• 인터넷정보학회논문지
• /
• 제24권4호
• /
• pp.85-92
• /
• 2023

X-ray, Computed Tomography (CT), Magnetic Resonance Imaging (MRI)과 같은 의료데이터에서 딥러닝을 활용해 질병 유무 판별 태스크와 같은 문제를 해결하려는 시도가 활발하다. 대부분의 데이터 기반 딥러닝 문제들은 높은 정확도 달성과 정답과 비교하는 성능평가의 활용을 위해 지도학습기법을 사용해야 한다. 지도학습에는 다량의 이미지와 레이블 세트가 필요하지만, 학습에 충분한 양의 의료 이미지 데이터를 얻기는 어렵다. 다양한 데이터 증강 기법을 통해 적은 양의 의료이미지와 레이블 세트로 지도학습 기반 모델의 과소적합 문제를 극복할 수 있다. 본 연구는 딥러닝 기반 갈비뼈 골절 세그멘테이션 모델의 성능 향상과 효과적인 좌우 반전, 회전, 스케일링 등의 데이터 증강 기법을 탐색한다. 좌우 반전과 30° 회전, 60° 회전으로 증강한 데이터셋은 모델 성능 향상에 기여하지만, 90° 회전 및 ⨯0.5 스케일링은 모델 성능을 저하한다. 이는 데이터셋 및 태스크에 따라 적절한 데이터 증강 기법의 사용이 필요함을 나타낸다.

• 한국전자통신학회논문지
• /
• 제18권4호
• /
• pp.601-608
• /
• 2023

모바일 로봇은 다양한 환경에서 임무를 수행하기 때문에 산업 분야에서 크게 활용되고 있다. 모바일 로봇이 작업을 수행하기 위해서는 경로를 생성하고 장애물을 탐지하기 때문에 실시간으로 로봇의 정확한 위치를 파악하는 것은 중요하다. 특히, 실내 환경에서 자율주행하는 모바일 로봇은 주어진 일을 정해진 영역에서 수행할 때, 보다 정밀한 측위 성능이 요구된다. 모바일 로봇은 무선통신 환경에서 송수신 데이터의 손실이 빈번히 발생하며, 데이터 손실 발생 시 예측 기술을 통해 로봇 스스로 자신의 위치를 파악하여 임무 수행을 이어 나가야 한다. 본 논문에서는 모바일 로봇의 위치 추정 정확도를 향상시키고, 데이터 손실 문제를 해결하고자 확장 칼만 필터 기반의 알고리즘을 제안한다. 삼변측량은 해당 순간에만 측정한 값을 사용하여 측위 성능이 부정확한 반면, 제안한 알고리즘은 데이터 손실 환경에서 예측 측정값의 잔차를 이용하기 때문에 모바일 로봇의 정밀한 위치 추정이 가능하다. 제안한 알고리즘의 우수한 성능 검증을 위하여 데이터 손실이 없는 환경과 데이터 손실 환경에서 모바일 로봇의 시뮬레이션을 수행하였다.

• 분석과학
• /
• 제36권3호
• /
• pp.121-127
• /
• 2023

범죄 현장에서 혈액을 찾아 식별하는 것은 신원 확인 및 사건 재구성을 하기 위해 중요한 과정이다. 하지만, 혈액은 어둡거나 다양한 색상의 표면에서 육안으로 관찰하기 어려울 수 있다. Acidic hydrogen peroxide (AHP)는 최근에 발표된 혈액 증강 시약으로, 카메라의 장노출 기능을 사용하면 혈액을 높은 감도로 관찰할 수 있다. 그러나 어둡거나 다양한 색상의 표면에서 기존에 알려진 기법과 비교된 바는 없다. 이를 위해, 어둡거나 다양한 색상의 표면 8 종류에 혈흔족적을 남기고 UV나 IR을 비추면서 관찰/촬영하는 방법, alginate 전사법, leuco rhodamine 6G (LR6G), AHP를 적용하여 비교하였다. 그 결과, AHP는 UV 및 IR 촬영법보다 증강한 혈액과 표면의 contrast가 높았고, alginate 전사법과 달리 모든 표면에서 적용이 가능했다. 또한 LR6G와 마찬가지로 AHP 역시 어둡거나 다양한 색상의 표면에 부착된 혈액을 성공적으로 증강하였다.

