• 인터넷정보학회논문지
• /
• 제16권5호
• /
• pp.19-27
• /
• 2015

최근 SSD(Solid State Drive)는 빠른 읽기/쓰기, 저전력 등 다양한 장점을 가지고 있어 스마트폰, 노트북, 서버 등의 저장장치로 사용 영역이 확대되고 있다. 하지만, 플래시 메모리의 읽기 및 쓰기의 비대칭적 성능과 제한된 쓰기 횟수가 SSD의 수명을 단축시키는 문제가 있어서 캐쉬(cache)로 사용되는 SSD의 내용을 변경시키는 블록 교체 기법(block replacement policy)이 매우 중요하다. Hybrid SSD의 수명을 향상 시킬 수 있는 방법 중 하나로 LARC 기법이 있으나, LARC는 SSD블록 관리를 위해 기존 LRU알고리즘을 사용하기 때문에 빈번히 참조되는 블록이 오래된 블록 대신 교체되어 SSD 미스율을 증가시킴으로써 시스템의 성능이 저하되는 문제점이 발생한다. 따라서, 본 논문에서는 다양한 데이터 읽기, 쓰기 환경에 효과적으로 대응하기 위해 블록의 재사용 간격을 고려한 새로운 블록 교체 기법을 제안한다. 제안된 기법은 블록 재사용 간격(Reuse interval)과 Age를 기반으로 최근성(Recency)을 추출하고 참조빈도(Frequency)를 같이 고려하여 블록을 교체한다. Workload 기반 Trace를 이용한 실험결과, 제안하는 기법은 여러가지의 기존 블록 교체 기법 및 LARC 알고리즘과 비교하여 쓰기 횟수 감소와 히트율 향상을 통해 시스템 성능과 SSD의 수명을 연장시킨다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제1권1호
• /
• pp.35-46
• /
• 2012

무선 통신 시스템의 개발에 의해 한 지역에서 3G 네트워크와 WLAN, 무선 광대역 네트워크와 같은 여러 무선 네트워크 접속 기술들이 사용 가능하게 되었다. 이러한 기술의 발달로 사용자는 저속 또는 고속으로 이동하는 환경과 AP(Access Point)간 거리 변화에 따른 다양한 환경에서 차량용 모바일 네트워크 환경을 경험하고 있다. 본 논문에서는 다양한 환경 변화에 따른 네트워크 성능 문제를 다루고 있다. 전송 시간이나 전송 비용을 최소화하는데 중점을 두고, 퍼지 로직을 적용해 주변환경 요소에 따른 성능 평가를 한다. 먼저 WLAN과 고정 거리간 AP를 가지는 3G 네트워크로 구성된 환경과 WLAN과 무작위 거리에 있는 AP(Access Points)를 가지는 3G 네트워크로 구성된 환경, 그리고 위 두 환경에서 차량용 Ad hoc 네트워크를 사용한 환경에서의 성능을 분석한다. 이는 V2I(Vehicle to Infrastructure) / V2V(Vehicle to Vehicle) 환경을 가정한 상황이다. 퍼지 로직을 적용한 연구 결과를 바탕으로 차량의 이동 속도와 APs간의 거리에 따른 차량용 네트워크의 최적화 방향이 되는 환경을 제안한다. 제안된 알고리즘을 적용하였을 경우, V2I와 V2V환경에서 네트워크 성능은 각각 21%/ 13%가 향상되는 결과를 보였다.

• 한국항해항만학회지
• /
• 제32권6호
• /
• pp.459-464
• /
• 2008

본 논문은 파라미터 변화나 외란이 존재하는 환경에서 컨테이너 크레인의 트롤리 위치와 컨테이너의 흔들림을 효과적으로 제어할 수 있는 모델기반 퍼지제어기를 제안한다. 이를 위해 우선 파라미터 변화에 대응할 수 있는 모델링 기법인 T-S 퍼지모델을 구현하고, 소속함수의 파라미터를 실수코딩 유전알고리즘(RCGA)으로 조정하는 문제를 다룬다. 다음으로 퍼지모델의 각 서브시스템에 대해 LQ 제어기 법을 사용하여 서브제어기를 설계하고, 이렇게 설계된 서브제어기를 ROGA로 조정된 퍼지모델의 소속함수로 퍼지결합하여 제안하는 모델기반 퍼지제어기를 구성한다. 시뮬레이션을 통해 RCGA로 조정된 소속함수를 사용하는 퍼지모델은 컨테이너 크레인의 비선형 모델의 출력에 잘 추종하였고, 모델기반 퍼지제어기도 파라미터 변화와 외란이 존재하는 환경에서 강인한 제어를 수행하고 있음을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제16권5호
• /
• pp.531-536
• /
• 2006

