• 한국인터넷방송통신학회논문지
• /
• 제22권5호
• /
• pp.177-183
• /
• 2022

최근 COVID-19로 인해 홈 트레이닝의 관심도가 증가하고 있다. 이에 따라 HAR(human activity recognition) 기술을 홈 트레이닝에 적용한 연구가 진행되고 있다. 기존 HAR 분야의 논문에서는 동적인 자세보다는 앉기, 일어서기와 같은 정적인 자세들을 분석한다. 본 논문은 동적인 운동 자세를 분석하여 사용자의 운동 자세 정확도를 보여주는 딥러닝 모델을 제안한다. AI hub의 피트니스 이미지를 blaze pose를 사용하여 사람의 자세 데이터를 분석한다. 3개의 딥러닝 모델: RNN(recurrnet neural networks), LSTM(long short-term memory networks), CNN(convolution neural networks)에 대하여 실험을 진행한다. RNN, LSTM, CNN 모델의 f1-score는 각각 0.49, 0.87, 0.98로 CNN 모델이 가장 적합하다는 것을 확인하였다. 이후 연구로는, 다양한 학습 데이터를 사용하여 더 많은 운동 자세를 분석할 예정이다.

• 스마트미디어저널
• /
• 제11권1호
• /
• pp.17-30
• /
• 2022

기존 컴퓨터 비전의 연구 동향과 마찬가지로, 위성영상을 이용한 연구도 GPU 기반의 컴퓨터 연산능력과 이미지 처리와 관련된 딥러닝 방법론의 발전으로 많이 이루어지고 있다. 그로 인해 다양한 분야에 위성영상이 활용되고 있고, 위성 영상을 활용에 관한 연구도 증가하고 있다. 본 연구에서는 위성영상의 연구 활용 분야와 위성영상을 활용한 연구에 이용할 수 있는 데이터셋에 대해 소개하도록 한다. 먼저, 위성영상을 활용한 연구를 수집하여 연구 방법에 따라 분류하였다. 크게 분류 기반 연구와 회귀 기반 연구로 분류하였고, 그 이외의 방법으로 활용한 논문들을 정리하였다. 다음으로 위성영상을 활용한 연구들에서 이용한 데이터셋을 정리하였다. 본 연구에서는 데이터셋의 정보와 연구에서의 활용 방법에 대해 제안한다. 이와 함께 최근 AI hub에서 개방한 국내 위성영상 데이터셋의 정리와 활용 방안에 대해 소개한다. 마지막으로, 위성 이미지 관련 연구의 한계점과 앞으로의 동향을 간략하게 제시하였다.

• 말소리와 음성과학
• /
• 제15권4호
• /
• pp.1-10
• /
• 2023

본 연구에서는 AI Hub에 구축된 '교육용 한국인의 영어 음성 데이터'에 있는 발음 평가 데이터를 활용하여 철자 기반 발화 속도 및 조음 속도와 음절 기반 발화 속도 및 조음 속도 중 발음 정확성 및 운율 유창성, 합산 점수를 예측하는 모델에 어떤 요소가 더 유의미한 영향을 미치는지 분석하였다. 이를 위해 13세, 19세, 26세 연령별, 성별, 수준별로 이 코퍼스의 훈련 데이터에서 총 900개 발화를 추출하여 데이터에 포함된 다양한 요소를 활용해 평가 점수를 예측하는 선형효과분석을 실행하였다. 선형효과분석에서 최적의 세 개 모델을 통해 예측된 평가 점수를 검증 데이터에서 추출한 총 180개 발화의 평가 점수와 얼마나 상관관계가 있는지도 분석하였다. 분석 결과 발음의 정확성과 운율의 유창성, 합산 점수 예측 모델 모두 철자 기반 발화 속도와 조음 속도보다 음절 기반 발화 속도와 조음 속도가 평가 점수를 예측하는데 더 큰 영향을 주는 것으로 밝혀졌다. 모델에서 예측한 점수와 검정 데이터의 실제 점수와의 상관계수는 .65에서 .68 사이로 각 모델의 평가 점수 예측력이 나쁘지 않았다. 발화 속도와 조음 속도 간에 어떤 요소가 더 큰 영향을 미치는지는 본 연구를 통해 밝혀내지 못하였다.

