• 한국음향학회지
• /
• 제37권2호
• /
• pp.118-128
• /
• 2018

본 논문은 사이드 스캔 소나 영상을 컨볼루션 신경망으로 학습하여 수중물체를 탐색하는 방법을 다루었다. 사이드 스캔 소나 영상을 사람이 직접 분석하던 방법에서 컨볼루션 신경망 알고리즘이 보강되면 분석의 효율성을 높일 수 있다. 연구에 사용한 사이드 스캔 소나의 영상 데이터는 미 해군 수상전센터에서 공개한 자료이고 4종류의 합성수중물체로 구성되었다. 컨볼루션 신경망 알고리즘은 관심영역 기반으로 학습하는 Faster R-CNN(Region based Convolutional Neural Networks)을 기본으로 하며 신경망의 세부사항을 보유한 데이터에 적합하도록 구성하였다. 연구의 결과를 정밀도-재현율 곡선으로 비교하였고 소나 영상 데이터에 지정한 관심영역의 변경이 탐지성능에 미치는 영향을 검토함으로써 컨볼루션 신경망의 수중물체 탐지 적용성에 대해 살펴보았다.

• 디지털콘텐츠학회 논문지
• /
• 제19권3호
• /
• pp.435-443
• /
• 2018

최근 컴퓨팅 파워의 폭발적인 발전으로 컴퓨팅의 한계 라는 장벽이 사라지면서 딥러닝 이라는 이름 하에 순환 신경망(RNN), 합성곱 신경망(CNN) 등 다양한 모델들이 제안되어 컴퓨터 비젼(Computer Vision)의 수많은 난제들을 풀어나가고 있다. 2014년 발표된 대립쌍 모델(Generative Adversarial Network)은 비지도 학습에서도 컴퓨터 비젼의 문제들을 충분히 풀어나갈 수 있음을 보였고, 학습된 생성기를 활용하여 생성의 영역까지도 연구가 가능하게 하였다. GAN은 여러 가지 모델들과 결합하여 다양한 형태로 발전되고 있다. 기계학습에는 데이터 수집의 어려움이 있다. 너무 방대하면 노이즈를 제거를 통한 효과적인 데이터셋의 정제가 어렵고, 너무 작으면 작은 차이도 큰 노이즈가 되어 학습이 쉽지 않다. 본 논문에서는 GAN 모델에 영상 프레임 내의 얼굴 영역 추출을 위한 deep CNN 모델을 전처리 필터로 적용하여 두 사람의 제한된 수집데이터로 안정적으로 학습하여 다양한 표정의 합성 이미지를 만들어 낼 수 있는 방법을 제시하였다.

• 방송공학회논문지
• /
• 제26권6호
• /
• pp.809-812
• /
• 2021

PCB를 코팅하는 과정에서 기포가 발생하면 회로 오작동의 원인이 되기 때문에 기포 검출은 컨포멀 코팅 검사에서 매우 중요한 작업이다. 이전 연구에서는 기포의 밝기 특성을 이용하여 기포의 후보를 추출하고, 합성곱 신경망(CNN: Convolutional Neural Networks)을 이용하여 추출된 후보를 검증하였다. 본 논문에서는 전이학습 기반의 합성곱 신경망 모델을 이용하여 기포를 검출하는 방법을 제안한다. 이를 위해 합성곱 신경망 모델로 VGGNet을 사용하고, 분류층(Classification Layer)으로 시그모이드(Sigmoid)를 적용하였으며, 마지막 합성곱층(Convolutional Layer)과 분류층을 함께 학습하는 전이학습 방법을 적용하였다. 제안하는 방법의 기포 검출 성능은 F1-score 0.9044로서 이전 연구 대비 약 0.17의 개선 효과를 나타내었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.120-120
• /
• 2023

본 연구에서는 CCTV 영상 내 빗줄기의 특성을 바탕으로 강우강도를 산정하기 위한 합성곱 신경망(CNNs, Convolutional Neural Networks) 기반 강우강도 산정 모형을 제안하였다. 중앙대학교 및 한국건설생활환경시험연구원 내 대형기후환경시험실에서 얻은 CCTV 영상들을 대상으로 연구를 수행하고, 우적계 등과 같은 지상 관측자료와 강우강도 산정 결과를 비교·검증하였다. 먼저, CCTV 영상 내 빗줄기의 미세한 변동 특성을 반영하기 위해 데이터 전처리 작업을 진행하였다. 이는 원본 영상으로부터 빗줄기 층을 분리해내는 과정, 빗줄기 층에서 빗물 입자를 분리해내는 과정, 그리고 빗물 입자를 인식하는 과정 등 총 세 단계로 구분된다. 합성곱 신경망 기반 강우강도 산정 모형 구축을 위해 영상 전처리가 완료된 데이터들을 입력값으로 설정하고, 촬영 시점에 대응되는 지상관측 자료를 출력값으로 고려하여 강우강도 산정모형을 훈련시켰다. CCTV 원자료 내 특정 영역에 편향되어 강우강도를 산정하는 과적합 현상의 발생을 방지하기 위해 원자료 내 5개의 관심 영역(ROI, Region of Interest)을 설정하였다. 추가로, CCTV의 해상도를 총 4개(2560×1440, 1920×1080, 1280×720, 720×480)로 구분함으로써 해상도 변화에 따른 학습 결과의 차이를 분석·평가하였다. 이는 기존 사례들과 비교했을 때, CCTV 영상을 기반으로 빗줄기의 거동 특성과 같은 물리적인 현상을 직간접적으로 고려하여 강우강도를 산정했다는 점과 더불어 머신러닝을 적용하여 강우 이미지가 갖는 본질적인 특징들을 파악했다는 측면에서, 추후 본 연구에서 제안한 모형의 활용 가치가 극대화될 수 있을 것으로 판단된다.

