• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.851-853
• /
• 2022

고령화로 인해 65세 이상 운전자가 급증하며 고령운전자의 교통사고 비율이 증가함에 따라 시급한 사회 문제로 떠오르고 있다. 이에 본 연구에서는 객체 검출, 인식 모델을 결합하고 신호등을 인식하여 Text-To-Speech(TTS)로 알리는 쿠버네티스 기반의 프레임워크를 제안한다. 객체 검출 단계에서는 YOLOv5 모델들의 성능을 비교하여 활용하였으며 객체 인식 단계에서는 C-RNN 기반의 attention-OCR 모델을 활용하였다. 이는 신호등의 내부 LED 영역이 아닌 이미지 전체를 인식하는 방식으로 오탐지 요소를 낮춰 인식률을 높였다. 결과적으로 1,628장의 테스트 데이터에서 accuracy 0.997, F1-score 0.991의 성능 평가를 얻어 제안한 프레임워크의 타당성을 입증하였다. 본 연구는 후속 연구에서 특정 도메인에 딥러닝 모델을 한정하지 않고 다양한 분야의 모델을 접목할 수 있도록 하며 고령 운전자 및 신호 위반으로 인한 교통사고 문제를 예방할 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1102-1103
• /
• 2023

안전모 착용 여부를 확인하는 객체 탐지 모델을 물류 현장에서 활용하기 위해서는 안전모를 착용한 경우와 착용하지 않은 경우를 정확하게 탐지해야 한다. 하지만 학습 데이터가 안전모를 착용한 클래스와 착용하지 않은 클래스 간 불균형이 존재하는 경우 해당 데이터만으로는 태스크에 맞게 학습이됐다고 보긴 힘들다. 본 연구는 데이터 증강 기법 적용 시 임의의 데이터에 증강을 적용하는 대신 상대적으로 적은 안전모를 착용하지 않은 클래스를 포함하는 이미지에 대하여 데이터 증강 기법을 적용하였다. 여러 데이터 증강 기법 중 Rotation, Gaussian Noise, 객체를 기준으로 한 Crop을 직접 구현 및 적용하여 객체 탐지 모델인 YOLOv5의 성능을 효과적으로 높이며 더욱 강건한 모델을 개발하는 방법을 제안한다.

• 한국인공지능학회지
• /
• 제11권4호
• /
• pp.29-34
• /
• 2023

The flow from developing a machine learning model to deploying it in a production environment suffers challenges. Efficient and reliable deployment is critical for realizing the true value of machine learning models. Bridging this gap between development and publication has become a pivotal concern in the machine learning community. FastAPI, a modern and fast web framework for building APIs with Python, has gained substantial popularity for its speed, ease of use, and asynchronous capabilities. This paper focused on leveraging FastAPI for deploying machine learning models, addressing the potentials associated with integration, scalability, and performance in a production setting. In this work, we explored the seamless integration of machine learning models into FastAPI applications, enabling real-time predictions and showing a possibility of scaling up for a more diverse range of use cases. We discussed the intricacies of integrating popular machine learning frameworks with FastAPI, ensuring smooth interactions between data processing, model inference, and API responses. This study focused on elucidating the integration of machine learning models into production environments using FastAPI, exploring its capabilities, features, and best practices. We delved into the potential of FastAPI in providing a robust and efficient solution for deploying machine learning systems, handling real-time predictions, managing input/output data, and ensuring optimal performance and reliability.

