• International Journal of Internet, Broadcasting and Communication
• /
• 제14권3호
• /
• pp.22-29
• /
• 2022

Recently, with the development of mobile computing power, mobile-based VR and AR services are being developed. Due to network performance and computing power constraints, VR and AR services using large-capacity 3D content have limitations. A study on an efficient 3D content load method for a mobile device is required. The conventional method downloads all 3D content used for AR services at the same time. In this paper, we propose an active 3D content load according to the user's track. The proposed method is a partitioned 3D object load. Edge servers were installed for each area and connected through the MESH network. Partitioned load the required 3D object in the area referring to the user's location. The location is identified through the edge server information of the connected AP. The performance of the proposed method and the conventional method was compared. As a result of the comparison, the proposed method showed a stable Mobile AR Service. The results of this study, it is expected to contribute to the activation of edge server-based AR mobile services.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.591-593
• /
• 2022

본 논문은 FEC 환경에서 응용 서비스의 처리 지연시간 최소화를 위하여 선행연구 제안한 부분 오프로딩 시스템의 네트워크 부하에 따른 오프로딩의 효과를 분석한다. 모바일 장치와 FEC 서버 간의 2계층 협력 컴퓨팅 시스템으로 구성된 제안 시스템을 로컬 전용 및 에지 서버 전용 처리와 비교한다. 제안 시스템은 다중 분기구조의 재구성 선형화를 통한 부분 오프로딩 알고리즘[1]과 두 계층 간의 최적 협업 알고리즘[2]을 포함한다. 실험은 다중 분기구조의 DAG 토폴로지를 갖는 논리적 CNN 모델을 대상으로 계층 스케줄링을 적용하여 수행하였으며, 실험 결과 제안 시스템은 로컬이나 에지 전용 실행과 비교하여 항상 효율적인 작업 처리 전략 및 처리 지연시간을 제공함을 입증하였다.

• 전기전자학회논문지
• /
• 제22권2호
• /
• pp.518-521
• /
• 2018

차량 내부의 다양한 전자장치를 연결하는 차량 내 통신(IVN: in-vehicle network)은 실시간성, 저잡음성, 고신뢰성, 고유연성 등이 필요하며 CAN(controller area network), CAN-FD(CAN flexible data rate), FlexRay, LIN(local interconnect network), SENT(single edge nibble transmission), PSI5(peripheral sensor interface 5) 등 다양한 기술이 있다. 본 논문에서는 이들 기술의 동작 원리에 대해 살펴보고 각 기술의 적용 대상과 장단점에 대해 설명한다.

• Journal of Information Processing Systems
• /
• 제20권4호
• /
• pp.458-476
• /
• 2024

To address the issue of class imbalance in network traffic data, which affects the network intrusion detection performance, a combined framework using transformers is proposed. First, Tomek Links, SMOTE, and WGAN are used to preprocess the data to solve the class-imbalance problem. Second, the transformer is used to encode traffic data to extract the correlation between network traffic. Finally, a hybrid deep learning network model combining a bidirectional gated current unit and deep neural network is proposed, which is used to extract long-dependence features. A DNN is used to extract deep level features, and softmax is used to complete classification. Experiments were conducted on the NSLKDD, UNSWNB15, and CICIDS2017 datasets, and the detection accuracy rates of the proposed model were 99.72%, 84.86%, and 99.89% on three datasets, respectively. Compared with other relatively new deep-learning network models, it effectively improved the intrusion detection performance, thereby improving the communication security of network data.

• 정보와 통신
• /
• 제32권7호
• /
• pp.17-26
• /
• 2015

최근 네트워크 기술 동향에 있어서 이른바 핫 이슈 중 하나인 소프트웨어 정의 네트워킹(SDN, Software-Defined Networking)은 바야흐로 데이터센터, 기업, 캠퍼스 등의 근거리 데이터 네트워크(LAN, Local Area Network) 환경을 넘어서 통신망 사업자(캐리어)와 서비스 제공자를 통해 원거리 데이터 네트워크 (WAN, Wide Area Network)로 진화하고 있다. 본고에서는 종단간 SDN 프로덕션 서비스를 위한 소프트웨어 정의 원거리 네트워크(SD-WAN, Software-Defined WAN)의 개요 및 적용 사례를 소개하고, SD-WAN의 핵심 서비스 기술로 인식되고 있는 네트워크 최적화, 가상화, 자동화, SDX(Software-Defined Exchange) 등의 요소 기술과 연구 동향을 알아본다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3364-3382
• /
• 2023

Remote sensing image segmentation plays an important role in realizing intelligent city construction. The current mainstream segmentation networks effectively improve the segmentation effect of remote sensing images by deeply mining the rich texture and semantic features of images. But there are still some problems such as rough results of small target region segmentation and poor edge contour segmentation. To overcome these three challenges, we propose an improved semantic segmentation model, referred to as MRU-Net, which adopts the U-Net architecture as its backbone. Firstly, the convolutional layer is replaced by BasicBlock structure in U-Net network to extract features, then the activation function is replaced to reduce the computational load of model in the network. Secondly, a hybrid multi-scale recognition module is added in the encoder to improve the accuracy of image segmentation of small targets and edge parts. Finally, test on Massachusetts Buildings Dataset and WHU Dataset the experimental results show that compared with the original network the ACC, mIoU and F1 value are improved, and the imposed network shows good robustness and portability in different datasets.