센서 기술과 무선 통신 기술의 발달로 무선 센서 네트워크 환경에서 데이터 처리 중심의 미들웨어에 대한 연구가 크게 증가하고 있다. 무선 센서 네트워크에서 효율적인 데이터 처리와 신속한 전송을 위해 사용되는 미들웨어는 순간적인 데이터 밀집현상(burstness)으로 발생하는 중간 노드의 데이터 손실 문제를 해결하여야 하며, 이를 위해 폐기정책을 사용하거나 전송해야 할 데이터양을 최소화하는 압축 기법이 사용되고 있다. 그러나 폐기정책은 수집된 데이터의 정확성을 저하시키는 문제점이 있으며, 압축기법은 알고리즘 복잡도가 커서 추가적으로 프로세싱 오버헤드가 커지는 문제점을 지니고 있다. 본 논문에서는 계산 능력, 소비 전력 등 극히 한정된 자원만을 사용하여 데이터를 전달해야 하는 무선 센서 네트워크 환경에서 수집된 데이터의 효율성 및 정확성을 향상시킬 수 있는 Delta-Average 기법을 제시하였다. 제안된 기법을 통해 평균화 방식을 이용함으로써 순간적인 데이터 밀집현상으로부터 중복된 데이터에 대한 불필요한 전송을 방지하면서 정확성을 높이도록 하였다. 마지막으로 제안된 기법의 성능을 평가하기 위해 TinyDB에서 TOSSIM 시뮬레이션을 수행하였으며, 성능분석 결과를 통해 데이터 정확성이 향상되었음을 입증하였다.

• 대한원격탐사학회지
• /
• 제23권4호
• /
• pp.297-309
• /
• 2007

2008년 12월 우리나라 최초의 통신해양기상위성이 발사될 예정이다. 통신해양기상위성의 지상국은 위성영상 데이터의 정확도 향상을 위해 사용자에게 기하보정된 영상을 공급해야 한다. 이때 지상국에 요구되는 처리시간은 30분 내외이며, 전체 처리시간의 준수를 위해 자동기하보정의 기술개발과 기하보정시 수행시간의 효율성이 중요하다. 자동기하보정은 위성의 영상좌표계와 지구좌표계상의 수학적인 관계를 나타내는 센서모델을 자동으로 수립하여 기하보정을 수행하는 것이다. 센서모델 수립을 위해 사용되는 기준점은 위성영상과 랜드마크 칩간의 정합결과를 통해서 자동으로 결정되어다. 실험에 사용한 위성영상은 GOES-9영상이며 실험을 위해 전세계 해안선 데이터베이스를 사용하여 랜드마크 칩을 211개 생성하였다. 위성영상에 존재하는 구름은 위성영상과 랜드마크 칩간의 정합시 오정합을 유발하므로 GOES-9영상의 채널1과 채널2영상에서 구름검출을 수행하여 구름이 아닌 지역에 대해서만 정합을 수행하였으며 가시영상인 채널1영상에서 밤시간이 아닌 지역에 대해서만 정합이 수행될 수 있도록 밤낮을 구분하여 처리하였다. 이때 정합결과는 오정합(Outlier)이 포함되어 있어 강인추정기법 중 하나인 RANSAC을 사용하여 이를 제거하였다. 강인추정기법으로 오정합이 제거된 정합결과를 기준점으로 사용하여 센서모델을 수립하였다. 수립된 모델의 정확도는 채널1영상의 해상도를 기준으로 하였을 때 $1{\sim}2$ 픽셀의 에러가 나타났고 기하보정된 영상에 해안선을 투영하여 센서모델의 정확도를 육안으로 확인하였다. 이때 위성영상의 해안선과 투영된 해안선이 일치함으로써 기하보정이 잘 이뤄졌음을 알 수 있었다. 실험결과 정합된 RANSAC, 센서모델 수립 및 자동기하 보정의 전체 처리시간은 약 4분여가 소요되었다. 이로써 본 논문에서 제안된 자동기하보정방법은 기하보정이 효과적으로 이뤄지고 있으며, 또한 통신해양기상위성의 전처리요구시간에도 만족함을 보여주고 있다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2008년도 추계학술대회 논문집
• /
• pp.1069-1077
• /
• 2008