• International Journal of Computer Science & Network Security
• /
• 제23권11호
• /
• pp.183-189
• /
• 2023

A stroke is a medical disease where a blood vessel in the brain ruptures, causes damage to the brain. If the flow of blood and different nutrients to the brain is intermittent, symptoms may occur. Stroke is other reason for loss of life and widespread disorder. The prevalence of stroke is high in growing countries, with ischemic stroke being the high usual category. Many of the forewarning signs of stroke can be recognized the seriousness of a stroke can be reduced. Most of the earlier stroke detections and prediction models uses image examination tools like CT (Computed Tomography) scan or MRI (Magnetic Resonance Imaging) which are costly and difficult to use for actual-time recognition. Machine learning (ML) is a part of artificial intelligence (AI) that makes software applications to gain the exact accuracy to predict the end results not having to be directly involved to get the work done. In recent times ML algorithms have gained lot of attention due to their accurate results in medical fields. Hence in this work, Stroke disease identification system by using Machine Learning algorithm is presented. The ML algorithm used in this work is Artificial Neural Network (ANN). The result analysis of presented ML algorithm is compared with different ML algorithms. The performance of the presented approach is compared to find the better algorithm for stroke identification.

• 한국산업융합학회 논문집
• /
• 제27권2_1호
• /
• pp.257-268
• /
• 2024

Soccer is type of sport that carries a high risk of injury. Injury is not only cause in the unlucky soccer carrier and also team performance as well as financial effects can be worse since soccer is a team-based game. The duration of recovery from a soccer injury typically relies on its type and severity. Therefore, we conduct this research in order to predict the probability of players injury type using machine learning technologies in this paper. Furthermore, we compare different machine learning models to find the best fit model. This paper utilizes various supervised classification machine learning models, including Decision Tree, Random Forest, K-Nearest Neighbors (KNN), and Naive Bayes. Moreover, based on our finding the KNN and Decision models achieved the highest accuracy rates at 70%, surpassing other models. The Random Forest model followed closely with an accuracy score of 62%. Among the evaluated models, the Naive Bayes model demonstrated the lowest accuracy at 56%. We gathered information about 54 professional soccer players who are playing in the top five European leagues based on their career history. We gathered information about 54 professional soccer players who are playing in the top five European leagues based on their career history.

• 한국항공우주학회지
• /
• 제42권8호
• /
• pp.674-682
• /
• 2014

RFTS(Radio Frequency Test Set)은 저궤도 위성과 정지궤도 위성의 AI&T 기간 동안 TC&R RF 서브시스템을 검증하는 필수 장비이다. 본 논문에서는 새로운 RFTS의 상세 설계 내용을 제시하는데 기존의 RFTS와 달리 위성 프로젝트 별 시험 수행 시 수정 없이 바로 적용할 수 있도록 하였다. 하드웨어와 소프트웨어는 이를 만족하도록 설계 되었고 기능 별 모듈화와 상용품 사용의 확장으로 보다 손쉬운 제어와 운용이 될 수 있도록 하였으며 시스템의 신뢰성 향상을 가져오도록 하였다. 또한 보다 정확한 기준 클락을 채택하여 RF 측정에 대한 신뢰도를 높였다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2008년 영문 학술대회
• /
• pp.16-21
• /
• 2008

Aero-engine, as one kind of rotating machinery with complex structure and high rotating speed, has complicated vibration faults. Therefore, condition monitoring and fault diagnosis system is very important for airplane security. In this paper, a vibration data acquisition and intelligent fault diagnosis system is introduced. First, the vibration data acquisition part is described in detail. This part consists of hardware acquisition modules and software analysis modules which can realize real-time data acquisition and analysis, off-line data analysis, trend analysis, fault simulation and graphical result display. The acquisition vibration data are prepared for the following intelligent fault diagnosis. Secondly, two advanced artificial intelligent(AI) methods, mapping-based and rule-based, are discussed. One is artificial neural network(ANN) which is an ideal tool for aero-engine fault diagnosis and has strong ability to learn complex nonlinear functions. The other is data mining, another AI method, has advantages of discovering knowledge from massive data and automatically extracting diagnostic rules. Thirdly, lots of historical data are used for training the ANN and extracting rules by data mining. Then, real-time data are input into the trained ANN for mapping-based fault diagnosis. At the same time, extracted rules are revised by expert experience and used for rule-based fault diagnosis. From the results of the experiments, the conclusion is obvious that both the two AI methods are effective on aero-engine vibration fault diagnosis, while each of them has its individual quality. The whole system can be developed in local vibration monitoring and real-time fault diagnosis for aero-engine.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권5호
• /
• pp.205-212
• /
• 2019

