• 한국엔터테인먼트산업학회논문지
• /
• 제14권8호
• /
• pp.103-116
• /
• 2020

본 연구는 텍스트 중심의 연기론과 신체 중심의 연기론의 연결링크가 필요하다는 문제점을 인식하며 출발한다. 배우뿐만 아니라 연기교육자에 의해서도 수차례 논의되어 온 재현적 반복 연기를 통한 현존성 상실이라는 난제를 극복해줄 방안으로 브레히트의 연기론을 연구한다. 브레히트의 연기론은 많은 연구자들에 의해 종래의 배우훈련의 대안으로써 이미 언급된 바 있지만 실제 적용이 가능한 연기 훈련방법에 대한 연구는 많이 진행되지 않은 실정으로 브레히트 연기법의 실제에 대한 기초자료가 될 수 있도록 목표한다. 본 연구는 그 중에서도 텍스트 기반의 모순 찾기와 신체 중심의 브레히트 연기론을 연구하고 그의 연기론이 텍스트와 신체 중심 연기론의 연결링크로써 작용할 수 있는 가능성을 탐구한다. 연구방법으로는 먼저 텍스트 중심의 재현적 연기론과 신체 중심의 포스트드라마 연기론의 개념과 한계에 대한 이론적 고찰을 진행한다. 그리고 브레히트의 서사적 연기 중에서 텍스트에 중점을 둔 연기실행도구와 신체에 중점을 둔 연기실행도구를 구분하여 그가 사용한 용어와 개념을 정리하고 연기실행의 과정에서 도달하는 현존적 효과에 대해 확인한다. 마지막으로 필자의 지도경험을 바탕으로 브레히트의 연기이론을 변형하여 개발한 연기교수법 학습모형을 제안한다. 그러나 본 연구에서 제시한 학습모형은 필자의 지도경험만을 바탕으로 하기 때문에 그 효과를 일반화하는 데는 한계가 있음을 밝힌다. 향후 후속 연구를 통해 브레히트 연기론에 대한 깊이 있는 통찰과 다양한 연기교수법 모형을 개발을 통해 현대 연기교육의 다양성에 보탬이 되기를 기대해 본다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제28권3호
• /
• pp.31-43
• /
• 2022

최근, 메타버스는 다양한 분야에 적용될 수 있는 플랫폼으로서 그 영역을 급격히 넓히고 있다. 특히 다수의 사용자가 3차원 공간에서 상호작용 할 수 있는 기능은 VR/AR 기반의 교육 콘텐츠를 더욱 진보된 개념으로 활용할 수 있도록 해준다. 공학교육 특성상 3차원 물체를 기반으로 이루어지는 경우가 많다. 3차원 물체의 경우 2차원 동영상이나 문서를 통하여 설명하기 어렵고, 물체가 변하는 과정이 포함될 경우 더욱 표현이 어려워진다. 메타버스의 3차원 공간은 실시간 렌더링을 기반으로 하여 이러한 어려움을 개선해 줄 수 있다. 공학교육의 또 다른 특징은 실제 눈에 보이지 않는 요소가 많다는 점이다. 전자기장, 자기장, 힘 등 물체의 움직임에는 관여하나 눈에 보이지 않기 때문에 학습 난이도를 높이는 주된 이유가 된다. 이러한 문제 또한, 메타버스 공간에서 시각적으로 표현이 가능하기에 학습에 도움을 줄 수 있다. 본 논문에서는 공학교육을 위한 메타버스 플랫폼 구축 결과와 이를 기반으로 제작된 실시간 강의 콘텐츠를 설명하고, 적용한 결과와 강의 평가에 대해 다룬다. 총 9개의 메타버스 콘텐츠를 활용한 강의가 진행되었으며, 90%의 긍정적인 강의 평가 결과를 얻을 수 있었다.

• 디지털융복합연구
• /
• 제20권2호
• /
• pp.289-297
• /
• 2022

이 연구는 2020학년도 전 학기 비대면 교육 이후 온라인수업을 경험한 치과대학생의 전반적인 인식을 조사하는데 목적이 있다. 연구방법은 A대학교 치과대학생 161명을 대상으로 온라인 설문조사를 실시하였으며, 설문문항은 비대면 수업 만족도, 학습시스템, 교수요인, 평가방법과 온라인수업 요구조사이다. 분석방법은 빈도분석, 상관관계분석, 다중회귀분석을 사용하였다. 설문 분석 결과 치과대학생이 경험한 비대면 교육만족도는 4.2이상이며, 세부항목별로 보면, 출결처리 방식의 적절성, 녹화영상 강의에 대한 만족, 수업성적 평가 방식에 만족 순으로 나타났다. 비대면 교육만족도에 영향을 미치는 요인으로는 학습시스템과 평가방법이 통계적으로 유의하였다. 이 연구는 A대학의 비대면 교육 운영 상황만을 연구한 것으로 모든 대학에 일반화 할 수 없지만, 대면 및 비대면 수업의 양립을 위한 교육과정 설계 및 지원 방안을 마련하기 위한 기초자료로 활용할 수 있을 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제27권12호
• /
• pp.29-40
• /
• 2022