• 방송공학회논문지
• /
• 제25권4호
• /
• pp.569-575
• /
• 2020

전기화재의 원인중의 하나는 직렬 아크이다. 최근까지 아크 신호를 검출하기 위해 다양한 기법들이 진행되고 있다. 시간 신호에 푸리에 변환, 웨이블릿 변환, 또는 통계적 특징 등을 활용하여 아크 검출을 하는 방법들이 소개되었지만, 변환 및 특징 추출은 부가적인 처리 시간이 요구되는 단점이 있다. 반면에 최근의 딥러닝 모델은 종단간 학습으로 특징 추출 과정없이 직접 원시 데이터를 활용한다. 따라서, 1-D 시간 신호를 직접 활용하여 아크를 검출하는 것이 좋은데, 인공신경망의 분류 성능이 저하되는 문제점이 있다. 본 논문에서는 연속 입력 1-D 신호를 2-D로 변환한 후에, 합성곱신경망으로 분류하는 방법을 제안한다. 실험 데이터에 적용한 결과 합성곱신경망의 사용이 인공신경망보다 약 8.6%의 아크 분류 성능을 향상시켰다. 또한 2-D 데이터의 부족을 보완하기 위해서 데이터증강을 이용하여, 14%의 분류 성능을 개선하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 추계학술대회
• /
• pp.377-379
• /
• 2022

선교 상황 인식 시스템을 개발하기 위한 합성곱 신경망 기반의 인공지능카메라를 개발한다. 부이 등의 항로표지를 포함한 컨테이너선, 유조선, 자동차 운반선 등 선박 종류 구분이 가능하도록 YOLO5를 이용하여 학습을 수행하고 그 결과를 보인다.

• 한국음향학회지
• /
• 제41권3호
• /
• pp.359-366
• /
• 2022

본 논문에서는 콘포머 기반 FastSpeech2를 이용한 한국어 메뉴 음성합성기를 제안한다. 콘포머는 본래 음성 인식 분야에서 제안된 것으로, 합성곱 신경망과 트랜스포머를 결합하여 광역과 지역 정보를 모두 잘 추출할 수 있도록 한 구조다. 이를 위해 순방향 신경망을 반으로 나누어 제일 처음과 마지막에 위치시켜 멀티 헤드 셀프 어텐션 모듈과 합성곱 신경망을 감싸는 마카론 구조를 구성했다. 본 연구에서는 한국어 음성인식에서 좋은 성능이 확인된 콘포머 구조를 한국어 음성합성에 도입하였다. 기존 음성합성 모델과의 비교를 위하여 트랜스포머 기반의 FastSpeech2와 콘포머 기반의 FastSpeech2를 학습하였다. 이때 데이터셋은 음소 분포를 고려한 자체 제작 데이터셋을 이용하였다. 특히 일반대화 뿐만 아니라, 음식 주문 문장 특화 코퍼스를 제작하고 이를 음성합성 훈련에 사용하였다. 이를 통해 외래어 발음에 대한 기존 음성합성 시스템의 문제점을 보완하였다. ParallelWave GAN을 이용하여 합성음을 생성하고 평가한 결과, 콘포머 기반의 FastSpeech2가 월등한 성능인 MOS 4.04을 달성했다. 본 연구를 통해 한국어 음성합성 모델에서, 동일한 구조를 트랜스포머에서 콘포머로 변경하였을 때 성능이 개선됨을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.184-188
• /
• 2008

