• International Journal of Computer Science & Network Security
• /
• 제22권6호
• /
• pp.230-240
• /
• 2022

Sharing of online videos via internet is an emerging and important concept in different types of applications like surveillance and video mobile search in different web related applications. So there is need to manage personalized web video retrieval system necessary to explore relevant videos and it helps to peoples who are searching for efficient video relates to specific big data content. To evaluate this process, attributes/features with reduction of dimensionality are computed from videos to explore discriminative aspects of scene in video based on shape, histogram, and texture, annotation of object, co-ordination, color and contour data. Dimensionality reduction is mainly depends on extraction of feature and selection of feature in multi labeled data retrieval from multimedia related data. Many of the researchers are implemented different techniques/approaches to reduce dimensionality based on visual features of video data. But all the techniques have disadvantages and advantages in reduction of dimensionality with advanced features in video retrieval. In this research, we present a Novel Intent based Dimension Reduction Semi-Supervised Learning Approach (NIDRSLA) that examine the reduction of dimensionality with explore exact and fast video retrieval based on different visual features. For dimensionality reduction, NIDRSLA learns the matrix of projection by increasing the dependence between enlarged data and projected space features. Proposed approach also addressed the aforementioned issue (i.e. Segmentation of video with frame selection using low level features and high level features) with efficient object annotation for video representation. Experiments performed on synthetic data set, it demonstrate the efficiency of proposed approach with traditional state-of-the-art video retrieval methodologies.

• 한국컴퓨터정보학회논문지
• /
• 제28권11호
• /
• pp.81-87
• /
• 2023

네트워크 패킷의 메타데이터를 학습한 침입탐지시스템이 최근 많이 제안되었다. 그러나 이러한 방식은 모델 학습에 사용할 메타데이터 생성을 위해 패킷을 분석하는 시간, 그리고 학습 전 메타데이터를 전처리하는 시간이 필요하다. 또한, 특정 메타데이터를 학습한 모델은 실제 네트워크로 유입되는 원본 패킷을 그대로 사용하여 침입을 탐지하는 것이 불가능하다. 이러한 문제를 해결하기 위해 본 논문에서는 패킷 페이로드를 하나의 문장으로 학습시켜 침입을 탐지하는 자연어 처리 기반의 침입탐지시스템을 제안하였다. 제안하는 기법의 성능 검증을 위해 UNSW-NB15와 Transformer 모델을 활용하였다. 먼저, 데이터세트의 PCAP 파일에 대한 라벨링을 실시한 후 2종의 Transformer 모델(BERT, DistilBERT)에 문장 형태로 직접 학습시켜 탐지성능을 분석하였다. 실험 결과 이진분류 정확도는 각각 99.03%, 99.05%로 기존 연구에서 제안한 기법들과 유사하거나 우수한 탐지성능을 보였으며, 다중분류는 각각 86.63%, 86.36%로 더 우수한 성능을 나타냄을 확인하였다.

• 한국과학교육학회지
• /
• 제17권1호
• /
• pp.11-19
• /
• 1997

Students' protocols obtained from think-aloud interviews were analyzed in the aspects of the success at first two problem-solving stages (understanding and planning), the time to complete a problem, the time at each problem-solving stage, the number of transition, and the transition rate. These were compared in the aspects of the context of problem, the success in solving problem, students' logical reasoning ability, spatial ability, and learning approach. The results were as follows:1. Students tended to spend more time in everyday contexts than in scientific contexts, especially at the stages of understanding and reviewing. The transition rate during solving a problem in everyday contexts was greater than that in scientific contexts. 2. Unsuccessful students spent more time at the stage of understanding, but successful students spent more time at the stage of planning. 3. Students' logical reasoning ability, as measured with the Group Assessment of Logical Thinking, was significantly correlated with the success in solving problem. Concrete-operational students spent more time in completing a problem, especially understanding the problem. 4. Students' spatial ability, as measured with the Purdue Visualization of Rotations Test and the Find A Shape Puzzle, was significantly correlated with their abilities to understand a problem and to plan for its solution. 5. Students' learning approach, as measured with the Questionnaire on Approaches to Learning and Studying, was not significantly correlated with the success in solving problem. However, the students in deep approach had more transitions and greater transition rates than the students in surface approach.