레이저와 카메라를 이용한 레일 마모도 측정 시스템은 정확한 마모도 측정을 위하여 레일에 조사된 레이저의 영역을 왜곡 없이 획득하고 이를 레일 단면과 정밀하게 일치시키는 과정이 매우 중요하다. 그러나 기존의 레일 마모도 측정 시스템은 빗물 등의 레일 위에 이물질이 있을 경우와 온도와 같은 측정 환경에 민감하게 반응하는 레이저의 특성으로 인하여 오차가 발생할 수 있으며 특히 외부에서 유입되는 태양광, 등과 같이 레일에 조사된 레이저와 같은 파장을 가지는 빛의 간섭에 의하여 레일에 조사된 레이저 영역 추출에 한계를 가진다. 또한, 2차원 상의 좌표 값으로 표현되는 추출된 레이저 영역을 레일단면에 맵핑시키는 과정에서 발생하는 기하학적 왜곡과 변형으로 측정 정밀도에 대한 한계가 발생하는 문제점을 가지고 있다. 본 논문에서는 레일 마모도 측정을 위하여 카메라로부터 입력되는 1메가급 해상도의 영상을 초당 480 프레임의 속도로 실시간 처리할 수 있는 DSP와 FPGA가 탑재된 고성능 영상처리보드를 개발하고 이를 기반으로 각 프레임에 대한 2D 영상 데이터를 3차원 상의 데이터로 맵핑함으로써 정밀한 레일 마모도 측정 방법을 제안하고자 한다. 획득한 영상으로부터 레일에 조사된 레이저의 영역을 정확하게 추출하기 위하여 웨이브렛 기반의 영상 알고리즘을 적용하고 2차원 상의 좌표값으로 표현된 레이저 영역을 카메라 모델과 투시 변환을 이용하여 레일의 단면에 정확하게 위치시킴으로서 ${\pm}0.5mm$ 이하의 오차범위를 가지는 고정밀 레일 마모도 측정 시스템을 개발하였다.

• 한국지리정보학회지
• /
• 제24권3호
• /
• pp.58-72
• /
• 2021

2021년 7월 UNCTAD가 우리나라를 선진국으로 분류할 정도로 우리나라가 발전하는 성과가 있었다. 그러나 급변하는 글로벌 경제에 대응하기 위해서는 국내 산업생태계를 연구하여 끊임없이 변화시키고 성장을 위한 전략을 마련해야 한다. 그 중 하나가 기업간 네트워크를 강화하는 것이며, 본 연구는 기업 간 거래 데이터 구득이 가능한 자동차산업을 대상으로 공간적인 산업 네트워크를 분석하였다. 데이터는 295개의 기업 데이터(노드)와 607개의 거래 관계 데이터(링크)를 활용하였다. 기업의 주소지를 지오코딩하여 공간상 분포를 확인한 결과, 자동차산업 관련 기업은 수도권과 동남권에 집중 분포하고 있었다. 연결중심성, 매개중심성, 근접중심성, 위세중심성 등을 통해 노드의 중요도를 측정하고, 밀도, 거리, 커뮤니티 탐지, 동류성 및 이류성을 파악하여 네트워크 구조를 확인하였다. 그 결과, 4가지 노드 중요도에서 상위 15위 기업은 완성차기업 중에서는 현대자동차, 기아자동차, 한국지엠 3개의 기업이 공통적으로 포함되고, 상위 15위 기업은 주로 수도권에 입지하고 있다. 규모 면에서 연결중심성과 매개중심성은 대부분 종업원 수가 1,000명 이상인 큰 기업이고, 근접중심성과 위세중심성은 완성차기업을 제외하면 대개 종업원 수가 500명 이하인 기업이 상위 15위 안에 포함되었다. 전체적인 네트워크의 구조는 밀도는 0.01390522, 노드 간 평균거리는 3.422481로 나타났으며, 빠른탐욕알고리즘으로 커뮤니티 탐지를 실시한 결과, 최종적으로 11개의 커뮤니티가 도출되었다.