• 산업경영시스템학회지
• /
• 제46권2호
• /
• pp.72-81
• /
• 2023

This research proposes a novel approach to tackle the challenge of categorizing unstructured customer complaints in the automotive industry. The goal is to identify potential vehicle defects based on the findings of our algorithm, which can assist automakers in mitigating significant losses and reputational damage caused by mass claims. To achieve this goal, our model uses the Word2Vec method to analyze large volumes of unstructured customer complaint data from the National Highway Traffic Safety Administration (NHTSA). By developing a score dictionary for eight pre-selected criteria, our algorithm can efficiently categorize complaints and detect potential vehicle defects. By calculating the score of each complaint, our algorithm can identify patterns and correlations that can indicate potential defects in the vehicle. One of the key benefits of this approach is its ability to handle a large volume of unstructured data, which can be challenging for traditional methods. By using machine learning techniques, we can extract meaningful insights from customer complaints, which can help automakers prioritize and address potential defects before they become widespread issues. In conclusion, this research provides a promising approach to categorize unstructured customer complaints in the automotive industry and identify potential vehicle defects. By leveraging the power of machine learning, we can help automakers improve the quality of their products and enhance customer satisfaction. Further studies can build upon this approach to explore other potential applications and expand its scope to other industries.

• 한국ITS학회 논문지
• /
• 제22권3호
• /
• pp.62-72
• /
• 2023

최근, 자전거도로 관련 시설 등의 모니터링과 관리 방안에 대한 중요성이 증가하고 있다. 그러나 자전거도로를 포함한 보행공간에 대한 이용자의 안전 및 편의성에 대한 모니터링과 평가에 대한 연구는 미흡한 실정이다. 본 연구에서는 모바일매핑시스템(Mobile Mapping System, MMS)을 활용하여 자전거보행자겸용도로의 상태 모니터링 데이터를 구축하고, 인공지능 기반객체인식 기법을 이용하여 보행자와 자전거 이용자들의 관점에서 겸용도로의 서비스 수준 산정방안을 제시하고자 한다. 본 연구를 통해 제시한 자전거보행자겸용도로의 모니터링과 서비스 수준 산정 방안은 향후 전기자전거와 개인형 이동수단(personal mobility, PM)의 증가에 대비한 보행공간의 정비와 재구조화(reconstruction) 등 계획과 관리에 기초 자료로 활용될 수 있을 것으로 기대된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.169-171
• /
• 2021

자율주행, CCTV, 휴대폰 보안, 주차시설 등 카메라를 통한 이미지 처리는 실생활의 많은 문제를 해결하기 위해 사용되고 있다. 간단한 구분의 경우는 이미지 처리를 통해 해결하지만, 복잡하게 섞인 물체의 이미지 또는 이미지 내 특징을 찾아내기 어렵다. 이런 특징점 해결을 위해 사람에 가깝게 생각하고 판단할 수 있도록 영상데이터에 분류, 탐지, 분할에서 딥러닝 기술을 도입하고 있다. 물론 이미지 처리만 수행하는 것보다 결과가 좋지만, 딥러닝을 사용한 영상 분할의 방법에서 판단된 결과물이 실제 객체와 편차가 있는 것을 확인하였다. 본 논문에서는 영상 분할의 정밀도를 높이기 위해 딥러닝 영상 분할의 결과물을 출력하기 직전 간단한 이미지 처리를 통하여 정확도 향상을 수행하는 방법에 관해 연구하였다.

