• 인터넷정보학회논문지
• /
• 제25권3호
• /
• pp.19-25
• /
• 2024

전 세계적인 인구 고령화 현상으로, 녹내장, 백내장, 황반변성과 같은 실명을 초래할 수 있는 주요 안질환의 발병률이 상승하고 있다. 이에 안과 분야에서는 실명률을 줄이기 위해 예방이 어려운 질환의 진단에 관심이 집중되고 있다. 본 연구는 기존보다 적은 양의 데이터를 활용하여 안저 사진 내의 안질환을 정확하게 진단하는 딥러닝 방안을 제안한다. 이를 위해 적은 데이터로도 효과적인 학습이 가능한 Convolutional Neural Network (CNN) 모델을 선정하여 다양한 안질환 환자의 Conventional Fundus Image (CFI)를 분류 한다. 선정된 CNN 모델들은 Accuracy, Precision, Recall, F1-score에서 우수한 성능을 기록함으로써 CFI 내 안질환의 정확한 분류에 탁월한 성능을 보였다. 이러한 접근법은 안과 전문의들의 수작업 분석을 줄이고, 진료 시간을 단축하며, 리소스가 제한된 환경에서도 일관성 있는 진단 결과를 제공함으로써 의료 현장에 효율적이고 정확한 진단의 보조 도구로 기여할 수 있다.

• 한국항행학회논문지
• /
• 제28권4호
• /
• pp.538-543
• /
• 2024

본 논문에서는 인터디지털-커패시터-모양 슬롯을 이용한 chipless RFID(radio frequency identification) 태그의 소형화에 대하여 연구하였다. 제안된 인터디지털-커패시터-모양 슬롯은 두께 0.8 mm의 20 mm×50 mm 크기의 FR4 기판의 한쪽에 있는 직사각형 도체 평판에 추가하였다. 기존의 H-모양 슬롯과 변형된 구부러진 H-모양 슬롯을 각각 추가하였을 때와 bistatic 레이다 단면적(RCS; radar cross section)의 공진 딥(dip) 주파수를 비교하였다. H-모양 슬롯과 변형된 구부러진 H-모양 슬롯을 추가하였을 때 시뮬레이션 공진 딥 주파수는 각각 5.907 GHz과 3.741 GHz이었다. 제안된 인터디지털-커패시터-모양 슬롯을 추가하였을 때 공진 딥 주파수는 2.889 GHz로 감소하였고 H-모양 슬롯을 추가하였을 때와 비교하여 슬롯 길이를 51.1% 소형화할 수 있다. 실험 결과, 제작된 인터디지털-커패시터-모양 슬롯이 추가된 chipless RFID 태그의 공진 딥 주파수는 3.07 GHz로 나타났다.

• 한국항행학회논문지
• /
• 제28권4호
• /
• pp.574-581
• /
• 2024

본 연구는 제작공정 훈련을 위한 확장 현실 콘텐츠의 사용성을 탐색하고, 사용자 경험을 분석하는 목적으로 수행되었다. 이를 위해 공정교육용 확장 현실사용성 평가 보고서에 제시된 사용자 하드웨어, 사용자인터페이스, 콘텐츠 만족도에 대한 인터뷰 내용을 키워드 추출 및 워드 클라우드 시각화를 위한 파이선 패키지를 사용하여 분석하였다. 분석 결과, 하드웨어의 착용감은 만족스러웠지만, 중량과 열 문제는 개선이 필요하다는 피드백이 나타났다. 사용자인터페이스 측면에서는 가독성에는 긍정적 응답이 많았으나, 핸드트래킹 기반 상호작용 방식의 인식률이 낮아 개선이 요구되었다. 또한, 사용자는 확장 현실 기술을 의료 및 교육 분야에 적용할 가능성을 인식하고 긍정적인 미래 기대감을 표현하였다. 본 연구는 산업용 확장 현실 콘텐츠의 사용성 및 품질 개선을 위한 기초 자료를 제공하며, 향후 실질적인 산업 현장 적용을 위한 발전 방향을 수립하는 데 활용될 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제29권8호
• /
• pp.23-32
• /
• 2024

