• 보존과학회지
• /
• 제33권1호
• /
• pp.17-24
• /
• 2017

국립중앙박물관 소장품인 조선왕조실록상자(고적 25247)에 사용된 목재의 수종식별과 칠층의 특징을 관찰하고, 보존처리 과정 및 결과를 소개 위하여 본 연구를 실시하였다. 조사결과 실록상자의 제작에는 피나무과의 피나무속(Tilia spp.)의 목재가 사용되었다. 표면의 칠기법은 목재 위에 골회를 칠하고 닥나무속(Broussonetia spp.) 인피섬유로 제작한 한지를 덧바른 뒤 다시 토회칠, 흑칠, 정제옻칠, 흑칠 순서로 제작하였다. 보존처리 전 실록상자의 상태는 짜임이 벌어지고, 칠이 벗겨져 있었으며 장석이나 족대 등 일부 부재가 사라진 상태이었다. 이러한 손상부위는 아교 및 토회로 강화처리하여 안정적인 상태가 되도록 수리하였고, 결실부는 수종분석 결과와 남아있는 부재의 형태를 바탕으로 최대한 원형에 가깝게 복원하였다. 이를 통해 실록상자의 기초적인 제작방법을 파악할 수 있었다.

• 한국인터넷방송통신학회논문지
• /
• 제24권1호
• /
• pp.49-54
• /
• 2024

데이터 불균형은 분류 문제에서 흔히 마주치는 문제로, 데이터셋 내의 클래스간 샘플 수의 현저한 차이에서 기인한다. 이러한 데이터 불균형은 일반적으로 분류 모델에서 과적합, 과소적합, 성능 지표의 오해 등의 문제를 야기한다. 이를 해결하기 위한 방법으로는 Resampling, Augmentation, 규제 기법, 손실 함수 조정 등이 있다. 본 논문에서는 손실 함수 조정에 대해 다루며 특히, 불균형 문제를 가진 Multi-Class 블랙박스 동영상 데이터에서 여러 구성의 손실 함수(Cross Entropy, Balanced Cross Entropy, 두 가지 Focal Loss 설정: 𝛼 = 1 및 𝛼 = Balanced, Asymmetric Loss)의 성능을 I3D, R3D_18 모델을 활용하여 비교하였다.

• 한국정보통신학회논문지
• /
• 제20권1호
• /
• pp.142-152
• /
• 2016

실내 측위 분야에서는 사용할 수 없는 GPS 의 한계를 극복하기 위해 대두되고 있는 기술들은 대부분 사설 무선 통신망(Private Wireless Network)를 이용한 방법이다. 그러나 이러한 방법들은 설치 및 유지 보수비용이 많이 들고 측위 오차가 수 미터로 실내 주차장 등 정밀한 측위가 필요한 장소에서 사용하기에 부적합하다. 본 논문에서는 QR 코드 인식 기반 차량용 실내 측위 방법을 제안하였다. QR 코드 스캔을 통해 절대 좌표를 얻고 아핀 변환(affine transform)을 통한 기울기(Tilt) 및 회전(Roll) 보정과 스케일 변환 및 삼각함수를 이용한 카메라의 위치 정보(상대좌표)를 획득하여 정밀한 위치 좌표를 계산한다. 결과적으로 13.79cm 의 평균 오차를 달성해 기존 무선 네트워크 기반 기술의 오차 50cm 대비 단지 27.6% 정도 오차율에 해당함을 확인하였다.

• 정보보호학회논문지
• /
• 제32권6호
• /
• pp.1081-1090
• /
• 2022

얼굴 인식 모델은 스마트폰의 신원 인식에 활용되는 등 많은 사용자에게 편의를 제공하고 있다. 이에 따라 DNN 모델의 보안성 검토가 중요해지고 있는데 DNN 모델의 잘 알려진 취약점으로 적대적 공격이 존재한다. 적대적 공격은 현재 DNN 모델의 인식 결과만을 이용하여 공격을 수행하는 의사결정 공격기법까지 발전하였다. 그러나 기존 의사결정 기반 공격기법[14]은 적대적 예제 생성 시 많은 질의 수가 필요한 문제점이 있다. 특히, 기울기를 근사하는데 많은 질의 수가 소모되는데 정확한 기울기를 구할 수 없는 문제가 존재한다. 따라서 본 논문에서는 기존 의사결정 공격기법의 기울기를 근사할 때 소모되는 질의 수 낭비를 막기 위해서 직교 공간 샘플링과 차원 축소 샘플링 방법을 제안한다. 실험 결과 섭동의 크기가 L2 distance 기준 약 2.4 적은 적대적 예제를 생성할 수 있었고 공격 성공률의 경우 약 14% 향상할 수 있었다. 실험 결과를 통해 본 논문에서 제안한 적대적 예제 생성방법의 같은 질의 수 대비 공격 성능이 우수함을 입증한다.