• 한국융합학회논문지
• /
• 제10권1호
• /
• pp.103-113
• /
• 2019

차량 번호판 인식 카메라는 차량 번호판 내 문자와 숫자의 인식을 위하여 대상 차량의 이미지 취득을 목적으로 하는 전용 카메라를 말하며 대부분 단독 사용보다는 서버와 영상 분석 모듈과 결합된 시스템의 일부로 적용된다. 그러나 차량 번호판 인식을 위한 시스템 구축을 위해서는 취득 영상 관리 및 분석 지원을 위한 서버와 문자, 숫자의 추출 및 인식을 위한 영상 분석 모듈을 함께 구성하여야 하므로 구축을 위한 설비가 필요하고 초기 비용이 많이 든다는 문제점이 있다. 이에 본 연구에서는 카메라의 기능을 차량 번호판 인식에만 한정하지 않고 방범 기능을 함께 수행할 수 있도록 확장하고 카메라 단독으로도 두가지 기능 수행이 가능한 Edge Base의 임베디드형 융합 카메라를 개발한다. 임베디드형 융합 카메라는 선명한 영상 취득 및 빠른 데이터 전송을 위해 고해상도 4K IP 카메라를 탑재하고 오픈소스 신경망 알고리즘 기반의 다중 객체 인식을 위한 딥러닝 SW인 YOLO를 적용하여 차량 번호판 영역을 추출한 후 차량 번호판 내의 문자와 숫자를 검출하고 검출 정확도와 인식 정확도를 검증하여 CCTV 방범 기능과 차량 번호 인식 기능이 가능한지를 확인 하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권12호
• /
• pp.63-71
• /
• 2020

본 논문에서는 최근 가장 신뢰도 높은 인공지능 탐지 알고리즘인 YOLOv3와 EfficientDet을 이용한 화재 탐지 기술과 문자, 웹, 앱, 이메일 등 4종류의 알림을 동시에 전송하는 알림서비스 그리고 화재 탐지와 알림서비스를 연동하는 AWS 시스템을 제안한다. 우리의 정확도 높은 화재 탐지 알고리즘은 두 종류인데, 로컬에서 작동하는 YOLOv3 기반의 화재탐지 모델은 2000개 이상의 화재 데이터를 이용해 데이터 증강을 통해 학습하였고, 클라우드에서 작동하는 EfficientDet은 사전학습모델(Pretrained Model)에서 추가로 학습(Transfer Learning)을 진행하였다. 4종류의 알림서비스는 AWS 서비스와 FCM 서비스를 이용해 구축하였는데, 웹, 앱, 메일의 경우 알림 전송 직후 알림이 수신되며, 기지국을 거치는 문자시스템의 경우 지연시간이 1초 이내로 충분히 빨랐다. 화재 영상의 화재 탐지 실험을 통해 우리의 화재 탐지 기술의 정확성을 입증하였으며, 화재 탐지 시간과 알림서비스 시간을 측정해 화재 발생 후 알림 전송까지의 시간도 확인해보았다. 본 논문의 AI 화재 탐지 및 알림서비스 시스템은 과거의 화재탐지 시스템들보다 더 정확하고 빨라서 화재사고 시 골든타임 확보에 큰 도움을 줄 것이라고 기대된다.

• 한국측량학회지
• /
• 제39권3호
• /
• pp.141-148
• /
• 2021

본 논문은 SegNet과 ResNet을 조합한 딥러닝을 이용하여 횡단보도를 검출하는 방법을 제안한다. 시각 장애인의 경우 횡단보도가 어디에 있는지 정확히 아는 게 안전한 교통 시스템에서 중요하다. 딥러닝에 의한 횡단보도 검출은 이 문제에 대한 좋은 해결책이 될 수 있다. 로봇 시각 기반 보조 기술은 지난 몇년 동안 카메라를 사용하는 특정 장면에 초점을 두고 제안되어 왔다. 이러한 전통적인 방법은 비교적 긴 처리 시간으로 의미있는 결과를 얻었으며 횡단보도 인식을 크게 향상시켰다. 그러나 전통적인 방법은 지연 시간이 길고 웨어러블 장비에서 실시간을 만족시킬 수 없다. 본 연구에서 제안하는 방법은 취득한 영상에서 횡단보도를 빠르고 안정적으로 검출하기 위한 모델을 제안한다. 모델은 SegNet과 ResNet을 기반으로 개선되었으며 3단계로 구성된다. 첫째, 입력 영상을 서브샘플링하여 이미지 특징을 추출하고 ResNet의 컨벌루션 신경망을 수정하여 새로운 인코더로 만든다. 둘째, 디코딩 과정에서 업샘플링 네트워크를 통해 특징맵을 원영상 크기로 복원한다. 셋째, 모든 픽셀을 분류하고 각 픽셀의 정확도를 계산한다. 이 실험의 결과를 통하여 수정된 시맨틱 분할 알고리즘의 적격한 정확성을 검증하는 동시에 결과 출력 속도가 비교적 빠른 것으로 파악되었다.