• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권4호
• /
• pp.125-132
• /
• 2021

인공신경망의 계층의 깊이가 깊어지고 입력으로 사용되는 데이터 차원이 증가됨에 신경망의 학습 및 인식에 있어서 많은 연산을 고속으로 요구하는 고연산의 문제가 발생한다. 따라서 본 논문에서는 신경망 입력 데이터의 차원을 감소시키기 위한 데이터 차원 감소 방법을 제안한다. 제안하는 선분 특징 분석(Line-segment Feature Analysis; LFA) 알고리즘은 한 영상 내에 존재하는 객체의 선분(Line-segment) 특징을 분석하기 위하여 메디안 필터(median filter)를 사용한 기울기 기반의 윤곽선 검출 알고리즘을 적용한다. 추출된 윤곽 영상은 [0, 1, 2, 4, 8, 16, 32, 64, 128]의 계수 값으로 구성된 3×3 또는 5×5 크기의 검출 필터를 이용하여 8가지 선분의 종류에 상응하는 고유값을 계산한다. 각각의 검출필터로 계산된 고유값으로부터 동일한 반응값을 누적하여 두 개의 1차원의 256 크기의 데이터를 생성하고 두 가지 데이터 요소를 합산하여 LFA256 데이터를, 두 데이터를 합병하여 512 크기의 LAF512 데이터를 생성한다. 제안한 LFA 알고리즘의 성능평가는 필기체 숫자 인식을 위한 데이터 차원 감소를 목적으로 PCA 기법과 AlexNet 모델을 이용하여 비교 실험한 결과 LFA256과 LFA512가 각각 98.7%와 99%의 인식 성능을 보였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권6호
• /
• pp.181-190
• /
• 2021

여러 명이 모여서 진행되는 스포츠 활동은 코로나19와 같이 광범위하게 유행하는 전염병이 퍼지는 상황에서는 진행되기 어려우며, 이로 인해 현대인의 신체 활동 부족이 발생한다. 비대면으로 진행되는 운동 콘텐츠들을 이용하면 이런 문제점을 극복할 수 있지만, 대면 운동 시와 같은 세밀한 자세 확인이 어렵다. 본 연구에서는 보다 나은 비대면 운동 콘텐츠 운영을 위해서 IT 시스템에서 자세를 감지하고 움직임을 추적하는 모델을 제시한다. 제안하는 움직임 추적 모델은 체육학에서 널리 사용되는 움직임 분석 방법들을 참고하여 신체 모델을 정의하고 이에 따른 자세 및 움직임을 정의한다. 제안한 모델을 사용하면 운동에 쓰이는 움직임을 인식하고 분석할 수 있으며 운동 프로그램에서 특정 움직임의 횟수를 알 수 있고, 운동프로그램 수행 여부 감지도 가능하다. 제안한 모델의 유효성을 확인하기 위해 마커리스 모션 캡쳐 장비인 Azure Kinect DK를 사용하여 움직임 추적, 그리고 운동 프로그램 추적 프로그램을 구현하였다. 제안된 움직임 분석 모델을 개선하고 모션 캡쳐 시스템의 성능을 높인다면 보다 세밀한 움직임 분석이 가능하며, 적용할 수 있는 운동의 종류를 늘릴 수 있다.

• 정보교육학회논문지
• /
• 제25권2호
• /
• pp.423-436
• /
• 2021

다가오는 미래사회에서는 인공지능 기술이 범용기술이 될 것이며, 인공지능 역량이 필수 역량이 될 것으로 예측되고 있다. 이에 전 세계 주요 국가들은 AI 경쟁력을 갖추기 위해 AI 전문가를 육성하고, 누구나 AI를 이해하고, 설명하며, 응용할 수 있는 인프라와 교육 환경을 갖추기 위해 노력하고 있다. 본 연구에서는 국내·외 인공지능 교육의 선행 연구 사례와 함께 서울 소재 31개 종합대학의 SW 교양 교육 현황을 조사했으며, 이를 바탕으로 SW 교양 교육과 전문적인 AI 교육을 연계할 수 있는 AI 리터러시 교육 모델이 필요하다는 결론을 도출하였다. 이에 KOCW에 공개된 20개의 AI 관련 강좌를 AI 리터러시 역량을 중심으로 분류하였으며, 분류된 결과를 바탕으로 대학생을 위한 AI 리터러시 교양 교육 모델을 제안하고자 한다. 제안하는 AI 리터러시 교육 모델은 기존의 이론적 교육 모델이나 컴퓨터과학적 교육 모델과는 달리 인문학적 소양과 함께 인공지능을 체험할 수 있는 AI·SW 융합 교육 모델이다. 제안하는 AI 리터러시 교육 모델이 AI의 확산에 기여할 수 있기를 기대한다.