NVS는 여러 각도와 위치에서 수집한 이미지를 이용해 3차원 공간을 재현하는 연구 분야로, 증강현실, 가상현실, 자율주행, 로봇 네비게이션 등에서 중요성이 커지고 있다. 최근 주목받는 3D-GS 방법론은 기존 NeRF 보다 고품질 장면 생성, 빠른 학습 시간, 실시간 렌더링이 가능하지만, Gaussian points의 밀도 조정 과정에서 전체 Gaussian points 수의 증가로 메모리 소모량 상승과 렌더링 속도가 저하되는 문제가 있다. 이를 개선하기 위해 본 논문에서는 불필요한 Gaussian points를 제거하여 메모리 효율성을 높이는 Gaussian blending 기법과 Gaussian points 감소로 인한 표현력 손실을 최소화하는 깊이 정보 반영 손실 함수를 제안하여 모델의 성능을 보완한다. 실험 결과, Tanks & Temples 벤치마크 데이터셋에서 성능을 유지하면서 Gaussian points 수를 최대 4% 감소시키는 효과를 확인하였다. 따라서 본 논문에서 제안한 방법론은 3D-GS 모델의 경량화 가능성을 실험적으로 증명하였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권8호
• /
• pp.53-58
• /
• 2024

교통사고는 인간의 생명뿐만 아니라 사회적으로 큰 비용을 발생시키는 문제이다. 최근에는 교통사고 문제를 해결하기 위하여, 딥러닝 기술과 도로의 시공간적 정보를 통해 교통사고 위험도를 예측하는 연구가 진행되었다. 그러나 교통사고는 도로의 시공간적 정보뿐만 아니라 인적요소 또한 교통사고에 매우 큰 영향을 미치지만 이에 대한 연구는 상대적으로 활성화되지 않았다. 본 논문은 교통사고 데이터셋을 바탕으로 클러스터링 기법을 적용하여 운전자 그룹 및 특성을 분석하였으며, 각 운전자 그룹 및 특성에 대한 위험도를 산출하는 방법을 제시 및 적용하였다. 이 과정에서 본 논문에서 제시한 전처리 기법이 기존에 일반적으로 사용되었던 원-핫 임베딩, Min-Max Scaling 기법보다 더 높은 성능을 보임으로써 더 적합한 전처리 기법임을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권8호
• /
• pp.1-9
• /
• 2024

본 연구는 기존 연구가 주로 도로의 물리적 상태 및 도로 환경 등 외부 요인에 초점을 맞춘 것에 반해, 차량 내부에서 발생하는 운전자의 행동 및 시선 변화를 실시간으로 분석함으로써 교통사고 위험도를 측정하고 예측하는 새로운 접근법을 제시한다. 실시간으로 운전자의 이상행동과 시선 이동 패턴을 정밀하게 측정하고, 이를 통해 도출된 각각의 위험 점수를 합산하여 교통사고 위험도를 평가한다. 본 연구는 기존 연구에서 다루지 않았던 내재적 요인의 중요성을 강조하며 교통안전 연구 분야에 새로운 시각을 제공한다. 이러한 혁신적 접근 방식은 교통사고 예방 및 안전 개선을 위한 실시간 예측 모델의 개발 가능성을 제시하며, 향후 교통사고 예방 전략 및 정책 수립에 있어 중요한 기초 자료를 제공할 수 있을 것으로 기대된다.

• 한국정보전자통신기술학회논문지
• /
• 제17권4호
• /
• pp.213-220
• /
• 2024

본 논문에서는 WebAssembly(WASM)를 활용하여 디바이스와 엣지 클라우드 간의 Federated Learning을 수행하는 최적화 전략을 제안한다. 제안된 전략은 일부 학습을 디바이스에서 수행하고, 나머지 학습을 엣지 클라우드에서 수행하여 효율성을 극대화하는 것을 목표로 한다. 특히, GPU 메모리 세그먼트 간 데이터 이동과 연산 작업의 중첩을 최적화하여 전체 학습 시간을 줄이고 GPU 사용률을 향상시키는 방법을 수학적으로 설명하고 평가한다. 다양한 실험 시나리오를 통해 비동기 데이터 전송과 연산 중첩이 학습 시간을 단축하고 GPU 사용률을 향상시키며, 모델 정확도를 증가시킴을 확인하였다. 모든 최적화 기법을 적용한 시나리오에서 학습 시간이 47% 단축되었고, GPU 사용률은 91.2%로 향상 되었으며, 모델 정확도는 89.5%로 증가함을 확인하여 비동기 데이터 전송과 연산 중첩이 데이터 전송을 기다리는 GPU 유휴 시간을 줄이고, 병목 현상을 완화할 수 있음을 확인하였다. 본 연구는 향후 Federated Learning 시스템의 성능 최적화에 기여할 수 있을 것으로 사료된다.

