• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.505-507
• /
• 2021

영상 인식 기술은 인공지능 기술을 기반으로 인식하고자하는 객체의 형상, 객체 주변의 환경변화 및 객체 회전에 의한 인식 능력 저하를 보완할 수 있는 객체특징점 및 특징 기술자를 생성하고, 생성된 특징 기술자를 이용하여, 영상 객체를 인식하는 기술로, 일반적으로 영상에 나타난 객체를 인식하는 기술을 뜻한다. 스마트 안전 축사에서 전력소비 및 화재 발생 복합 환경 분석을 위해 설치되는 전력화재 관리 디바이스를 통합 관리함으로써 축사 전력 사용의 효율성 향상 및 전기 사용의 과부화로 발생할 수 있는 사고를 방지하여 축산 농가의 이익 증대 및 피해를 최소화하고 안전하고 최적화된 지능형 스마트 안전 축사를 개발하여 보급하는데 요구되는 전력 관리 프레임워크를 구현하는데 목적이 있다.

• 한국콘텐츠학회논문지
• /
• 제13권8호
• /
• pp.482-489
• /
• 2013

본 연구는 일개 대학에서 e-Learning 수업을 듣고 있는 간호학과 학생 239명을 대상으로 학습전이 인식수준과 만족도에 영향을 미치는 e-Learning 교수설계 변인을 밝히고자 시행된 서술적 조사연구이다. 그 결과, 대상자의 학습전이 인식수준에 영향을 미치는 도입의 하부영역은 학습상황 및 방향제시, 학습자 초기 동기화로 나타났으며, 이는 41%의 설명력이 있었다(F=81.16, p<.001). 대상자의 학습전이 인식수준에 영향을 미치는 학습객체의 하부영역은 동기화, 학습목적 일치, 접근성, 피드백 및 적합으로 나타났으며, 이는 46%의 설명력이 있었다(F=50.69, p<.001). 대상자의 만족도에 영향을 미치는 도입의 하부영역은 학습상황 및 방향제시, 학습자 초기 동기화로 나타났으며, 이는 33%의 설명력이 있었다(F=59.32, p<.001). 대상자의 만족도에 영향을 미치는 학습객체의 하부영역은 동기화, 표현설계, 상호작용 유용성, 피드백 및 적합, 학습목적 일치, 콘텐츠 품질로 나타났으며, 이는 52%의 설명력이 있었다(F=43.93, p<.001). 이를 통해 대학 e-Learning 프로그램의 교수설계 요인이 학습자의 학습전이와 만족도에 영향을 미치고 있다는 것을 알 수 있었다. 이는 e-Learning 프로그램 교수설계 전략을 개발하기 위한 기초자료로서 활용될 수 있을 것이다.

• 한국멀티미디어학회논문지
• /
• 제7권8호
• /
• pp.1131-1144
• /
• 2004

본 논문에서는 분산 컴퓨팅 환경에서 이기종 교육 시스템들 간의 통합의 어려움, 상호 운영성 결여, 시스템 확장성 부족, 시스템 구축과 유지보수의 비용 증가 등의 문제점을 해결하기 위해 재사용 가능한 학습객체를 CBD방법으로 설계하고 이를 XML 웹 서비스를 이용하여 구축한 방법을 소개한다. 특히 학습 객체를 교수법적 설계 개념을 근거로 재사용 단위를 추출한 후 LIO 학습 객체로 모델링하였다. 모델링을 통해 설정된 LIO 학습 객체는 개요, 사실, 해보기, 퀴즈, 탐구학습, 토론 및 평가의 요소로 구성되고 각 LIO요소별로 재사용할 수 있도록 구축하였다. 이러한 모델링은 학습자에게 학습 활동과 관련한 연관성을 쉽게 얻어 학습 효과를 높일 수 있으며, 수업의 전과정을 설계하는 교수자 혹은 교수 설계자에게 학습 영역이 명확하게 드러나 다른 학습 컨텍스트에서 학습 컨텐츠를 효과적으로 재사용할 수 있어 적시적격의 학습 코스 변경이 가능하게 한다. 또한 분산 환경을 위한 e-러닝 시스템을 구축해야 하는 교육 기관은 인터넷에 접속되어 있는 어떠한 컴퓨터라도 위치하여 호출 및 등록이 가능한 XML 웹 서비스로 구축되어 빠른 비즈니스 변화를 수용하고 협업함으로써 시스템 구축 및 통합 기간이 단축되며 시스템 확장성도 증가시킬 수 있다.