• 정보교육학회논문지
• /
• 제25권3호
• /
• pp.449-457
• /
• 2021

교육부는 최근 2025년부터 초중고에 인공지능교육을 도입한다고 발표하였고 언론에서는 인공지능교육 도입에 대한 우려를 나타내는 기사들을 내보내고 있다. 본 연구에서는 초등학교에서 실제 인공지능교육을 담당할 교사를 대상으로 인공지능교육 도입에 대한 인식을 분석하는데 주안점을 두고 소프트웨어와 관련된 학습경험이 많은 교사와 학습경험이 적은 교사로 구분하여 조사하였다. 분석결과, 학습경험이 많은 교사는 인공지능교육 도입에 100% 찬성의 입장을 나타내었고 학습경험이 적은 교사는 80%가 긍정적 의사를 나타내었다. 학습경험이 적은 교사의 20%가 반대하는 원인 중에는 현재의 실과 교과에 포함된 소프트웨어 단원으로도 충분하다가 높은 비율로 나타났다. 학습경험이 많은 교사와 학습경험이 적은 교사 모두 적절한 교육시기로 5-6학년을 가장 많이 선택했고 교육시수는 주당 1시간을 가장 적절한 시수로 보았다. 교과 구성 형식은 학습경험이 많은 교사의 75%가 소프트웨어교육을 독립교과로 하고 그 안에 인공지능교육을 포함시키는 방안을 선택하였고 학습경험이 적은 교사의 54%가 인공지능교육을 독립교과로 하거나 소프트웨어교육을 독립교과로 하고 인공지능교육을 그 안에 포함시키는 방안을 선택하였다. 교육내용의 선호도는 인공지능 프로그래밍 기초, 인공지능 개념 원리, 인공지능 윤리 순으로 나타났다.

• 지질공학
• /
• 제31권2호
• /
• pp.199-209
• /
• 2021

본 논문은 SOC시설물 건설에 따른 지반 안정성을 평가한 논문으로, 기존 지반 및 숨골 조사결과에 따른 지반 물성치를 이용하여 SOC시설물 하부지반의 안정성을 평가한 것이다. 연구내용은 다음과 같다. 1) 기존 지반조사 자료를 기반으로 지반현황을 분석하여 숨골 및 지반 물성치를 산정하였다. 2) 수치해석을 통한 지반의 안정성 및 변형 범위를 파악하였다. 3) 지반안정성 해석단면(대형장비 주행로) 결정한 후 단면에 대한 모델링을 하여, 지반 안정성을 평가하였다. 본 연구는 SOC시설물 전체 부지를 크게 3개의 단면으로 나누어 해석하였으며, SOC시설물 하부지반의 각 단면별 지반, 하중조건 및 포장조건을 파악하여 컴퓨터 수치해석 모델링을 통해 응력, 침하량, 변형률을 산정하였다. 현 지반 조건에 따른 각 단면별 해석결과, 침하량은 0.11~0.18 m, 전응력은 92.75~445 kPa로 해석되었다. 이 결과들은 하부지반의 숨골을 고려하여 지반의 강도 정수를 감소시켰을 뿐 아니라, 하부지반의 보강이 없는 조건으로 해석한 결과이므로, 적절한 하부지반의 조건을 고려하여 약액주입 등의 간단한 지반 보강만으로 충분한 SOC시설물 지반 안정성을 확보할 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권6호
• /
• pp.243-250
• /
• 2021

