In particular, the proposed neural network can detect them more accurately through a hierarchical learning technique. This neural network was trained with 2,026 damage images and tested with 508 damage images. As a result, we completed an algorithm with average mean intersection over union of 67.04% and F1 score of 52.65%. It is expected that the proposed damage detection algorithm could apply to accurate facility condition diagnosis in the near future.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.10 no.2
• /
• pp.133-144
• /
• 2006

In order to catch out such Bond Strength, the preceding researchers had ever examined the Bond Strength of FRP Plate through their experimentations by setting up of various fluent. However, since the experiment for research on such Bond Strength takes much of expenditure for equipment structure and time-consuming, also difficult to carry out, it is conducting limitedly. This Study purposes to develop the most suitable Artificial Neural Network Model by application of various Neural Network Model and Algorithm to the adhering experiment data of the preceding researchers. Output Layer of Artificial Neural Network Model, and Input Layer of Bond Strength were performed the learning by selection as the variable of the thickness, width, adhered length, the modulus of elasticity, tensile strength, and the compressive strength of concrete, tensile strength, width, respectively. The developed Artificial Neural Network Model has applied Back-Propagation, and its error was learnt to be converged within the range of 0.001. Besides, the process for generalization has dissolved the problem of Over-Fitting in the way of more generalized method by introduction of Bayesian Technique. The verification on the developed Model was executed by comparison with the resulted value of Bond Strength made by the other preceding researchers which was never been utilized to the learning as yet.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.1327-1330
• /
• 2004

본 논문은 멀티 프로세스 컨트롤&모니터링 모델을 지원하는 AI-Maker 시스템에 대해서 기술한다. 멀티 프로세스 컨트롤&모니터링 모델은 제어 구조의 표준으로 떠오르고 있는 OPC와 마이크로소프트사의 분산형 보안 서비스 개념(하부 구조 서비스, 응용 프로그램 지원 서비스)들을 사용하여 실제, 가공, 그리고 가상 데이터 액세스 포인터들에 대해서 차별화 된 제어 구조를 제시한다. AI-Maker는 다양한 사용자들에 대한 차별화 된 서비스와 가공 또는 가상 액세스 포인터를 사용하기 때문에 장비 종속적인 시스템에 대한 개발비용을 감소시킬 수 있다. 또한 전문가 시스템의 학습에 필요한 표본 데이터를 제공하므로 필드버스 기반의 자동화 시스템 개발 및 유지보수 시 양질의 서비스를 제공할 수 있는 이점이 있다.

• Broadcasting and Media Magazine
• /
• v.25 no.2
• /
• pp.52-60
• /
• 2020

최근 생체 정보를 이용한 사용자 인증 기술이 발전하면서 이를 모바일 기기에 적용하는 사례가 크게 증가하고 있다. 특히, 얼굴 기반 인증 방식은 비접촉식이며 사용이 편리하여 적용 범위가 점점 확대되고 있는 추세이다. 그러나, 사용자의 얼굴 사진이나 동영상 등을 이용한 위변조가 용이하기 때문에 모바일 기기 내 보안 유지에 어려움을 야기한다. 본 고에서는 이러한 문제를 해결하기 위해 최근 활발히 연구되고 있는 심층신경망 기반 얼굴 위변조 검출 연구의 최신 동향을 소개하고자 한다. 먼저, 기본 합성곱 신경망 구조부터 생성모델 기반의 위변조 검출 방법까지 다양한 신경망 구조를 이용한 위변조 검출 방법에 대해 설명한다. 또한, 심층신경망 학습을 위해 사용되는 얼굴 위변조 데이터셋에 대해서도 간략히 살펴보고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.606-608
• /
• 2023

최근 들어 극심한 가뭄이 지속됨에 따라 댐을 통한 물 수급에 어려움을 겪고 있다. 본 논문에서는 이러한 가뭄 상황에서 댐 자체 방류량 조절을 통해 낭비되고 있는 물을 절약하기 위한 기법을 제안한다. DQN 알고리즘을 사용해 방류량을 최적화하여 목표 저수량 이상의 상태를 60일간 유지하도록 설계하였으며, 해당 알고리즘 내 방류량의 가중치를 변경한 결과를 비교하여 그 성능을 분석하였다.