• 한국군사과학기술학회지
• /
• 제25권3호
• /
• pp.300-310
• /
• 2022

A vast amount of labeled data is required for deep neural network training. A typical strategy to improve the performance of a neural network given a training data set is to use data augmentation technique. The goal of this work is to offer a novel image augmentation method for improving object detection accuracy. An object in an image is removed, and a similar object from the training data set is placed in its area. An in-painting algorithm fills the space that is eliminated but not filled by a similar object. Our technique shows at most 2.32 percent improvements on mAP in our testing on a military vehicle dataset using the YOLOv4 object detector.

• 시스템엔지니어링학술지
• /
• 제17권2호
• /
• pp.91-97
• /
• 2021

User interface for cancer classification system is a software application with clinician's friendly tools and functions to diagnose cancer from pathology images. Pathology evolved from manual diagnosis to computer-aided diagnosis with the help of Artificial Intelligence tools and algorithms. In this paper, we explained each block of the project life cycle for the implementation of automated breast cancer classification software using AI and machine learning algorithms to classify normal and invasive breast histology images. The system was designed to help the pathologists in an automatic and efficient diagnosis of breast cancer. To design the classification model, Hematoxylin and Eosin (H&E) stained breast histology images were obtained from the ICIAR Breast Cancer challenge. These images are stain normalized to minimize the error that can occur during model training due to pathological stains. The normalized dataset was fed into the ResNet-34 for the classification of normal and invasive breast cancer images. ResNet-34 gave 94% accuracy, 93% F Score, 95% of model Recall, and 91% precision.

• 융합보안논문지
• /
• 제22권3호
• /
• pp.101-110
• /
• 2022

다양한 분야에서 인공지능을 활용한 사례가 증가하면서 침입탐지 분야 또한 다양한 이슈를 인공지능을 통해 해결하려는 시도가 증가하고 있다. 하지만, 머신러닝을 통한 예측된 결과에 관한 이유를 설명하거나 추적할 수 없는 블랙박스 기반이 대부분으로 이를 활용해야 하는 보안 전문가에게 어려움을 주고 있다. 이러한 문제를 해결하고자 다양한 분야에서 머신러닝의 결정을 해석하고 이해하는데 도움이 되는 설명 가능한 AI(XAI)에 대한 연구가 증가하고 있다. 이에 본 논문에서는 머신러닝 기반의 침입탐지 예측 결과에 대한 신뢰성을 강화하기 위한 설명 가능한 AI를 제안한다. 먼저, XGBoost를 통해 침입탐지 모델을 구현하고, SHAP을 활용하여 모델에 대한 설명을 구현한다. 그리고 기존의 피처 중요도와 SHAP을 활용한 결과를 비교 분석하여 보안 전문가가 결정을 수행하는데 신뢰성을 제공한다. 본 실험을 위해 PKDD2007 데이터셋을 사용하였으며 기존의 피처 중요도와 SHAP Value에 대한 연관성을 분석하였으며, 이를 통해 SHAP 기반의 설명 가능한 AI가 보안 전문가들에게 침입탐지 모델의 예측 결과에 대한 신뢰성을 주는데 타당함을 검증하였다.

• 로봇학회논문지
• /
• 제18권1호
• /
• pp.122-126
• /
• 2023

An unexpected occlusion in a real life, not in a laboratory, can be more fatal to neural networks than expected. In addition, it is virtually impossible to create a network that learns all the environmental changes as well as occlusions. Therefore, we propose an alternative approach in which the architecture and number of parameters remain unchanged while adapting to occlusion circumstances. Learning method with the term Conversion Learning classifies them more robustly by converting the weights from various occlusion situations. The experiments on MNIST dataset showed a 3.07 [%p] performance improvement over the baseline CNN model in a situation where most objects are occluded and unknowing what occlusion will appear in advance. The experimental results suggest that Conversion Learning is an efficient method to respond to environmental changes such as occluded images.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.698-700
• /
• 2023

최근 들어, 미용 상품을 선택하기 전에 자신의 피부 타입과 상태를 정확히 파악하고 맞춤형 상품을 선택하고자 하는 수요가 증가하고 있다. 이에 따라 피부 상태 측정을 위한 기술적 요소의 중요성이 더욱 두드러지고 있다. 그러나 현재까지 피부 상태 측정을 위한 데이터셋이 한국인을 대상으로 측정한 데이터셋이 없는 실정이다. 본 연구에서는 한국인의 피부 상태를 정밀하게 분석하기 위해 고해상도 디지털 카메라로 촬영된 이미지, 정밀 피부측정 장비를 활용하여 측정한 정밀 값, 그리고 피부과 전문의가 진단한 피부상태 진단 등급 데이트를 통합하여 제공을 한다. 추후 제작한 데이터셋을 활용하여 개인 맞춤형 미용상품 추천과 개발 등 다양한 분야에 활용하고자 한다.