• 한국ITS학회 논문지
• /
• 제22권2호
• /
• pp.133-146
• /
• 2023

도심지역의 교통 상태는 효과적인 교통 운영과 교통 제어를 수행하는 데 필수 요소이다. 하지만 교통 상태를 얻기 위해서 수많은 도로 구간에 교통 센서를 설치하는 것은 막대한 비용이 든다. 이를 해결하기 위해서 시장침투율이 높은 센서인 차량 블랙박스 카메라를 이용하여 교통 상태를 추정하는 것이 효과적이다. 하지만 기존의 방법론은 객체 추적 알고리즘이나 광학 흐름과 같이 계산 복잡도가 높고, 연속된 프레임이 있어야 연산을 수행할 수 있다는 단점이 존재한다. 이에 본 연구에서는 심층학습 모델로 차량과 차선을 탐지하고, 차선 사이의 공간을 관심 영역으로 설정하여 해당 영역의 교통밀도를 추정하는 방법을 제안하였다. 이 방법론은 객체 탐지 모델만을 이용해서 연산량이 적고, 연속된 프레임이 아닌 샘플링된 프레임에 대해 교통 상태를 추정할 수 있다는 장점이 있기에, 보유하고 있는 컴퓨팅 자원에 맞는 교통 상태 추정이 가능하다. 또, 도심지역에서 운행하는 서로 다른 특성의 2개의 버스 노선에서 수집한 블랙박스 영상을 검증한 결과, 교통밀도 추정 정확도가 90% 이상인 것을 확인하였다.

• 산업경영시스템학회지
• /
• 제44권4호
• /
• pp.227-233
• /
• 2021

Predictive maintenance has been one of important applications of data science technology that creates a predictive model by collecting numerous data related to management targeted equipment. It does not predict equipment failure with just one or two signs, but quantifies and models numerous symptoms and historical data of actual failure. Statistical methods were used a lot in the past as this predictive maintenance method, but recently, many machine learning-based methods have been proposed. Such proposed machine learning-based methods are preferable in that they show more accurate prediction performance. However, with the exception of some learning models such as decision tree-based models, it is very difficult to explicitly know the structure of learning models (Black-Box Model) and to explain to what extent certain attributes (features or variables) of the learning model affected the prediction results. To overcome this problem, a recently proposed study is an explainable artificial intelligence (AI). It is a methodology that makes it easy for users to understand and trust the results of machine learning-based learning models. In this paper, we propose an explainable AI method to further enhance the explanatory power of the existing learning model by targeting the previously proposedpredictive model [5] that learned data from a core facility (Hyper Compressor) of a domestic chemical plant that produces polyethylene. The ensemble prediction model, which is a black box model, wasconverted to a white box model using the Explainable AI. The proposed methodology explains the direction of control for the major features in the failure prediction results through the Explainable AI. Through this methodology, it is possible to flexibly replace the timing of maintenance of the machine and supply and demand of parts, and to improve the efficiency of the facility operation through proper pre-control.

• 소프트웨어공학소사이어티 논문지
• /
• 제13권3호
• /
• pp.31-44
• /
• 2000

소프트웨어를 개발하는데 미리 구현된 블록을 사용하여 소프트웨어 개발비용과 시간을 단축할 수 있다. 이와 같이 미리 구현된 블록을 컴포넌트(Component)라고 하며 컴포넌트를 실행 단위로 개발자에게 인터페이스만을 제공하여 내부 상세한 부분을 숨기므로 쉽고 바르게 대행 어플리케이션을 개발할 수 있다. 개발자는 완전히 내부를 볼 수 없는 블랙 박스(Black Box) 형태의 컴포넌트를 사용한다. 그러나 개발자들은 개발 도메인의 특성에 맞게 속성 및 워크플로우(Workflow)의 변경을 원하기 때문에 커스터마이즈(Customize)할 수 있는 방법이 있어야 한다. 기존의 커스터마이즈 기법은 컴포넌트의 속성을 변경하는 것에 국한되어 있다. 본 논문에서는 비즈니스 측면에서 속성 뿐만이 아니라 컴포넌트 내부의 워크플로우도 변경할 수 있는 기법을 제시한다. 기존에 워크플로우를 변경한다는 것은 컴포넌트 내부를 개발자가 이해하고 코드 수준에서 수정해야 하는 화이트 박스(White Box)이지만, 본 논문에서는 워크플로우의 변경을 화이트 박스가 아니라 블랙 박스 형태로 컴포넌트 인터페이스 만을 이용해 커스터마이즈 할 수 있다. 본 논문에서 제시하는 컴포넌트 커스터마이즈 기법은 특정 비즈니스 측면에서 도메인에 종속적인 특성을 가지며 컴포넌트를 좀더 범용적으로 사용할 수 있는 향상된 커스터마이즈 기법을 제시한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제28권2호
• /
• pp.104-112
• /
• 2001