• 한국인터넷방송통신학회논문지
• /
• 제24권3호
• /
• pp.177-182
• /
• 2024

본 논문에서는 2022년 10월 29일 한국에서 발생한 이태원 압사 사고를 기반으로 미래에 발생할 수 있는 인파 사고에 대하여 군중 밀집으로 인한 위험을 미리 예측하고, 예방하기 위한 목적으로 작성되었다. 단일 CCTV 같은 경우 관리자가 실시간으로 현재 상황을 판별할 수 있지만, 하루 종일 해당 화면만 들여다볼 수 없기 때문에 CCTV 화각으로 촬영된 영상들을 학습한 YOLO v4를 이용하여 객체를 탐지하고, 정해진 군집의 수가 초과하는 순간에 알림을 통해 군중 밀집으로 인한 안전사고를 예방하게 된다. YOLO v4 모델을 사용하게 된 이유는 이전 YOLO 모델보다 더욱 높은 정확성과 빠른 속도로 개선되어, 객체 탐지 기법이 더 용이해졌기 때문이다. 본 서비스를 AI-Hub 사이트에 등재된 CCTV 영상 데이터로 테스트하는 과정을 거치게 된다. 현재 한국에 CCTV는 기하급수적으로 증가하였고, 이를 실제 CCTV에 적용한다면 앞으로 일어나게 될 군중 밀집으로 인한 사고를 비롯한 다양한 사고를 예방할 수 있을 것으로 기대한다.

• 정보처리학회 논문지
• /
• 제13권4호
• /
• pp.174-180
• /
• 2024

본 논문에서는 wav2vec 2.0과 KcELECTRA 모델을 활용하여 멀티모달 학습을 통한 감정 분류 방법을 탐색한다. 음성 데이터와 텍스트 데이터를 함께 활용하는 멀티모달 학습이 음성만을 활용하는 방법에 비해 감정 분류 성능을 유의미하게 향상시킬 수 있음이 알려져 있다. 본 연구는 자연어 처리 분야에서 우수한 성능을 보인 BERT 및 BERT 파생 모델들을 비교 분석하여 텍스트 데이터의 효과적인 특징 추출을 위한 최적의 모델을 선정하여 텍스트 처리 모델로 활용한다. 그 결과 KcELECTRA 모델이 감정 분류 작업에서 뛰어난 성능이 보임을 확인하였다. 또한, AI-Hub에 공개되어 있는 데이터 세트를 활용한 실험을 통해 텍스트 데이터를 함께 활용하면 음성 데이터만 사용할 때보다 더 적은 양의 데이터로도 더 우수한 성능을 달성할 수 있음을 발견하였다. 실험을 통해 KcELECTRA 모델을 활용한 경우가 정확도 96.57%로 가장 우수한 성능을 보였다. 이는 멀티모달 학습이 감정 분류와 같은 복잡한 자연어 처리 작업에서 의미 있는 성능 개선을 제공할 수 있음을 보여준다.

• 디지털융복합연구
• /
• 제18권8호
• /
• pp.21-27
• /
• 2020

본 논문은 국내외 경제 활동은 지역 간 이동성에 미치는 영향성을 연구한다. 동유럽에서는 인적 자원과 수요가 여전히 부족하다. 특히 우크라이나 인들은 희소 한 지역을 보충하기 위해 폴란드 노동 시장에 진출했다. 결과적으로 우크라이나의 폴란드 수요와 공급은 불균형하다. 최저 임금 인상은 고용주에게 지속적인 압력을 가하고 있다. 따라서 구직자의 경제 활동 비율,y=AX²+B,(x=정착)형태의 회귀 방정식을 사용하여 곡선 간의 관계를 파악할 수 있다. 이주한 국내외 노동자에 따르면 경제 활동은 지역 인구를 늘리는 것이 아니라 인근 대도시의 정착민이 더 비례한다. 실증적 분석에 따르면 인적 자원 허브가 대도시 및 산업으로의 이동이 증가한 것으로 나타났다. 허브 A 국가는 4 차 재산업에서 이동성을 위해 만들어졌으며 다른 도시에서와 동일한 재산업화 (N₂)가 인근 인력을 유치했지만 정착하지는 못했다. 결국 N₁과 N₂의 허브 관계는 이동 관계이다. 임금 불평등이나 긍정적인 후생 단절로 인해 노동자들은 공장 지역이 아니라 인근 도시에 정착하거나 국경 사이의 통근이 허브 중심 도시로 가기 쉽다. 그러나 이것은 인공지능 시대의 상대적으로 일시적인 정착민들로부터 대두된다.