• 대한토목학회논문집
• /
• 제26권3D호
• /
• pp.349-352
• /
• 2006

자동차 수의 급증으로 야기되는 교통혼잡, 교통사고, 주차난 등의 많은 문제에 효율적으로 대응하기 위해서는 제한된 인력과 비용을 사용하는 자동차 관리가 필수적인데 이를 위한 많은 연구들이 국내외적으로 현재 진행되고 있다. 현재 진행되고 있는 여러 연구 분야 중에서 특히 자동차의 차량번호판인식 기술은 법규위반 차량 식별, 통행료 징수, 자동차세 징수, 도난 도주 차량 확인 및 주차 관리 등의 많은 분야에 응용되고 있다. 자동차의 차량번호판 문자 인식 문제와 같이 훈련예제 수집 비용이 많이 드는 경우에 제한된 수의 훈련예제를 최대한 활용하여 분류성능을 향상시키기 위한 방안의 하나로, 수집된 훈련예제들로부터 가상의 예제를 생성하고, 생성된 가상예제를 훈련예제로 추가하여 학습하는 여러 연구가 수행된 바 있다. 본 논문에서는 차량번호판 문자 인식의 성능 향상을 위해 수집된 예제들을 적절히 병합하여 가상의 예제를 생성하는 방안에 관해 기술하고, 문자인식 분야에서 일반적으로 많이 사용되는 여러 알고리즘에 대하여 다양한 가상예제 생성방안 및 다양한 생성비율에 따른 실험을 통해 그 효용성을 확인한다.

• 국제학술발표논문집
• /
• The 8th International Conference on Construction Engineering and Project Management
• /
• pp.87-95
• /
• 2020

Generally, occupational safety and particularly construction safety is an intricate phenomenon. Industry professionals have devoted vital attention to enforcing Occupational Safety and Health (OHS) from the last three decades to enhance safety management in construction. Despite the efforts of the safety professionals and government agencies, current safety management still relies on manual inspections which are infrequent, time-consuming and prone to error. Extensive research has been carried out to deal with high fatality rates confronting by the construction industry. Sensor systems, visualization-based technologies, and tracking techniques have been deployed by researchers in the last decade. Recently in the construction industry, computer vision has attracted significant attention worldwide. However, the literature revealed the narrow scope of the computer vision technology for safety management, hence, broad scope research for safety monitoring is desired to attain a complete automatic job site monitoring. With this regard, the development of a broader scope computer vision-based risk recognition system for correlation detection between the construction entities is inevitable. For this purpose, a detailed analysis has been conducted and related rules which depict the correlations (positive and negative) between the construction entities were extracted. Deep learning supported Mask R-CNN algorithm is applied to train the model. As proof of concept, a prototype is developed based on real scenarios. The proposed approach is expected to enhance the effectiveness of safety inspection and reduce the encountered burden on safety managers. It is anticipated that this approach may enable a reduction in injuries and fatalities by implementing the exact relevant safety rules and will contribute to enhance the overall safety management and monitoring performance.

• 한국항행학회논문지
• /
• 제27권5호
• /
• pp.540-545
• /
• 2023

최신의 항공기 탑재 능동위상배열레이다(AESA radar; active electronically scanned array radar) 에서는 AESA 레이다의 빠른 전자적 빔 조향 능력과 효율적인 레이다 자원관리를 통해, 상황인식 능력을 극대화할 수 있는 동시운용(Interleaved) 모드가 운용된다. 본 논문에서는 AESA 레이다의 동시운용모드에 있어서 점진적인 성능 저하를 이루기 위한 모드별 자원 할당량을 결정하기 위해, 모드별 성능분석 항목을 식별하고 탐지거리 성능 측면에서 자원할당량에 따른 성능저하를 분석하였다. 이를 통해 실제 동시운용모드 설계 시 모드별 또는 탐색 영역 조합별로 성능 저하를 최소화 할 수 있는 부하량을 도출하였고, 단일모드 운용 대비 동시모드 운용 시 부하 관리 기반 빔 스케줄링 규칙에 대해 제안하였다.

• 한국인터넷방송통신학회논문지
• /
• 제23권6호
• /
• pp.1-7
• /
• 2023

본 논문은 인공지능 기술을 활용하여 일반 도로와 침수 도로를 분류하는 학습모델을 개발하였다. 다양한 데이터 증강기법을 사용하여 학습 데이터의 다양성을 확장하며, 여러 환경에서도 좋은 성능을 보이는 모델을 구현하였다. CNN 기반의 Resnet152v2 모델을 사전 학습모델로 활용하여, 전이 학습을 진행하였다. 모델의 학습 과정에서 다양한 파라미터 튜닝 및 최적화 과정을 거쳐 최종 모델의 성능을 향상하였다. 학습은 파이선으로 Google Colab NVIDIA Tesla T4 GPU를 사용하여 구현하였고, 테스트 결과 시험 데이터 세트에서 매우 높은 정확도로 침수상황을 탐지함을 알 수 있었다.