• 과학교육연구지
• /
• 제43권3호
• /
• pp.318-328
• /
• 2019

본 연구의 목적은 초등학교 예비교사들의 과학 수업 이미지에 나타난 교사와 학생 간 상호작용을 조사하는 것이다. 정서적 지원(분위기, 학생 시각에 대한 관심, 교사 민감도), 수업 조직(교수학습 형식, 행동 조절, 생산성), 학습 지원(피드백의 질, 언어 모델링, 개념 발달)의 3개 영역 총 9개 기준에 의해 긍정적 상호작용과 부정적 상호작용을 분석하였다. 연구 결과 상당수 학생들이 교수학습 형식 또는 개념 발달에 해당하는 긍정적 상호작용을 선호하는 경향이 나타났다. 기피하는 수업의 경우에는 교수학습 형식 또는 학생 시각에 대한 관심 측면의 부정적 상호작용이 많이 나타났으나, 그 외 매우 낮은 빈도를 보인 상호작용 요소들도 있었다. 그리고 여자 예비교사들이 남자에 비해 긍정적인 상호작용을 약간 더 선호하는 것으로 조사되었다. 교사전문성에 대한 함의 및 후속 연구에 대한 제언을 논의하였다.

• 대한토목학회논문집
• /
• 제39권5호
• /
• pp.631-636
• /
• 2019

최근 많은 연구자들이 대규모 현장에 투입된 건설자원의 유형과 위치를 자동 파악하는 영상분석기술을 활발히 개발하고 있다. 하지만 기존의 방법들은 인식하고자 하는 건설 물체(작업자, 중장비, 자재 등)를 학습용 이미지 데이터에 표시하는 Labeling 작업을 요구하고 이에 불필요한 시간과 노력이 낭비된다는 한계가 있다. 이러한 한계를 보완하기 위해서 본 연구는 액티브 러닝을 활용한 영상기반 건설현장 물체 자동 인식 프레임 워크를 제안함을 목표로 한다. 개발 프레임워크 검증을 목적으로 건설분야 Benchmark 데이터셋을 이용하여 실제 실험을 진행하였다. 그 결과, 액티브 러닝을 통해 학습한 모델은 다양한 특성을 지닌 건설물체를 성공적으로 인식할 수 있었고, 기존의 학습 DB 구축 방식과 비교할 때 더 적은 데이터 수와 반복학습 횟수로도 높은 성능을 가지는 영상분석모델을 개발할 수 있었다. 결과적으로 기존에 요구되던 학습 DB 구축을 위한 Labeling 작업을 줄일 뿐만 아니라 총 시간과 비용을 최소화할 수 있다.

• Smart Structures and Systems
• /
• 제31권4호
• /
• pp.351-363
• /
• 2023

Visual structural inspections are an inseparable part of post-earthquake damage assessments. With unmanned aerial vehicles (UAVs) establishing a new frontier in visual inspections, there are major computational challenges in processing the collected massive amounts of high-resolution visual data. We propose twin deep learning models that can provide accurate high-resolution structural components and damage segmentation masks efficiently. The traditional approach to cope with high memory computational demands is to either uniformly downsample the raw images at the price of losing fine local details or cropping smaller parts of the images leading to a loss of global contextual information. Therefore, our twin models comprising Trainable Resizing for high-resolution Segmentation Network (TRS-Net) and DmgFormer approaches the global and local semantics from different perspectives. TRS-Net is a compound, high-resolution segmentation architecture equipped with learnable downsampler and upsampler modules to minimize information loss for optimal performance and efficiency. DmgFormer utilizes a transformer backbone and a convolutional decoder head with skip connections on a grid of crops aiming for high precision learning without downsizing. An augmented inference technique is used to boost performance further and reduce the possible loss of context due to grid cropping. Comprehensive experiments have been performed on the 3D physics-based graphics models (PBGMs) synthetic environments in the QuakeCity dataset. The proposed framework is evaluated using several metrics on three segmentation tasks: component type, component damage state, and global damage (crack, rebar, spalling). The models were developed as part of the 2^nd International Competition for Structural Health Monitoring.

• 경영정보학연구
• /
• 제25권2호
• /
• pp.57-76
• /
• 2023

본 연구는 목적은 디지털 플랫폼인 YouTube에서 최근 채널을 만든 크리에이터와 유튜버의 성공 여부를 분류 분석을 통해 알아보고자 함이다. 이를 위하여 과학기술 카테고리의 유튜버 채널 실제 정보들을 바탕으로 평균 동영상 업로드 횟수, 평균 영상 길이, 선택 가능한 다국어 자막 개수, 운영 중인 다른 소셜 네트워크 채널의 정보를 식별하였다. 식별한 정보와 머신러닝 기법을 활용하여 초기 유튜버들의 성공 여부인 수익창출 여부를 분류 분석하였으며, 분석결과, 인공 신경망 알고리즘이 초기 유튜버의 성공 또는 실패를 예측하는 데 가장 정확한 결과를 제공하고 있음을 발견했다. 또한, 제시된 다섯 가지 요인은 분석결과 향상에 기여하는 것으로 나타났다. 본 연구는 유튜브를 시작하고자 하는 신규 개인 창업가, 현재 유튜브를 운영하고 있는 인플루언서, 이러한 디지털 플랫폼을 활용하고자 하는 기업들에게 디지털 플랫폼의 다양한 접근 방식과 활용 방향에 대해 제언한다.