본 논문에서는 딥러닝 기법의 하나인 Mask R-CNN과 랜덤포레스트 분류기를 이용해 당뇨병성 망막병증의 병리학적인 특징을 검출하고 분석하여 자동 진단하는 시스템을 연구하였다. 당뇨병성 망막병증은 특수장비로 촬영한 안저영상을 통해 진단할 수 있는데 밝기, 색조 및 명암은 장치에 따라 다를 수 있으며 안과 전문의의 의료적 판단을 도울 인공지능을 이용한 자동진단 시스템 연구와 개발이 가능하다. 이 시스템은 미세혈관류와 망막출혈을 Mask R-CNN 기법으로 검출하고, 후처리 과정을 거쳐 랜덤포레스트 분류기를 이용하여 안구의 정상과 비정상 상태를 진단한다. Mask R-CNN 알고리즘의 검출 성능 향상을 위해 이미지 증강 작업을 실시하여 학습을 진행하였으며 검출 정확도 측정을 위한 평가지표로는 다이스 유사계수와 Mean Accuracy를 사용하였다. 비교군으로는 Faster R-CNN 기법을 사용하였고 본 연구를 통한 검출 성능은 평균 90%의 다이스 계수를 통한 정확도를 나타내었으며 Mean Accuracy의 경우 91% 정확도의 검출 성능을 보였다. 검출된 병리증상을 토대로 랜덤포레스트 분류기를 학습하여 당뇨병성 망막 병증을 진단한 경우 99%의 정확도를 보였다.

• 한국산림과학회지
• /
• 제112권3호
• /
• pp.267-279
• /
• 2023

본 연구는 IPCC에서 제시하고 있는 Approach 3 수준의 토지이용 및 토지피복 면적 추정을 위해 고해상도 항공사진에 딥러닝 알고리즘과 Sampling method를 적용하였으며, 표본강도에 따라 토지피복 면적을 산출하고 최적의 표본강도를 도출하는 것을 목적으로 하였다. 원격탐사자료로는 51 cm급의 고해상도 칼라 항공 이미지를 사용하였으며, 딥러닝 알고리즘은 전이 학습이 적용된 VGG16 아키텍처를 활용하였다. 딥러닝 기반 토지피복 분류모델의 학습과 검증은 육안판독을 통해 선별된 데이터를 이용하였다. 최적의 표본강도를 도출하기 위한 평가는 7개의 표본강도(4 × 4 km, 2 × 4 km, 2 × 2 km, 1 × 2 km, 1 × 1 km, 500 × 500 m, 250 × 250 m)에 따른 토지이용 및 토지피복 면적을 추정하고 환경부에서 제시한 토지피복지도와 비교하였다. 본 연구 결과, 딥러닝 기반의 토지피복 분류 모델의 전체정확도와 카파계수는 각각 91.1% 와 88.8%였다. F-Score는 초지를 제외한 모든 범주가 90% 이상으로 구축되어 모델의 정확도가 우수하였다. 표본강도별 적합도 검정은 유의수준 0.1에서 4 × 4 km를 제외한 모든 표본강도에서 환경부에서 제시한 토지피복지도의 면적 비율과 유의한 차이를 보이지 않았다. 또한, 표본강도가 증가할수록 상대표준오차와 상대효율은 감소하였으며, 상대표준오차는 1 × 1 km 표본강도에서 모든 토지피복범주가 15% 이하로 감소하였다. 따라서, 지역 단위의 토지피복 면적 산정을 위해서는 표본강도를 1 × 1 km보다 상세하게 설정하는 것이 적합하다고 판단된다.