• 인터넷정보학회논문지
• /
• 제21권4호
• /
• pp.1-8
• /
• 2020

5G 목표 중 하나인 초신뢰성 저지연 통신에 도달하기 위해 멀티액세스 엣지 컴퓨팅 패러다임이 탄생했다. 이 패러다임은 클라우드 컴퓨팅 기술을 네트워크 엣지에 더 가깝게 하며 서비스 지연 시간을 줄이기 위해서는 네트워크 엣지에 있는 여러 Edge Cloud에서 서비스 호스팅된다. 모바일 사용자의 경우 서비스 품질 유지를 위해 서비스를 가장 적합한 Edge Cloud로 마이그레이션하는 것은 중요하고 고이동성 시나리오에서는 서비스 마이그레이션 문제가 더욱 복잡해진다. 고정 이동 경로에서 사용자 이동성과 Edge Cloud 선택에 대한 어떤 영향을 미치는 건지 관찰하는 것이 이 연구의 목표다. Mobility-Aware Service Migration (MASM)은 고이동성 시나리오 동안 라우팅 비용과 서비스 마이그레이션 비용이라는 두 가지 주요 매개변수를 기반으로 서비스 마이그레이션을 최적화하기 위해 제안된다. 제안된 알고리즘을 기존의 그리디 알고리즘과 비교하여 평가한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권4호
• /
• pp.980-997
• /
• 2024

To improve the brightness of images and reveal hidden information in dark areas is the main objective of low-light image enhancement (LLIE). LLIE methods based on deep learning show good performance. However, there are some limitations to these methods, such as the complex network model requires highly configurable environments, and deficient enhancement of edge details leads to blurring of the target content. Single-scale feature extraction results in the insufficient recovery of the hidden content of the enhanced images. This paper proposed an edge detection-based multi-scale feature enhancement network for LLIE (EDMFEN). To reduce the loss of edge details in the enhanced images, an edge extraction module consisting of a Sobel operator is introduced to obtain edge information by computing gradients of images. In addition, a multi-scale feature enhancement module (MSFEM) consisting of multi-scale feature extraction block (MSFEB) and a spatial attention mechanism is proposed to thoroughly recover the hidden content of the enhanced images and obtain richer features. Since the fused features may contain some useless information, the MSFEB is introduced so as to obtain the image features with different perceptual fields. To use the multi-scale features more effectively, a spatial attention mechanism module is used to retain the key features and improve the model performance after fusing multi-scale features. Experimental results on two datasets and five baseline datasets show that EDMFEN has good performance when compared with the stateof-the-art LLIE methods.

• 대한임베디드공학회논문지
• /
• 제18권3호
• /
• pp.89-100
• /
• 2023

Recently, on-device artificial intelligence (AI) solutions using mobile devices and embedded edge devices have emerged in various fields, such as computer vision, to address network traffic burdens, low-energy operations, and security problems. Although vision transformer deep learning models have outperformed conventional convolutional neural network (CNN) models in computer vision, they require more computations and parameters than CNN models. Thus, they are not directly applicable to embedded edge devices with limited hardware resources. Many researchers have proposed various model compression methods or lightweight architectures for vision transformers; however, there are only a few studies evaluating the effects of model compression techniques of vision transformers on performance. Regarding this problem, this paper presents a performance evaluation of vision transformers on embedded platforms. We investigated the behaviors of three vision transformers: DeiT, LeViT, and MobileViT. Each model performance was evaluated by accuracy and inference time on edge devices using the ImageNet dataset. We assessed the effects of the quantization method applied to the models on latency enhancement and accuracy degradation by profiling the proportion of response time occupied by major operations. In addition, we evaluated the performance of each model on GPU and EdgeTPU-based edge devices. In our experimental results, LeViT showed the best performance in CPU-based edge devices, and DeiT-small showed the highest performance improvement in GPU-based edge devices. In addition, only MobileViT models showed performance improvement on EdgeTPU. Summarizing the analysis results through profiling, the degree of performance improvement of each vision transformer model was highly dependent on the proportion of parts that could be optimized in the target edge device. In summary, to apply vision transformers to on-device AI solutions, either proper operation composition and optimizations specific to target edge devices must be considered.

• 정보와 통신
• /
• 제33권6호
• /
• pp.9-17
• /
• 2016

본고에서는 5G 망에서의 서비스 요구사항을 만족하기 위한 구조로서 Network Slicing 구조를 제안하고 세부 적용방안을 기술한다. 이를 위해 5G 서비스를 우선 정의하고 그에 따른 서비스 요구사항을 도출한 후, 이러한 요구사항과 관련해 현재 망의 문제점에 대해 기술하고 망 개선을 위한 기술 요구사항을 정립한다. 특히, 5G에서의 중요성이 높아질 것으로 전망되고 있는 'Network Slicing'의 필요성 및 개념에 대해 서술한다. Network Slicing에 대한 제조사들의 솔루션 동향, 3GPP 등 단체의 표준화 동향, APN 방식의 P-LTE/DECOR/RAN Slicing 등 관련 기술의 발전 동향을 포함한 5G Network Slicing 주요 기술 동향에 대해서 알아본다. 또한, Slice의 관리 및 BSS/OSS등과의 연계를 위한 통신사업자 입장에서의 플랫폼 요구사항을 정리한다. 5G Network Slicing을 충족하기 위한 주요 기술로 C/U plane 분리구조, 범용 서버를 활용한 NFV/SDN, Edge 기반의 분산된 수평적 네트워크, 데이터 오프로딩 및 지연시간 절감을 위한 Edge Computing 등을 들 수 있고 효율적인 자원 관리를 위한 Orchestration 등에 대해서도 알아본다. 이를 기반으로 하여 사업자 입장에서 5G Core Network 기술을 선도함은 물론이고 향후, 조기 상용화를 위한 진화 방향을 제시하고자 한다.