• 한국정보전자통신기술학회논문지
• /
• 제17권4호
• /
• pp.229-235
• /
• 2024

최근 몇 년 동안 인공지능과 기계 학습 분야에서 대량의 데이터를 효율적으로 처리하고 해석하는 방법에 대한 연구가 활발히 진행되고 있다. 이러한 데이터 처리 기술 중 하나인 벡터 기호 아키텍처(Vector Symbolic Architecture, VSA)는 고차원 벡터를 이용하여 복잡한 기호와 데이터를 표현하는 혁신적인 접근법을 제시한다. VSA는 특히 자연어 처리, 이미지 인식, 로봇 공학 등 다양한 응용 분야에서 주목받고 있다. 본 연구는 VSA 방법론들의 특성과 성능을 정량적으로 평가하기 MNIST 데이터셋에 5가지 VSA 방법론을 적용하여 인코딩 속도, 디코딩 속도, 메모리 사용량, 복원 정확도와 같은 주요 성능 지표를 벡터 길이별로 측정하였다. 인코딩 속도와 디코딩 속도에서 BSC와 VT가 상대적으로 빠른 성능을 보였으며, MAP과 HRR은 상대적으로 느렸다. 메모리 사용량에서는 BSC가 가장 효율적이었고, MAP이 가장 많은 메모리를 사용하였다. 복원 정확도는 MAP이 가장 높았으며, BSC가 가장 낮았으며 연구 결과는 적용 영역에 따라 적절한 VSA 방법론을 선택할 수 있는 기준을 제시할 수 있다.

• 한국정보전자통신기술학회논문지
• /
• 제17권4호
• /
• pp.275-287
• /
• 2024

과거부터 꾸준히 지식 그래프(Knowledge Graph)와 언어 모델(LM, Language Model)의 통합에 대한 많은 연구가 다뤄지고 있다. 그 중, 지식 그래프의 구조화된 지식을 이용해 자동 텍스트 생성을 다루는 연구는 그리 활성화되지 않았다. 본 연구에서는 기존 논문들과 비슷한 수준의 특정 도메인 관련 연구 항목(Related Work)을 자동 생성하기 위한 방법론, 즉, '1) 최적의 Prompt 선정, 2) 4단계 정제기법을 통해 Triple 추출, 3) 지식 그래프 구축, 4) 관련 연구 자동 생성'을 제안한다. 제안된 방법론은 대규모 언어 모델(LLM) 중, GPT-4를 활용하고, 4단계 정제 기법을 적용하여 관련 연구를 자동으로 생성하도록 설계했다. 그렇게 설계된 모델은 Triple 추출에서 #Supp, #Cont, Fluency에서 17.3, 14.1, 4.2의 성능과 GPT-4 자동 평가 기준, 100점 기준 정제 전, 88.5점에서 정제 후, 96.5점으로 기존 논문과 비슷한 수준의 유의미한 관련 연구 자동 생성 능력을 보였다.

• 문화기술의 융합
• /
• 제10권4호
• /
• pp.425-430
• /
• 2024

본 연구는 군사용 무인항공기(드론)의 다양한 유형별 특징과 각 유형이 군사 작전에서 어떻게 활용될 수 있는지를 분석하였다. 연구 범위는 고정익, 회전익, 하이브리드, 스웜 드론의 구조적 특징, 장단점, 군사적 활용 사례를 중심으로 하였다. 또한 드론 기술의 발전 방향과 그에 따른 군사 전략의 변화, 기회와 도전 과제를 논의하였다. 연구 결과, 각 유형의 드론은 정찰, 감시, 타격, 물류, 수색 및 구조 등 다양한 군사 작전에서 중요한 역할을 수행하고 있으며, 인공지능, 자율비행, 스웜 기술 등의 발전으로 그 활용 범위가 더욱 확대될 것으로 전망된다. 다만 드론 운용의 안전성, 윤리성 확보와 국제 규범 마련이 주요 과제로 대두되었다.