• 대한영상의학회지
• /
• 제82권5호
• /
• pp.1196-1206
• /
• 2021

목적 간 종양의 조영증강 컴퓨터단층촬영(이하 CT) 영상에 관한 인공지능 알고리즘의 성능과 안전성을 검증할 수 있는 표준 테스팅 데이터셋을 구축하고자 하였다. 대상과 방법 국내 4개 3차 의료기관의 복부 영상의학 전문가 4인이 모여 간 종양 진단 알고리즘의 성능과 안전성을 검증하기 위해 표준 데이터셋이 갖춰야 할 조건을 논의하였다. 각 기관마다 간세포암 75예, 전이암 75예, 그리고 양성 병변 30-50예씩 수집하여, 총 783명 환자의 CT 영상을 대상으로 하였다. 간세포암과 전이암의 경우 병리학적으로 확진된 경우만을 대상으로 하였다. 각 기관의 복부 영상의학 전문가들이 직접 환자의 임상정보를 추출하고 CT 영상에 관한 데이터 라벨링(labeling)을 수기로 시행하였다. CT 영상은 의료용 디지털 영상 및 통신(Digital Imaging and Communications in Medicine, DICOM) 파일로 저장하였다. 결과 복부 영상의학 전문가들이 수기 데이터 라벨링을 시행한 총 783 증례의 간 종양 조영증강 CT의 표준 데이터셋을 구축하였다. 알고리즘의 성능 및 안전성은 병변의 발견 여부 및 특성화의 정확도에 대해 민감도와 특이도를 계산하여 평가할 수 있다. 결론 본 연구에서 구축한 간 종양 조영증강 CT 영상의 표준 데이터셋은 임상의학 결정 지원시스템을 위한 기계학습 기반 인공지능 알고리즘을 평가하는 데에 활용될 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.779-782
• /
• 2021

Survival time analysis is one of the main methods used by the pathologist to prognosis for cancer patients. In this paper, we strive to estimate the individual survival time of Adenocarcinoma (ADC) lung cancer patients from pathological images by adopting the convolutional neural network called the SurvPatchV1 model. First, we extracted tissue patches from the whole-slide images (WSI) to deal with extremely large dimensions of WSI. Then the survival time of each patch is estimated through the SurvPatchV1 model. Finally, the individual survival time of each patient is computed. The proposed method is trained and tested on the subset of the NLST dataset for ADC lung cancer. The result demonstrates that our model can obtain all tissue information in lieu of only tumor information in a whole pathological image to estimate the individual survival time.

• 인터넷정보학회논문지
• /
• 제24권4호
• /
• pp.25-36
• /
• 2023

오늘날 AI(Artificial Intelligence) 기술은 보안 분야를 비롯하여 다양한 분야에 도입됨에 따라 기술의 발전이 가속화되고 있다. 하지만 AI 기술의 발전과 더불어 악성 행위 탐지를 교묘하게 우회하는 공격 기법들도 함께 발전되고 있다. 이러한 공격 기법 중 AI 모델의 분류 과정에서 입력값의 미세한 조정을 통해 오 분류와 신뢰도 하락을 유도하는 Adversarial attack이 등장하였다. 앞으로 등장할 공격들은 공격자가 새로이 공격을 생성하는 것이 아닌, Adversarial attack처럼 기존에 생성된 공격에 약간의 변형을 주어 AI 모델의 탐지체계를 회피하는 방식이다. 이러한 악성코드의 변종에도 대응이 가능한 견고한 모델을 만들어야 한다. 본 논문에서는 AI 모델의 Robustness 향상을 위한 효율적인 Adversarial attack 생성 기법으로 2가지 기법을 제안한다. 제안하는 기법은 XAI 기법을 활용한 XAI based attack 기법과 모델의 결정 경계 탐색을 통한 Reference based attack이다. 이후 성능 검증을 위해 악성코드 데이터 셋을 통해 분류 모델을 구축하여 기존의 Adversarial attack 중 하나인 PGD attack과의 성능 비교를 하였다. 생성 속도 측면에서 기존 20분이 소요되는 PGD attack에 비하여 XAI based attack과 Reference based attack이 각각 0.35초, 0.47초 소요되어 매우 빠른 속도를 보이며, 특히 Reference based attack의 경우 생성률이 97.7%로 기존 PGD attack의 생성률인 75.5%에 비해 높은 성공률을 보이는 것을 확인하였다. 따라서 제안한 기법을 통해 더욱 효율적인 Adversarial attack이 가능하며, 이후 견고한 AI 모델을 구축하기 위한 연구에 기여 할 수 있을 것으로 기대한다.

• International journal of advanced smart convergence
• /
• 제12권4호
• /
• pp.208-216
• /
• 2023

The purpose of our study is to design datasets for Artificial Intelligence learning for cold sea fish farming. Salmon is considered one of the most popular fish species among men and women of all ages, but most supplies depend on imports. Recently, salmon farming, which is rapidly emerging as a specialized industry in Gangwon-do, has attracted attention. Therefore, in order to successfully develop salmon farming, the need to systematically build data related to salmon and salmon farming and use it to develop aquaculture techniques is raised. Meanwhile, the catch of pollack continues to decrease. Efforts should be made to improve the major factors affecting pollack survival based on data, as well as increasing the discharge volume for resource recovery. To this end, it is necessary to systematically collect and analyze data related to pollack catch and ecology to prepare a sustainable resource management strategy. Image data was obtained using CCTV and underwater cameras to establish an intelligent aquaculture strategy for salmon and pollock, which are considered representative fish species in Gangwon-do. Using these data, we built learning data suitable for AI analysis and prediction. Such data construction can be used to develop models for predicting the growth of salmon and pollack, and to develop algorithms for AI services that can predict water temperature, one of the key variables that determine the survival rate of pollack. This in turn will enable intelligent aquaculture and resource management taking into account the ecological characteristics of fish species. These studies look forward to achievements on an important level for sustainable fisheries and fisheries resource management.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.29-31
• /
• 2020

본 논문에서는 코로나19 사태로 인한 팬데믹(pandemic) 현상으로 인해 또래와 단절된 아동들의 정서발달을 위해 인공지능 낙서 로봇인 Doodle Robot을 제안한다. Doodle Robot은 또래 형제가 없는 아동에게 함께 그림을 그릴 수 있는 그림친구로서 아동의 정서적 발달에 기여한다. YOLO 알고리즘을 사용하여 객체검출기능을 구현하였고 낙서 Data는 Quick! Draw Dataset에서 추출하였다.