객체지향 프로그램에서 클래스는 수정한 후 재사용하는 화이트박스 재사용과 수정없이 재사용하는 블랙박스 재사용으로 나눌 수 있다. 컴포넌트 기반 소프트웨어 개발 방법론에서의 컴포넌트는 블랙박스 재사용 형태를 띤다. 클래스와 컴포넌트는 절차적인 특성과 객체지향적인 특성을 모두 가지고 있으므로 이를 고려하여 재사용성을 측정해야 한다. 이 논문에서는 클래스와 컴포넌트의 재사용성 측정 모델과 측정 기준을 제안한다. 제안된 모델을 사용하여 측정된 클래스는 화이트박스 재사용이 유리한지 블랙박스 재사용이 유리한지를 판단할 수 있다. 아울러 총평가점수를 산정하여 비교하므로 어느 클래스가 재사용성이 높은지를 알 수 있다.

• 한국정보통신학회논문지
• /
• 제22권5호
• /
• pp.747-753
• /
• 2018

자동차 블랙박스 영상용 자동차 번호판 인식 시스템에서는 수시로 변하는 도로 주변의 외부 환경에 의해 자동차 번호판에 그림자가 존재하는 경우가 많이 발생한다. 이러한 그림자는 번호판의 문자와 숫자의 개별 문자 분할 과정에서 예상하지 않은 오류를 발생시키게 되고, 그 결과 전체적인 자동차 번호판 인식률을 저하시킨다. 본 논문에서는 이러한 환경에서 번호판 인식률을 높이고자, 번호판의 그림자를 효과적으로 제거하는 번호판 영상 이진화 알고리즘을 제안한다. 제안한 방법에서는 그림자의 경계를 기준으로 그림자가 드리운 영역과 드리우지 않은 영역으로 분할하는데, 그림자의 경계를 찾기 위해 최소 자승법을 사용하여 그림자 경계선에 대한 곡선을 추정한다. 그림자가 존재하는 자동차 번호판의 영상에 대해 시뮬레이션을 수행하였으며, 그 결과 기존 알고리즘 보다 훨씬 높은 인식률을 보임을 확인하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제52차 하계학술대회논문집 23권2호
• /
• pp.187-190
• /
• 2015

주행 중 차선 이탈 경고 시스템은 사고 발생 예방 차원에서 매우 높은 효과가 인정되어서 차선이탈 경고 장치(LDWS) 제품들이 출시되고 있다. 본 논문은 블랙박스의 영상을 이용하여 차선 검출에 정확도를 향상하기 위한 알고리즘을 연구한 것으로 특히 차량에 장착되어 있는 블랙박스 영상을 영상 변환 없이, 실시간 소프트웨어 만 으로 처리할 수 있는 알고리즘을 연구한다. 차선인식을 위한 최적의 영상 ROI를 결정하고, 차선 인식 정확도를 향상하기 위한 전 처리 과정을 적용하고, 동영상의 연속성을 잘못된 차선인식에 대한 보정, 인식이 되지 않는 차선에 대한 후보 차선 추천 알고리즘과 시점 변환에 의한 야간, 곡선 도로에 대한 오인식율을 최소화 하는 방법을 제안한다. 도로주행의 다양한 환경에 대한 실험을 진행했으며, 각각의 방법 적용에 의한 오인식율의 감소와 많은 인식 알고리즘 적용에 의한 처리 속도 저하를 개선하기 위한 연구를 진행했으며, 본 논문은 블랙박스 영상을 이용하여 주행 차선 인식을 위한 최적 알고리즘을 제안한다.