최근 VR/AR/MR 기술과 3D 주변 장치의 발전에 의해 3D 가상현실 응용 서비스 개발이 증가하고 있으며 이에 따라 3D 데이터의 호환성과 이식성에 대한 요구가 증가하고 있다. 여러 장치의 응용 프로그램의 데이터를 공동으로 사용할 수 있도록 하기 위해서는 3D 표준 데이터 형식의 파일 처리가 요구된다. 이 때 가상환경 장면 처리에 필요한 공통의 파일 형식과 함께 함수와 변수 클래스들을 표준화된 라이브러리와 데이터구조를 제공한다면 응용 별로 서로 다른 파일 형식과 데이터구조의 사용으로 인해 발생하는 불필요한 처리 과정을 생략할 수 있어서 보다 효율적인 시스템 구성이 가능할 것이다. 본 연구에서는 이러한 공통의 데이터 파일과 데이터구조 사용 기능을 위해서 특정의 프로그래밍 언어를 이용하여 공용의 3D 표준 파일에 접근하여 다양한 서비스를 개발할 수 있도록 표준화된 데이터를 생성하고 저장할 수 있는 프로그래밍 바인딩 도구를 제공하는 것이 목적이다. 이를 위해 본 논문에서는 Python 프로그래밍 언어를 이용하여 X3D 파일을 표준화된 방식으로 접근할 수 있도록 클래스와 함수를 포함하는 공통의 데이터구조를 정의하며 이 언어 바인딩 인터페이스를 기반으로 X3D 장면 데이터 파일을 렌더링 하는 X3D VR 뷰어인 Python 언어 바인딩 뷰어 구현에 대해 기술한다. 이 뷰어는 X3D 오브젝트의 생성, 변경, 교환 및 전송을 위한 Python 기반의 3D 장면 라이브러리들과 데이터구조를 포함한다. 그리고 이를 이용하여 X3D 오브젝트를 디스플레이하고 이벤트들을 처리한다.

• 지식경영연구
• /
• 제23권1호
• /
• pp.47-67
• /
• 2022

컴퓨터와 인터넷 정보 기술은 현대 서비스 산업과 사람들의 생활 방식을 변화시켰다. 특히 COVID-19의 전 세계적 확산으로 셀프서비스 기술 등 연락 서비스 유형에 대한 관심이 점차 높아지고 있다. 인건비 상승과 소비자 자기인식 제고로 업무 일부를 자체 서비스 기술을 통해 고객에게 이전하는 기업이 늘고 경영환경 속에서 본 연구는 다음의 질문에 답하고자 한다. (1) 셀프서비스기술 환경에서 기술난이도와 안전성 지각이 고객 가치 인식에 어떻게 영향을 미치는가? (2) 고객 가치 인식은 셀프서비스기술의 지속사용의도에 영향을 끼치는가? 본 연구는 327개 표본으로 실증분석을 실시하여 셀프서비스 특성인 기술난이도와 안전성 지각이 고객가치 인식과 지속적 이용의도에 미치는 영향을 검증하였다. 고객이 가치를 인식하고 셀프서비스 기술 사용에서 중요한 역할을 하는 것은 고객의 가치 체험이다. 셀프서비스기술 환경에서 고객이 가치를 인식하여 지속사용의도에 영향을 미친다는 선행연구는 그동안 거의 없었던 바, 본 연구는 고객의 체험가치가 높을수록 셀프서비스 기술을 선호하고 지속적인 이용의도가 높아짐을 실증하였다.