• 전기전자학회논문지
• /
• 제27권3호
• /
• pp.340-344
• /
• 2023

본 논문에서는 날씨 변화에 따른 실외 LED 전광판의 시인성 확보를 위한 딥러닝 구조 개발에 관한 연구를 제안한다. 제안하는 기법은 영상장치를 이용한 딥러닝을 사용하여 날씨 변화에 따른 LED 휘도를 자동 조절함으로써 실외 LED 전광판의 시인성을 확보한다. 날씨 변화에 따른 LED 휘도를 자동 조절하기 위하여, 먼저 평면화된 배경 부분 이미지 데이터에 대한 전처리 과정을 거친 후, 합성곱 네트워크를 이용하여 학습시켜 날씨에 대한 분류를 진행할 수 있는 딥러닝 모델을 만들어낸다. 적용된 딥러닝 네트워크는 Residual learning 함수를 사용하여 입력값과 출력값의 차이를 줄임으로써 초기의 입력값의 특징을 가지고 가면서 학습하도록 유도한다. 다음에 날씨를 인식하여 날씨 변화에 따라 실외 LED 전광판의 휘도를 조절하는 제어기를 사용하여 주변 환경이 밝아지면 휘도가 높아지도록 변경하여 선명하게 보이도록 한다. 또한, 주변 환경이 어두워지면 빛의 산란에 의해 시인성이 떨어지기 때문에 전광판의 휘도가 내려가도록 하여 선명하게 보이도록 한다. 본 논문에서 제안하는 방법을 적용하여 LED 전광판의 날씨 변화에 따른 휘도 측정의 공인 측정 실험 결과는, 날씨 변화에 따라 실외 LED 전광판의 시인성이 확보됨을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.246-246
• /
• 2021

본 연구는 강우 발생시 유량을 추정하는 것에 목적이 있다. 이를 위해 본 연구는 선행연구의 모형 개발방법론에서 벗어나 딥러닝 알고리즘 중 하나인 합성곱 신경망 (convolution neural network)과 수문학적 이미지 (hydrological image)를 이용하여 강우 발생시 유량을 추정하였다. 합성곱 신경망은 일반적으로 분류 문제 (classification)을 해결하기 위한 목적으로 개발되었기 때문에 불특정 연속변수인 유량을 모의하기에는 적합하지 않다. 이를 위해 본 연구에서는 합성곱 신경망의 완전 연결층 (Fully connected layer)를 개선하여 연속변수를 모의할 수 있도록 개선하였다. 대부분 합성곱 신경망은 RGB (red, green, blue) 사진 (photograph)을 이용하여 해당 사진이 나타내는 것을 예측하는 목적으로 사용하지만, 본 연구의 경우 일반 RGB 사진을 이용하여 유출량을 예측하는 것은 경험적 모형의 전제(독립변수와 종속변수의 관계)를 무너뜨리는 결과를 초래할 수 있다. 이를 위해 본 연구에서는 임의의 유역에 대해 2차원 공간에서 무차원의 수문학적 속성을 갖는 grid의 집합으로 정의되는 수문학적 이미지는 입력자료로 활용했다. 합성곱 신경망의 구조는 Convolution Layer와 Pulling Layer가 5회 반복하는 구조로 설정하고, 이후 Flatten Layer, 2개의 Dense Layer, 1개의 Batch Normalization Layer를 배열하고, 다시 1개의 Dense Layer가 이어지는 구조로 설계하였다. 마지막 Dense Layer의 활성화 함수는 분류모형에 이용되는 softmax 또는 sigmoid 함수를 대신하여 회귀모형에서 자주 사용되는 Linear 함수로 설정하였다. 이와 함께 각 층의 활성화 함수는 정규화 선형함수 (ReLu)를 이용하였으며, 모형의 학습 평가 및 검정을 판단하기 위해 MSE 및 MAE를 사용했다. 또한, 모형평가는 NSE와 RMSE를 이용하였다. 그 결과, 모형의 학습 평가에 대한 MSE는 11.629.8 m3/s에서 118.6 m3/s로, MAE는 25.4 m3/s에서 4.7 m3/s로 감소하였으며, 모형의 검정에 대한 MSE는 1,997.9 m3/s에서 527.9 m3/s로, MAE는 21.5 m3/s에서 9.4 m3/s로 감소한 것으로 나타났다. 또한, 모형평가를 위한 NSE는 0.7, RMSE는 27.0 m3/s로 나타나, 본 연구의 모형은 양호(moderate)한 것으로 판단하였다. 이에, 본 연구를 통해 제시된 방법론에 기반을 두어 CNN 모형 구조의 확장과 수문학적 이미지의 개선 또는 새로운 이미지 개발 등을 추진할 경우 모형의 예측 성능이 향상될 수 있는 여지가 있으며, 원격탐사 분야나, 위성 영상을 이용한 전 지구적 또는 광역 단위의 실시간 유량 모의 분야 등으로의 응용이 가능할 것으로 기대된다.

