• 전기전자학회논문지
• /
• 제22권1호
• /
• pp.156-161
• /
• 2018

최근 인구가 급격히 증가하면서 음식물의 부족 및 낭비의 심각성이 대두되고 있다. 이를 해결하기 위해 다양한 국가 및 기업에서는 소비자의 식재료 구매 패턴 연구 및 IoT 기술이 적용된 스마트 냉장고 제품개발 등의 시도를 진행 중에 있다. 그러나, 현재 판매되고 있는 스마트 냉장고들은 기존에 비해 상당한 가격대를 형성하고 있으며, 복잡한 구성으로 인한 오작동 및 파손으로 또 다른 낭비를 초래한다. 본 논문에서는 음식물 부족 및 낭비 해결과 가정 내 원활한 식재료 관리를 위한 저비용의 IoT 기반 스마트 냉장고 시스템을 제안한다. 본 시스템은 QR코드, 이미지 인식, 음성 인식을 통해 식재료를 인식하여 등록하고 이를 바탕으로 다양한 서비스를 제공할 수 있다. 이미지 인식의 정확도를 높이기 위해 우리는 딥 러닝 알고리즘을 사용한 모델을 활용하였으며 정확한 식재료 등록이 가능함을 검증하였다.

• 융합정보논문지
• /
• 제10권5호
• /
• pp.111-116
• /
• 2020

최근 어린이 차량의 승하차 과정에서 어린이 안전사고가 발생한다. 차량 인솔 교사가 없는 경우 버스에서 하차하지 않은 어린이의 질식사나 차량 전후방의 사각지대의 어린이 안전사고가 빈번하게 발생한다. 딥러닝 기반의 얼굴인식기술을 스마트 미러에 적용하여 사용자인증의 활용시 안전사고 방지를 위한 서비스가 가능하다. 스마트미러는 어린이를 위한 도우미 역할이 가능하고, 운전기사나 선생님이 미처 발견하지 못해 발생 가능할 사고를 방지할 수 있다. 어린이의 얼굴을 사전에 등록하여 어린이의 승하차시에 사용자인증을 수행하여 누락되지 않고, 버스의 전후방에 근접센서 및 카메라를 통해 안전사고를 미연에 방지할 수 있다. 본 연구는 어린이의 버스 승하차 과정에서 누락여부를 확인하고, 차량 전후방의 사각지대를 줄일 수 있는 시스템을 설계하고, GPS 정보를 활용하여 다양한 서비스가 가능한 안전시스템을 제안한다.

• 한국멀티미디어학회논문지
• /
• 제25권3호
• /
• pp.546-557
• /
• 2022

Recently, the demand to interpret image data with artificial intelligence in various fields is rapidly increasing. Object recognition and detection techniques using deep learning are mainly used, and video integration analysis to determine unstructured object recognition is a particularly important problem. In the case of natural disasters or social disasters, there is a limit to the object recognition structure alone because it has an unstructured shape. In this paper, we propose intelligent video integration analysis system that can recognize unstructured objects based on video turning point and object detection. We also introduce a method to apply and evaluate object recognition using virtual augmented images from 2D to 3D through GAN.

• 한국ITS학회 논문지
• /
• 제21권5호
• /
• pp.133-148
• /
• 2022

본 연구에서는 세종시의 도로포장 구간을 대상으로 도로포장의 균열률 파손모델을 개발하였다. 파손모델개발에 필요한 모니터링 데이터는 딥러닝 기반의 도로자산 모니터링 시스템을 활용하여 취득하였다. 모니터링 조사는 동일 구간을 대상으로 2021년도와 2022년도에 수행하였다. 도로포장 파손모델은 연평균 파손량을 추정하기 위한 방법론과 계층적 베이지안 마르코프 혼합 해저드 (Bayesian Markov Mixture Hazard) 모델을 활용한 방법론으로 구분하여 분석을 수행하였다. 분석결과, 기존 전문조사장비에서 취득된 데이터를 기반으로 개발된 균열률 파손모델과 유사한 분석 값을 도출할 수 있었다. 본 연구의 결과는 향후 지자체의 도로관리계획수립을 위한 기초자료로 활용될 것으로 기대된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권11호
• /
• pp.499-506
• /
• 2017

목적 지향 대화 시스템에서 자유대화를 지원하기 위해 챗봇이 활용되고 있다. 그러나 목적지향 대화시스템을 위한 챗봇과 독립 챗봇에 대한 사용자 기대와 평가가 같은지에 대한 연구는 거의 없는 상황이다. 본 논문에서는 목적지향 대화시스템으로 구현한 영어 교육용 대화시스템에서, 대화의 자유도를 높이기 위하여 주제외 사용자 발화를 허용하고, 이에 대응하기 위한 챗봇을 개발하였다. 독립 챗봇과 보조 시스템으로서의 챗봇에 대하여 비교 평가함으로, 서로 다른 시스템에 대한 사용자의 서로 다른 기대를 살펴보았다. 또한 검색 기반 챗봇과 신경망 기술을 이용한 생성 기반 챗봇에 대한 비교 평가를 통해 이들의 장단점과 향후 활용 방안에 대하여 살펴보았다.