• 벤처창업연구
• /
• 제19권2호
• /
• pp.215-235
• /
• 2024

인공지능(AI) 기술이 미래 국가 경쟁력을 좌우할 핵심 기술로 인식되면서 주요국의 AI 기술 및 산업 육성 정책 경쟁이 치열해지고 있다. 본 연구는 AI 산업 생태계의 근간인 AI 기업 창업에 대한 주요국의 정책을 분석하여 국내 정책 입안에 시사점을 제시하고자 한다. 조사 분석 대상국은 미국 스탠퍼드대학 HAI연구소에서 발표한 『2023 AI Index』의 신규 투자유치 기업 수 최상위 4개 국가와 EU로 선정하였고, 이들 국가와 국내 정책과 비교하여 전략적 함의를 제시하고자 한다. 미국은 2021년 '국가 AI 이니셔티브법(NAIIA)'을 제정했다. 동 법을 통해 AI 연구개발 분야에서 미국의 지속적인 리더십 보장, 공공 및 민간부문에서 신뢰할 수 있는 AI 시스템 개발, 사회 전반에 걸친 AI 시스템 생태계 구축 및 모든 연방기관에서 진행하는 AI 정책에 대한 DB 관리 및 접근성 강화를 추진하고 있다. 중국은 2021년 개최된 제14차 5개년(2021~2025년) 규획 및 2035년 장기 목표에서 7대 전략적 첨단기술 중 첫 번째로 AI를 명시하고 있으며, 2030년까지 글로벌 AI 1위 강국 도약을 목표로 다양한 정책을 전개하고 있다. 영국은 2021년 자금 지원 프로그램'Future Fund Breakthrough'을 통해 획기적인 연구개발 기업에 투자하고 있으며, 2022년 국가 AI 전략의 실행계획 등 AI 선도국 도약을 위한 국가 전략 마련으로 관련 투자를 확대하고 있다. 이스라엘은 혁신청을 중심으로 스타트업 기업에 대한 기술 투자를 지원하고 있는데, 혁신청은 향후 2년~15년 내 성과를 낼 투자와 신기술에 대한 규제 개혁을 주도하고 있다. EU는 중소기업의 AI 활용 지원을 위해 디지털 혁신 허브 네트워크를 강화하고 InvestEU(유럽전략투자기금)와 AI 투자기금을 조성하고 있다. 국내 도입을 검토할 주요국 정책은 국내 ICT 창업기업들로부터 정책 지원 수요가 높은 것으로 나타난 R&D 지원, 사업화 및 판로·마케팅·해외진출 지원 정책자금 지원 측면을 중심으로 도출하였다. 먼저 R&D 지원과 관련하여 미국의 '국가 AI R&D 전략 계획 2023'과 EU의 'AI 혁신 패키지' 검토를 제안한다. 특히 이들 정책은 국가가 관리하는 고성능슈퍼컴퓨터를 R&D에 활용할 수 있도록 하고 있어 AI 창업기업들이 R&D에 들이는 시간과 비용을 절감하는데 크게 도움을 준다. 다음으로 사업화 및 판로·마케팅·해외진출 지원에서는 미국 중소기업청(SBA)의 'SBIR과 STTR 지침' 중 '연방 및 주 기술(Federal And State Technology, FAST) 파트너십 프로그램'과 국방부와 공조하는 '상용화 준비(Commercialization Readiness Pilot. CRP) 프로그램'에 대한 벤치마킹을 제안한다. 이들 프로그램은 정부가 창업기업의 제품과 서비스 상용화를 지원하고 시장 출시 초기에 공공 부문이 적극적으로 구매하는 것을 골자로 한다. 이는 AI 창업기업의 혁신 제품과 서비스가 초기 시장에 안착하는 것은 물론 국내외 시장으로 진출하는 데 중요한 레퍼런스를 제공한다. 세 번째로 정책자금 지원에서는 영국기업은행(BBB)의 공동 투자 프로그램을 제안한다. 영국기업은행은 고성장 혁신기업 투자에 있어 외국계 국부 펀드의 참여도 적극적으로 유도하고 있고, 혁신 창업기업의 자금 조달 라운드에 개인들도 참여할 수 있는 Future Fund: Breakthrough 프로그램을 운영함으로써 AI 창업기업의 자금 마련을 지원하고 있다. 본 연구의 한계로는 제한된 수의 국가 분석, 비교 대상 국가들의 정책환경을 동일 조건 하에서 분석하지 못한 점 등을 들 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.406-409
• /
• 2022