• 한국문헌정보학회지
• /
• 제38권4호
• /
• pp.85-104
• /
• 2004

본 연구는 인터넷 기반의 교육정보서비스 기관에서 채택하고 있는 학습객체의 개념을 도입하여 학교도서관 정보시스템(DLS)의 메타데이터에 교육 관련 요소를 추가, 확장할 수 있는 방안을 제시하고자 한다. 교수${\cdot}$학습의 상황에 따라서 정보자원에 접근토록 하고, 정보자원에 포함된 내부 데이터 요소의 제반 특성을 메타데이터로 기술하고 색인 함으로써 학습객체 단위로 접근할 수 있는 방안을 제시하는데 목적이 있다. 기존의 DLS의 메타데이터에 , , 요소를 추가하여 교수${\cdot}$학습 상황에 따라서 정보자원에 접근할 수 있도록 하고 요소를 이용하여 내부 학습객체의 개념을 수용할 수 있는 방안을 제시하였다.

• 대한토목학회논문집
• /
• 제39권3호
• /
• pp.399-407
• /
• 2019

대한민국에서 건설업은 타 업종들과 비교하여 안전사고의 위험성이 가장 높게 나타난다. 따라서 건설업 내 안전성 향상을 도모하기 위해 여러 연구가 예전부터 진행이 되어 왔고, 본 연구에선 건설현장 영상 데이터를 기반으로 물체 탐지 및 분류 알고리즘을 이용해서 효과적인 안전모 자동탐지 시스템을 구축하여 건설현장 노동자들의 안전성 향상에 기여하고자 한다. 본 연구에서 사용된 알고리즘은 Convolutional Neural Network (CNN) 기반의 물체 탐지 및 분류 알고리즘인 Region-based Fully Convolutional Networks (R-FCN)이고 이를 Transfer Learning 기법을 사용하여 딥러닝을 실시하였다. ImageNet에서 수집한 1089장의 사람과 안전모가 포함된 영상으로 학습을 시행하였고 그 결과, 사람과 안전모의 mean Average Precision (mAP)은 각각 0.86, 0.83로 측정되었다.

• 한국산학기술학회논문지
• /
• 제22권2호
• /
• pp.20-25
• /
• 2021

본 논문은 Deep-learning 기반의 검출모델을 이용하여 연속적으로 입력되는 비디오 이미지 내의 해당 대상체를 의미별로 분류해야하는 문제에 대한 구현방법에 관한 논문이다. 기존의 대상체 검출모델은 Deep-learning 기반의 검출모델로서 유사한 대상체 분류를 위해서는 방대한 DATA의 수집과 기계학습과정을 통해서 가능했다. 대상체 검출모델의 구조개선을 통한 유사물체의 인식 및 분류를 위하여 기존의 검출모델을 이용한 분류 문제를 분석하고 처리구조를 변경하여 개선된 비전처리 모듈개발을 통해 이를 기존 인식모델에 접목함으로써 대상체에 대한 인식모델을 구현하였으며, 대상체의 분류를 위하여 검출모델의 구조변경을 통해 고유성과 유사성을 정의하고 이를 검출모델에 적용하였다. 실제 축구경기 영상을 이용하여 대상체의 특징점을 분류의 기준으로 설정하여 실시간으로 분류문제를 해결하여 인식모델의 활용성 검증을 통해 산업에서의 활용도를 확인하였다. 기존의 검출모델과 새롭게 구성한 인식모델을 활용하여 실시간 이미지를 색상과 강도의 구분이 용이한 HSV의 칼라공간으로 변환하는 비전기술을 이용하여 기존모델과 비교 검증하였고, 조도 및 노이즈 환경에서도 높은 검출률을 확보할 수 있는 실시간 환경의 인식모델 최적화를 위한 선행연구를 수행하였다.

• 한국정보통신학회논문지
• /
• 제24권12호
• /
• pp.1581-1587
• /
• 2020

기계 학습 분야에 합성 곱 신경망이 대두되면서 이미지 처리 문제를 해결하는 모델은 비약적인 발전을 맞이했다. 하지만 그만큼 요구되는 컴퓨팅 자원 또한 상승하여 일반적인 환경에서 이를 학습해보기는 쉽지 않은 일이다. 주의 집중 기법은 본래 순환 신경망의 기울기 소실 문제를 방지하기 위해 제안된 기법이지만, 이는 합성 곱 신경망의 학습에도 유리한 방향으로 활용될 수 있다. 본 논문에서는 합성 곱 신경망에 주의 집중 기법을 적용하고, 이때의 학습 시간과 성능 차이 비교를 통해 제안하는 방법의 우수성을 입증한다. 제안하는 모델은 YOLO를 기반으로 한 객체 검출에서 주의 집중 기법을 적용하지 않은 모델에 비해 학습 시간, 성능 모두 우수한 것으로 나타났으며, 특히 학습 시간을 현저히 낮출 수 있음을 실험적으로 증명하였다. 또한, 이를 통해 일반 사용자의 기계 학습에 대한 접근성 증대가 기대된다.