추계학적 시계열 분석은 크게 수문자료의 장기간 합성과 실시간 예측으로 구분해 볼 수 있다. 장기간 합성은 주로 수문자료의 추계적 특성을 반영한 수자원 시스템의 운영율 개발에 이용되어 왔다. 반면에 실시간 예측은 수자원 시스템의 순응적(adaptive) 관리에 적용되고 있다. 두 개념의 차이로 전자는 시계열 자료를 합성하여 발생 가능한 모든 수문조합을 얻고자 하는 것이라면 후자는 전 시간의 수문량을 조건으로 하는 다음 시간의 값을 순응적으로 예측하는 것이라 할 수 있다. 수문자료의 합성과 예측에는 크게 결정론적, 확률론적 방법의 두 가지 대별될 수 있다. 결정론적 모델링 방법에는 인공신경망이나 Fuzzy 기법 등을 이용할 수 있으며, 확률론적 방법에는 ARMAX 등의 모수적 기법과 k-NN(k-nearest neighbor bootstrap resampling), KDE(kernel density estimates), 추계학적 인공신경망 등의 비모수적 기법으로 분류할 수 있다. 본 연구에서는 대표적 비모수적 기법인 k-NN를 이용하여 충주댐을 대상으로 월 및 일 유입량 자료의 예측 정도를 살펴보았다. 전 시간 관측치를 조건으로 하는 다음 시간의 조건부 확률분포를 구하여 평균값을 계산한 후 관측치와 비교함으로써 모형의 정도를 살펴보았다. 그리고 실시간 저수지 운영에 이 기법의 활용성과 장단점도 살펴보았다. 모형개발 절차로 모형의 보정을 거쳐 검증을 실시하였다. 결론적으로 월 및 일 유입량 예측에 k-NN 기법이 실무적으로 적용될 수 있었으며, 장점으로는 k-NN 기법이 다른 기법보다 모델링 절차가 비교적 쉬워 저수지 운영 최적화 등 타 시스템과의 연계에 수월함이 인식되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.216-216
• /
• 2021

해저지진, 해저붕괴 및 해저화산분출 등에 발생되는 지진해일은 파장이 수십에서 수백 km에 이르는 장파로서 에너지 손실없이 먼 거리를 전파할 수 있으며, 수심이 상대적으로 얕은 해안가에 도달하면 범람에 의해 인명 및 재산피해를 야기시킬 수 있다. 예를 들어, 2004년 12월 26일에 발생한 수마트라 지진해일은 약 30만명의 인명피해와 약 10조원의 재산피해를 가져왔으며, 2011년 3월 11일에 발생한 동일본 지진해일은 약 2만명의 인명피해와 약 330조의 재산피해를 유발시켰다. 더욱이, 지진해일에 의해 폭발한 후쿠시마 원자력발전소에서의 방사능 유출은 10년이 지난 현재도 생태계 교란, 방사능 피폭 등의 피해를 일으키고 있다. 우리나라도 1983년 5월 26일 발생한 동해 중부지진해일에 의해 삼척시 임원항 및 인근에서 인명피해(1명 사망, 2명 실종)와 약 2억원의 재산피해가 발생하였다. 최근, 4차 산업혁명으로서 빅데이터를 기반으로 한 다양한 인공지능기술이 개발되고 있으며, 많은 분야에서 이 기술을 적용하고자 노력하고 있다. 특히, 과학 및 공학분야에서도 이를 융합하는 연구 및 활용하는 사례가 증가하고 있다. 본 연구에서는 1983년 발생한 중부지진해일에 의해 인명 및 재산피해가 발생한 임원항을 대상으로 지진해일 수치모형실험을 수행하며, 수치모형실험 결과를 토대로 인공지능 모델 중 합성신경망 (Convolution Neural Network)을 활용하여 인공지능을 통한 지진해일 범람구역을 산정 및 평가하고자 한다.

• 한국강구조학회 논문집
• /
• 제19권6호
• /
• pp.695-702
• /
• 2007

온도프리스트레싱 공법은 강합성거더교 또는 강구조물에 인위적인 온도경사를 가하여 프리스트레싱력을 도입하기 위해 개발된 공법으로, 연속 강합성거더교에 적용할 경우 부모멘트 발생지점인 연속지점부 부근의 바닥판에 프리스트레스를 도입함으로써 콘크리트 바닥판의 인장균열을 억제하는 한편, 교축방향 보강철근 사용량 및 강거더 단면을 감소시킬 수 있어 경제성과 시공성의 향상이 가능한 공법이다. 이전의 연구에서 가열구간을 설정하기 위해 사용한 시행오차법은 비효율적인 것으로 온도프리스트레싱 공법을 적용한 설계가 효율적으로 이루어지기 위해서는 보다 합리적인 적정 가열구간의 설정기법이 필요하다. 본 연구에서는 이러한 문제점을 개선하기 위하여 패턴인식, 최적화, 진단 및 예측 등을 수행하는데 많이 사용되고 있는 인공신경망 이론을 적용하여 온도프리스트레싱 공법을 적용한 연속 강합성거더교의 가열구간을 효과적이고 경제적으로 설정하는 기법을 제안하고자 한다. 인공신경망 이론을 학습시키기 위한 학습알고리즘으로는 일반적으로 널리 사용되는 오차역전파 알고리즘을 사용하였으며, 이를 이용하여 2경간 및 3경간 연속 강합성거더교의 가열구간을 예측하고 유한요소해석과의 비교를 통하여 학습알고리즘의 특성 및 예측의 정확도를 분석하였다.