최근 몇 년 동안, AI 시스템, 블록체인, VR/AR, 3D 프린팅, 로봇 공학, 나노 기술과 같은 기술의 발전은 바로 우리 눈앞에서 건강 관리의 미래를 재편하고 있습니다. 또한, 의료는 소비자의 요구에 초점을 맞춘 예방 중심의 의학으로 패러다임이 전환되었습니다. Covid-19와 같은 전염병의 확산으로 의료 및 치료 시설의 정의가 변경되어 병원의 물리적 환경을 재설계하고 사회적 거리 두기 요구사항을 해결하도록 통신 모델을 조정하고 가상 의료 솔루션을 구현하고 새로운 임상 프로토콜을 수립하기 위한 즉각적인 조치가 필요하게 되었습니다. 전통적으로 의료 시스템의 허브 역할을 해 온 병원은 이러한 환경에 맞서 스스로를 재정립하는 것을 추구하거나 강요당하고 있습니다. 미래의 건강관리는 질병을 치료하는 것뿐만 아니라 건강과 예방에 초점을 맞출 것으로 예상됩니다. 개인화된 진료에서는 장기적인 예방 전략, 원격 모니터링, 조기 진단 및 탐지가 매우 중요합니다. 이러한 현대 기술로 정의되는 스마트 헬스케어에 대한 관심이 높아짐에 따라, 본 연구는 스마트 헬스케어의 정의와 서비스 종류를 조사했습니다. 스마트 병원의 배경과 기술적 측면도 문헌 검토를 통해 탐구했습니다.

• 정보처리학회 논문지
• /
• 제13권6호
• /
• pp.284-290
• /
• 2024

음성감정인식(Speech Emotion Recognition, SER)은 사용자의 목소리에서 나타나는 떨림, 어조, 크기 등의 음성 패턴 분석을 통하여 감정 상태를 판단하는 기술이다. 하지만, 기존의 음성 감정인식 연구는 구현된 시나리오를 이용하여 제한된 환경 내에서 숙련된 연기자를 대상으로 기록된 음성인 구현발화를 중심의 연구로 그 결과 또한 높은 성능을 얻을 수 있지만, 이에 반해 자유발화 감정인식은 일상생활에서 통제되지 않는 환경에서 이루어지기 때문에 기존 구현발화보다 현저히 낮은 성능을 보여주고 있다. 본 논문에서는 일상적 자유발화 음성을 활용하여 감정인식을 진행하고, 그 성능을 향상하고자 한다. 성능평가를 위하여 AI Hub에서 제공되는 한국인 자유발화 대화 음성데이터를 사용하였으며, 딥러닝 학습을 위하여 1차원의 음성신호를 시간-주파수가 포함된 2차원의 스펙트로그램(Spectrogram)로 이미지 변환을 진행하였다. 생성된 이미지는 CNN기반 전이학습 신경망 모델인 VGG (Visual Geometry Group) 로 학습하였고, 그 결과 7개 감정(기쁨, 사랑스러움, 화남, 두려움, 슬픔, 중립, 놀람)에 대해서 성인 83.5%, 청소년 73.0%의 감정인식 성능을 확인하였다. 본 연구를 통하여, 기존의 구현발화기반 감정인식 성능과 비교하면, 낮은 성능이지만, 자유발화 감정표현에 대한 정량화할 수 있는 음성적 특징을 규정하기 어려움에도 불구하고, 일상생활에서 이루어진 대화를 기반으로 감정인식을 진행한 점에서 의의를 두고자 한다.

• Asian Pacific Journal of Cancer Prevention
• /
• 제16권10호
• /
• pp.4251-4256
• /
• 2015

Background: Exposure to cigarette may affect human health and increase risk of a wide range of diseases including pulmonary diseases, such as chronic obstructive pulmonary disease (COPD), asthma, lung fibrosis and lung cancer. However, the molecular mechanisms of pathogenesis induced by cigarettes still remain obscure even with extensive studies. With systemic view, we attempted to identify the specific gene modules that might relate to injury caused by cigarette smoke and identify hub genes for potential therapeutic targets or biomarkers from specific gene modules. Materials and Methods: The dataset GSE18344 was downloaded from the Gene Expression Omnibus (GEO) and divided into mouse cigarette smoke exposure and control groups. Subsequently, weighted gene co-expression network analysis (WGCNA) was used to construct a gene co-expression network for each group and detected specific gene modules of cigarette smoke exposure by comparison. Results: A total of ten specific gene modules were identified only in the cigarette smoke exposure group but not in the control group. Seven hub genes were identified as well, including Fip1l1, Anp32a, Acsl4, Evl, Sdc1, Arap3 and Cd52. Conclusions: Specific gene modules may provide better understanding of molecular mechanisms, and hub genes are potential candidates of therapeutic targets that may possible improve development of novel treatment approaches.