• 지능정보연구
• /
• 제28권2호
• /
• pp.101-125
• /
• 2022

최근 컴퓨팅 기술의 발전과 클라우드 환경의 개선에 따라 딥 러닝 기술이 발전하게 되었으며, 다양한 분야에 딥 러닝을 적용하려는 시도가 많아지고 있다. 대표적인 예로 정상적인 데이터에서 벗어나는 값이나 패턴을 식별하는 기법인 이상 탐지가 있으며, 이상 탐지의 대표적 유형인 점 이상, 집단적 이상, 맥락적 이중 특히 전반적인 상황을 파악해야 하는 맥락적 이상을 탐지하는 것은 매우 어려운 것으로 알려져 있다. 일반적으로 이미지 데이터의 이상 상황 탐지는 대용량 데이터로 학습된 사전학습 모델을 사용하여 이루어진다. 하지만 이러한 사전학습 모델은 이미지의 객체 클래스 분류에 초점을 두어 생성되었기 때문에, 다양한 객체들이 만들어내는 복잡한 상황을 탐지해야 하는 이상 상황 탐지에 그대로 적용되기에는 한계가 있다. 이에 본 연구에서는 객체 클래스 분류를 학습한 사전학습 모델을 기반으로 이미지 캡셔닝 학습을 추가적으로 수행하여, 객체 파악뿐만 아니라 객체들이 만들어내는 상황까지 이해해야 하는 이상 상황 탐지에 적절한 2 단계 사전학습 모델 구축 방법론을 제안한다. 구체적으로 제안 방법론은 ImageNet 데이터로 클래스 분류를 학습한 사전학습 모델을 이미지 캡셔닝 모델에 전이하고, 이미지가 나타내는 상황을 설명한 캡션을 입력 데이터로 사용하여 학습을 진행한다. 이후 이미지와 캡션을 통해 상황 특질을 학습한 가중치를 추출하고 이에 대한 미세 조정을 수행하여 이상 상황 탐지 모델을 생성한다. 제안 방법론의 성능을 평가하기 위해 직접 구축한 데이터 셋인 상황 이미지 400장에 대해 이상 탐지 실험을 수행하였으며, 실험 결과 제안 방법론이 기존의 단순 사전학습 모델에 비해 이상 상황 탐지 정확도와 F1-score 측면에서 우수한 성능을 나타냄을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제21권8호
• /
• pp.960-968
• /
• 2018

The mobile visual search service uses a query image to acquire linkage information through pre-constructed DB search. From the standpoint of this purpose, it would be more useful if you could perform a search on a web-based keyword search system instead of a pre-built DB search. In this paper, we propose a representative query extraction algorithm to be used as a keyword on a web-based search system. To do this, we use image classification labels generated by the CNN (Convolutional Neural Network) algorithm based on Deep Learning, which has a remarkable performance in image recognition. In the query extraction algorithm, dictionary meaningful words are extracted using Wikipedia, and hierarchical categories are constructed using WordNet. The performance of the proposed algorithm is evaluated by measuring the system response time.

• Journal of information and communication convergence engineering
• /
• 제19권3호
• /
• pp.142-147
• /
• 2021

In this paper, we propose an intelligent research fund management system that applies artificial intelligence technology to an integrated research fund management system. By defining research fund management rules as work rules, a detection model learned using deep learning is designed, through which the disapproval status is presented for each research fund usage history. The disapproval detection system of the RCMS implemented in this study predicts whether the newly registered usage details are recognized or disapproved using an artificial intelligence model designed based on the use of an 8.87 million research fund registered in the RCMS. In addition, the item-detail recommendation system described herein presents the usage details according to the usage history item newly registered by the artificial intelligence model through a correlation between the research cost usage details and the item itself. The accuracy of the recommendation was shown to be 97.21%.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권8호
• /
• pp.4255-4269
• /
• 2019

This paper proposes an image generation method using a Multi Discriminator Generative Adversarial Net (MDGAN) as a next generation 2D game sprite creation technique. The proposed GAN is an Autoencoder-based model that receives three areas of information-color, shape, and animation, and combines them into new images. This model consists of two encoders that extract color and shape from each image, and a decoder that takes all the values of each encoder and generates an animated image. We also suggest an image processing technique during the learning process to remove the noise of the generated images. The resulting images show that 2D sprites in games can be generated by independently learning the three image attributes of shape, color, and animation. The proposed system can increase the productivity of massive 2D image modification work during the game development process. The experimental results demonstrate that our MDGAN can be used for 2D image sprite generation and modification work with little manual cost.

• Smart Structures and Systems
• /
• 제32권2호
• /
• pp.111-121
• /
• 2023

This study proposes an automated assembly performance evaluation method for prefabricated steel structures (PSSs) using machine learning methods. Assembly component images were segmented using a modified version of the receptive field pyramid. By factorizing channel modulation and the receptive field exploration layers of the convolution pyramid, highly accurate segmentation results were obtained. After completing segmentation, the positions of the bolt holes were calculated using various image processing techniques, such as fuzzy-based edge detection, Hough's line detection, and image perspective transformation. By calculating the distance ratio between bolt holes, the assembly performance of the PSS was estimated using the k-nearest neighbors (kNN) algorithm. The effectiveness of the proposed framework was validated using a 3D PSS printing model and a field test. The results indicated that this approach could recognize assembly components with an intersection over union (IoU) of 95% and evaluate assembly performance with an error of less than 5%.