• 대한토목학회논문집
• /
• 제39권5호
• /
• pp.631-636
• /
• 2019

최근 많은 연구자들이 대규모 현장에 투입된 건설자원의 유형과 위치를 자동 파악하는 영상분석기술을 활발히 개발하고 있다. 하지만 기존의 방법들은 인식하고자 하는 건설 물체(작업자, 중장비, 자재 등)를 학습용 이미지 데이터에 표시하는 Labeling 작업을 요구하고 이에 불필요한 시간과 노력이 낭비된다는 한계가 있다. 이러한 한계를 보완하기 위해서 본 연구는 액티브 러닝을 활용한 영상기반 건설현장 물체 자동 인식 프레임 워크를 제안함을 목표로 한다. 개발 프레임워크 검증을 목적으로 건설분야 Benchmark 데이터셋을 이용하여 실제 실험을 진행하였다. 그 결과, 액티브 러닝을 통해 학습한 모델은 다양한 특성을 지닌 건설물체를 성공적으로 인식할 수 있었고, 기존의 학습 DB 구축 방식과 비교할 때 더 적은 데이터 수와 반복학습 횟수로도 높은 성능을 가지는 영상분석모델을 개발할 수 있었다. 결과적으로 기존에 요구되던 학습 DB 구축을 위한 Labeling 작업을 줄일 뿐만 아니라 총 시간과 비용을 최소화할 수 있다.

• 한국정보통신학회논문지
• /
• 제26권6호
• /
• pp.813-826
• /
• 2022

카메라를 이용한 영상 처리와 그에 따른 인공지능 기술의 발달로 다양한 분야의 기술이 발전하기 시작했다. 하지만 보드가 가벼울수록 연산이 많이 필요한 영상 처리 알고리즘을 구현하기 힘들다. 본 논문에서는 경량 임베디드 보드에서 물체 인식 알고리즘을 위한 딥러닝을 사용하는 방법을 제안한다. 비교적 적은 양의 계산으로 segmentation을 처리하는 딥러닝 알고리즘을 사용하여 ROI(Region of Interest)를 결정할 수 있다. 영역을 마스킹한 후, 더 정확한 딥러닝 알고리즘을 사용해 물체 감지를 할 수 있다. Python에서 입력 이미지를 처리하기 위해 OpenCV를 사용했고 ENet과 YOLO(You Only Look Once)를 사용하여 이미지를 처리했다. 이 알고리즘을 실행함으로써 평균 오차가 절반으로 감소해 정확한 객체 검출을 처리할 수 있고 경량 임베디드 보드에서 실시간으로 객체 인식을 실행할 수 있다. 이 연구는 자율주행과 IoT에서 저가격 경량화된 응용에 활용될 수 있을 것으로 기대된다.

• 한국ITS학회 논문지
• /
• 제21권3호
• /
• pp.83-95
• /
• 2022

본 논문은 자율주행 차량 적용을 위한 객체 검출과 거리 추정을 수행하는 시스템을 제안한다. 객체 검출은 최근 활발하게 사용되는 딥러닝 모델 YOLOv4의 특성을 이용해서 입력 이미지 비율에 맞춰 분할 grid를 조정하고 자체 데이터셋으로 전이학습된 네트워크로 수행한다. 검출된 객체까지의 거리는 bounding box와 homography를 이용해 추정한다. 실험 결과 제안하는 방법에서 전반적인 검출 성능 향상과 실시간에 가까운 처리 속도를 보였다. 기존 YOLOv4 대비 전체 mAP는 4.03% 증가했다. 도심로 주행시 빈출하는 보행자, 차량 및 공사장 고깔(cone), PE드럼(drum) 등의 객체 인식 정확도가 향상되었다. 처리 속도는 약 55 FPS이다. 거리 추정 오차는 X 좌표 평균 약 5.25m, Y 좌표 평균 0.97m으로 나타났다.