• 감성과학
• /
• 제14권4호
• /
• pp.513-524
• /
• 2011

지식과 정보가 급변하는 새로운 시대에 디지털 테크놀로지의 활용이 사회, 문화, 교육 전 영역에서 활발히 사용되고 있으며, 예술교육에도 테크놀로지의 활용이라는 새로운 시도를 요구하고 있다. 본 연구는 새로운 교수-학습 방식으로써 "음악 테크놀로지 기반 학습(Music Technology-Based Learning, 이후로 MTBL)"을 제안하고, 이를 수업에 적용하여 학습자들의 감성의 활성화에 대한 효과를 알아보고자 하였다. 본 연구는 2차례의 마인드맵(사전 사후), 매 수업 후 성찰저널 작성, 수업 후 남학생 5명, 여학생 5명의 자발적 참여에 의해 본 연구자를 포함하여 교육공학 전문가 1인과 문화예술교육 전문가 1인, 총 3명과의 심층 인터뷰를 실시하였다. 이와 같은 방법으로 자료를 수집 분석하여 MTBL의 수업 결과 학습자들의 감성의 활성화에 있어 긍정적인 변화를 볼 수 있었다. 사전 사후 마인드맵을 분석에서 보이듯 변화된 단어들의 목록을 통해 학습자들의 감성의 변화를 살펴보았다. 또한 음악 테크놀로지의 활용을 통해 학습자들은 문화예술에 대한 관심과 흥미를 나타내었다. 학습자들은 본 수업에서 음악과 영상을 창작하며 다양한 감성 표현을 보여주었다. 이러한 연구 결과를 바탕으로 MTBL이 예술교육의 새로운 교수-학습 방법으로써 가능성이 있음을 확인 할 수 있었다.

• 한국문헌정보학회지
• /
• 제51권4호
• /
• pp.77-97
• /
• 2017

최근 생의학 분야의 학술 문헌이 기하급수적으로 급증함에 따라 관련 분야 연구자들은 선행 연구 및 연구 동향 파악에 어려움을 겪고 있다. 이에 효율적인 선행 연구 및 연구 동향 파악을 위한 정보 추출 기술이 요구되며, 학술 문헌의 정보 추출을 위한 개체인식 및 개체 간의 생의학 이벤트 추출 연구가 활발히 진행되고 있다. 본 연구는 이에 심층 학습(Deep Learning)의 기법 중 하나인 컨볼루션 네트워크(Convolutional Neural Networks, CNN) 모델을 기반으로 이벤트 내의 개체 유형 정보의 적용 위치와 함께, 이벤트 식별 및 분류를 고려하여 총 8가지의 모델을 구성하여 실험하였다. 실험 결과, 본 연구에서 제안하는 모델 중 최고성능을 보인 개체 유형 완전연결 모델이 이벤트 분류 실험에서 F-점수 72.09%의 높은 성능을 보였으나, 이벤트 추출 실험에서는 학습 컬렉션의 불균형 문제 및 이벤트 식별 모델의 성능 저조 등으로 인하여 F-점수 21.81%의 비교적 저조한 성능을 보였다.

• 한국융합학회논문지
• /
• 제10권8호
• /
• pp.59-65
• /
• 2019

암 조직에는 다양한 형태의 세포가 존재하지만, 이들의 조성을 실험적으로 확인하기는 매우 어렵다. 본 연구에서는 유전자 발현 데이터에 통계적 기계학습 모델을 적용하여 각 샘플의 세포 조성을 추론하고, 이러한 세포 조성이 암조직과 정상 조직간에 차이가 있는지를 확인하였다. 두 가지 서로 다른 회귀 모델을 이용하여 세포 조성을 예측한 결과 CD8 T cell과 Neutrophil이 구강암 조직에서 정상 조직에 비해 증가함을 확인할 수 있었다. 또한 비지도학습 중 하나인 t-SNE를 적용하여, 유추된 세포 조성에 의해 정상 조직과 구강암 조직이 서로 군집을 이루고 있음을 확인하였고, 지도 학습 기반의 다양한 분류 알고리즘들을 이용하여 세포 조성 정보를 이용하여 구강암과 정상 조직을 예측하는 것이 가능함을 보였다. 이 연구는 구강암의 면역 세포 침투에 대한 이해도를 증진하는데에 도움을 줄 수 있을 것이다.