• 대한토목학회논문집
• /
• 제29권3C호
• /
• pp.115-125
• /
• 2009

지반의 응력이력을 정의하는데 이용되는 선행압밀하중은 일반적으로 일차원 실내압밀실험으로부터 결정되어져 왔으나 피에조콘과 같은 원위치 시험의 관측값을 이용한 이론적인 방법과 경험적인 상관관계를 통한 결정도 가능하다. 최근 선행압밀하중을 결정하기 위한 인공신경망 모델들이 제안된 바 있으며, 기존의 이론적 경험적 선행압밀하중 추정 방법들이 갖는 지역의존성의 문제를 극복하고 예측 정확도 면에서도 크게 개선된 것으로 보고되었다. 그러나 인공신경망 모델은 모델구조와 학습과정에서 초기에 무작위로 부여되는 연결강도에 영향을 받아 예측에 변동성이 존재한다. 본 연구에서는 기존의 피에조콘 결과를 이용한 선행압밀하중 추정 인공신경망 모델이 연약지반에서 선행압밀하중 예측 시 보이는 변동성을 개선하기 위하여 신경망 모델의 구조 최적화를 수행하고 군집신경망 모델을 구축하였다. 제안된 군집신경망 모델을 이용한 예측결과는 기존의 다층신경망 모델 및 이론적 경험적 모델들과 비교되었다. 연구결과, 최적화된 구조를 갖는 다층신경망 모델일지라도 초기 연결강도에 따라 최종 학습 후 예측결과의 변동성이 여전히 존재하나, 다층신경망을 네트워크로 연결하여 제안된 군집신경망 모델은 기존의 다층신경망 모델들이 갖는 초기 연결강도 의존성을 개선하여 다층신경망 모델에 비해 일관성 있으며 보다 정확한 예측이 가능한 것으로 나타났다.

• 대한원격탐사학회지
• /
• 제40권1호
• /
• pp.71-80
• /
• 2024

이 연구에서는 무인 항공기(Unmanned Aerial Vehicle, UAV)가 캡처한 이미지의 의미론적 토지 피복 분할 성능을 향상시키기 위한 앙상블 학습 기법을 제안하고 있다. 도시 계획과 같은 분야에서 UAV 사용이 증가함에 따라 토지 피복 분할을 위한 딥러닝 분할 방법을 활용한 기술 개발이 활발히 이루어지고 있다. 이 연구는 대표적인 분할 모델인 U-Net, DeepLabV3 그리고 Fully Convolutional Network (FCN)를 사용하여 분할 예측 성능을 개선하는 방법을 제안한다. 제안된 접근 방식은 세 가지 분할 모델의 훈련 손실, 검증 정확도 및 클래스별 점수를 통합하여 앙상블 모델을 개발하고 전반적인 예측 성능을 향상시킨다. 이 방법은 건물, 도로, 주차장, 논, 밭, 나무, 빈 공간, 미분류 영역을 포함하는 일곱 가지 클래스가 있는 토지 피복 분할 문제에 적용하여 평가하였다. 앙상블 모델의 성능은 mean Intersection over Union (mIoU)으로 평가하였으며, 제안된 앙상블 모델과 기존의 세 가지 분할 방법을 비교한 결과 mIoU 성능이 향상되었음이 나타났다. 따라서 이 연구는 제안된 기술이 의미론적 분할 모델의 성능을 향상시킬 수 있음을 확인하였다.

• 문화기술의 융합
• /
• 제9권6호
• /
• pp.525-530
• /
• 2023

디지털드로잉 과목은 최근 혁신 교육과정의 움직임에 따른 평가 요소들의 세분화 단계와 평가의 점진성이 요구 되어진다. 본 논문에서는 드로잉을 평가하기 위한 혁신기준제시와 루브릭 평가에 의한 제안을 목적으로 한다. 본문에서는 혁신평가 기준으로서 초급 평가의 기준은 기술적 솜씨인 선의 정확성과 일관성, 그림의 비율과 균형 유지이며, 중급에서의 다양한 브러시와 도구를 효과적으로 활용한 능력을 위주로 제안을 하였다. 고급 평가 부분에서는 AI 자료 수집과 창의성을 중심으로 한 새로운 시각이나 독창성 및 주어진 주제에 대한 독특한 관점이나 해석의 부분이다. 아울러 디자인 원칙 이해로서 레이아웃, 색상, 형태 등의 디자인 원칙을 통한 작품의 일관성과 조화와 표현력, 감정 전달을 통한 디지털 드로잉 소프트웨어의 다양한 기능을 적극적으로 활용한 능력을 중심으로 한 완성도에 관한 평가 부분을 도출하였다. 루브릭 평가도입의 중요성은 교수자에게는 객관적이고 일관된 평가를 가능하게 하며, 이러한 예술 과목에서의 루브릭 평가 연구의 핵심은 학습자의 강점과 약점을 명확하게 파악할 수 있도록 도와주고, 학습자는 각 항목에 대한 피드백을 통해 개선할 부분을 파악하며, 그에 따라 더 나은 혁신의 드로잉 기술을 발전시킬 수 있기에 학문적 연구가 필요한 주요 항목이라 하겠다.