• 스마트미디어저널
• /
• 제11권4호
• /
• pp.46-55
• /
• 2022

과일 품질 자동 선별 시스템에서 흠집이나 부패한 부위가 존재하는 불량 과일을 우선적으로 검출하여 제거하는 작업은 매우 중요하다. 본 연구에서는 기존의 영상처리 기법을 이용하여 불량 부위가 있는 과일 검출하는 방법의 한계점을 극복하기 위하여, 최신 인공지능 기술인 Yolo V4 딥러닝 지능기술을 이용하여 과일 불량 부위를 검출하는 방법을 제안한다. 본 연구에서는 흠집 또는 부패 부위가 존재하는 1,100개의 불량 사과 및 1,300개의 불량 배를 포함한 총 2,400개의 불량 과일에 대하여 Yolo V4 딥러닝 모델을 사용하여 학습하고 불량 부위 검출 실험을 하였다. 성능 실험 결과에 따르면 사과의 정확률은 0.80, 재현율은 0.76, IoU는 69.92%, mAP는 65.27%이고, 배의 정확률은 0.86, 재현율은 0.81, IoU는 70.54%, mAP는 68.75%의 성능을 나타내었다. 본 연구에서 제안한 방법은 기존 영상처리 기법을 이용한 방법보다 불량 부위가 있는 과일을 실시간으로 정확하게 선별하여 기존 과일 자동 품질 선별시스템의 성능을 획기적으로 개선할 수 있다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.263-278
• /
• 2022

최근 IoT 기술의 발달로 외출 중에도 반려동물에 급여하도록 자동 사료급식기가 유통되고 있다. 그러나 자동급식에서 중요한 중량을 측정하는 저울 방식은 쉽게 고장이 나고, 3D카메라 방식은 비용이 든다는 단점이 있으며, 2D카메라 방식은 중량 측정의 정확도가 떨어진다. 특히 사료가 복합된 경우 중량 측정 문제는 더욱 어려워질 수 있다. 따라서 본 연구의 목적은 2D카메라를 사용하면서도 중량을 정확하게 추정할 수 있는 딥러닝 접근법을 제안하는 것이다. 이를 위해 다양한 합성곱 신경망을 이용하였으며, 그중 ResNet101 기반 모델이 3.06 gram의 평균 절대 오차와 3.40%의 평균 절대비 오차를 기록하며 가장 우수한 성능을 보였다. 본 연구의 결과로 사료와 같이 규격화된 물체의 중량을 확보가 용이한 2D 이미지를 통해서만 예측할 필요가 있을 경우 유용한 정보로 활용될 수 있다.

• 인터넷정보학회논문지
• /
• 제23권3호
• /
• pp.35-45
• /
• 2022

현대에도 일부 소외된 지역에서는 의료 인력의 부족으로 인해 위·중증 환자에 대한 치료가 지연되는 경우가 많다. 의료 데이터에 대한 분석을 자동화하여 의료 서비스의 접근성 문제 및 의료 인력 부족을 해소하고자 하는 연구가 계속되고 있다. 컴퓨터 비전 기반의 진료 자동화는 훈련 목적에 대한 데이터 수집 및 라벨링 작업에서 많은 비용이 요구된다. 이러한 점은 희귀질환이나 시각적으로 뚜렷하게 정의하기 어려운 병리적 특징 및 기전을 구분하는 작업에서 두드러진다. 이상 탐지는 비지도 학습 전략을 채택함으로써 데이터 수집 비용을 크게 절감할 수 있는 방법으로 주목된다. 본 논문에서는 기존의 이상 탐지 기법들을 기반으로, 흉부 X-RAY 영상에 대해 이상 탐지를 수행하는 방법을 다음과 같이 제안한다. (1) 최적 해상도로 샘플링된 의료 영상의 색상 범위를 정규화한다. (2) 무병변 영상으로부터 패치 단위로 구분된 중간 수준 특징 집합을 추출하여 그 중 높은 표현력을 가진 일부 특징 벡터들을 선정한다. (3) 최근접 이웃 탐색 알고리즘을 기반으로 미리 선정된 무병변(정상) 특징 벡터들과의 차이를 측정한다. 본 논문에서는 PA 방식으로 촬영된 흉부 X-RAY 영상들에 대한 제안 시스템의 이상 탐지 성능을 세부 조건에 따라 상세히 측정하여 제시한다. PadChest 데이터세트로부터 추출한 서브세트에 대해 0.705 분류 AUROC를 보임으로써 의료 영상에 대한 이상 탐지 적용의 효과를 입증하였다. 제안 시스템은 의료 기관의 임상 진단 워크플로우를 개선하는 데에 유용하게 사용될 수 있으며, 의료 서비스 접근성이 낮은 지역에서의 조기 진단을 효율적으로 지원할 수 있다.