장면 그래프는 영상 내 물체들과 각 물체 간의 관계를 나타내는 지식 그래프를 의미한다. 본 논문에서는 3차원 실내 환경을 위한 3차원 장면 그래프를 생성하는 모델을 제안한다. 3차원 장면 그래프는 물체들의 종류와 위치, 그리고 속성들뿐만 아니라, 물체들 간의 3차원 공간 관계들도 포함한다. 따라서 3차원 장면 그래프는 에이전트가 활동할 실내 환경을 묘사하는 하나의 사전 지식 베이스로 볼 수 있다. 이러한 3차원 장면 그래프는 영상 기반의 질문과 응답, 서비스 로봇 등과 같은 다양한 분야에서 유용하게 활용될 수 있다. 본 논문에서 제안하는 3차원 장면 그래프 생성 모델은 크게 물체 탐지 네트워크(ObjNet), 속성 예측 네트워크(AttNet), 변환 네트워크(TransNet), 관계 예측 네트워크(RelNet) 등 총 4가지 부분 네트워크들로 구성된다. AI2-THOR가 제공하는 3차원 실내 가상환경들을 이용한 다양한 실험들을 통해, 본 논문에서 제안한 모델의 높은 성능을 확인할 수 있었다.

• 융합신호처리학회논문지
• /
• 제22권3호
• /
• pp.110-115
• /
• 2021

4차 산업혁명 시대가 도래하면서 인공지능에 대한 교육이 활발하게 진행되고 있다. 그러나 기존의 강의식 교육은 지식의 전달을 목적으로 두고 있어 인공지능 분야에서 요구하는 능동적인 문제해결 능력과 인공지능 활용능력을 기르는 데 어려움을 겪는다. 본 논문에서는 이를 해결하기 위해 학습자가 제시된 문제를 해결하는 과정에서 학습이 이루어지는 문제 중심학습 기반 교육 방안을 제안한다. 학습자들에게 제공되는 문제는 완성된 하나의 프로젝트이다. 이 프로젝트는 3가지 종류로 구성된다. 분류 모델, 분류 모델의 학습 데이터, 분류된 결과에 따라 실행될 블록 코드. 해당 프로젝트는 동작은 하지만 각각의 구성요소들이 낮은 동작 수준을 보이도록 설계되어 있다. 이를 해결하기 위해 학습자들은 테스팅을 통해 프로젝트의 문제점을 찾고 토론을 통해 해결책을 찾아 좀 더 높은 동작 수준으로 개선하는 과정을 거치며 컴퓨팅 사고력 향상을 기대할 수 있다.

• 한국엔터테인먼트산업학회논문지
• /
• 제15권4호
• /
• pp.279-286
• /
• 2021

본 연구에서는 코로나19 이후 교육현장에 본격적으로 투입되고 있는 에듀테크의 모습을 4차산업혁명의 도래와 더불어 살펴보았다. 4차산업혁명 시대에 ICT를 적극적으로 활용한 스마트 스티의 인프라, 데이터, 서비스는 스마트교육을 구현하는 주축이 되었다. 특히 스마트교육은 이러닝, 스마트러닝, 에듀테크를 통해 구현되고 있으며, 이러한 기저에는 인터넷과 컴퓨터의 확대 및 활용, 스마트 기기의 보급, 빅데이터를 활용한 소프트웨어 기반을 통해 가능하게 되었다. 이를 토대로 에듀테크는 인공지능을 기반으로 학습자 개별 맞춤형, 안전한 생활을 위한 방역안전망, 학습안전망, 돌봄안전망을 구축을 통해 구현되고 있는 것을 확인할 수 있었다. 마지막으로 이와 같은 빅데이터를 활용한 에듀테크 교육이 모두를 위한 담론이 되기 위해서는 에듀테크의 활용과 적용에 있어 인공지능과 윤리에 대한 숙고가 필요하다.