• 디지털콘텐츠학회 논문지
• /
• 제10권4호
• /
• pp.659-667
• /
• 2009

SCORM(Sharable Content Object Reference Model)은 e-러닝 기술 표준화 분야에서 가장 주목을 받고 있는 ADL(Advanced Distributed Learning)의 표준화 명세이다. 최근에 ADL은 비교적 안정화 단계에 접어들었다는 평가를 받고 있는 SCORM 2004 4th Edition을 제시함으로써 콘텐츠 재활용성을 높여 경제성 있는 콘텐츠 구현을 가능하게 하고 개발 과정에서의 효율성을 극대화할 수 있게 하였다. 대부분의 SCORM 기반 콘텐츠에 대한 기존 연구는 고전적 훈련 및 교육 방법에 대한 온라인화를 기본으로 하고 있으므로 게임기반학습과 같은 보다 세련된 형태의 학습을 위한 콘텐츠 개발에 대한 연구는 초보적인 실정이다. 특히 SCORM 명세의 다양한 요소를 이용하여 e-러닝 기술 표준화의 장점을 충분히 활용하면서 게임기반학습 콘텐츠를 구체적으로 어떻게 구현할 수 있는가에 대한 연구는 매우 미약한 실정이다. 따라서 본 연구에서는 게임 요소를 처리하기 위해 사용될 수 있는 SCORM 데이터 엘리먼트를 추출하고 이를 SCORM 시퀀싱에 적용하여 SCORM 게임기반학습 콘텐츠를 개발하는 구체적인 방법에 관한 연구를 수행한다. 또한 실제 초등 학습에서 활용가능한 SCORM 적용 게임기반학습 샘플 콘텐츠의 개발 단계를 사례와 함께 제시한다.

• 방송공학회논문지
• /
• 제24권3호
• /
• pp.495-505
• /
• 2019

딥 러닝의 대표 알고리즘에는 영상 인식에 주로 사용되는 CNN(Convolutional Neural Networks), 음성인식 및 자연어 처리에 주로 사용되는 RNN(Recurrent Neural Networks) 등이 있다. 이 중 CNN은 데이터로부터 자동으로 특징을 학습하는 알고리즘으로 특징 맵을 생성하는 필터까지 학습할 수 있어 영상 인식 분야에서 우수한 성능을 보이면서 주류를 이루게 되었다. 이후, 객체 탐지 분야에서는 CNN의 성능을 향상하고자 R-CNN 등 다양한 알고리즘이 등장하였으며, 최근에는 검출 속도 향상을 위해 YOLO(You Only Look Once), SSD(Single Shot Multi-box Detector) 등의 알고리즘이 제안되고 있다. 하지만 이러한 딥러닝 기반 탐지 네트워크는 정지 영상에서 탐지의 성공 여부를 결정하기 때문에 동영상에서의 안정적인 객체 추적 및 탐지를 위해서는 별도의 추적 기능이 필요하다. 따라서 본 논문에서는 동영상에서의 객체 추적 및 탐지 성능 향상을 위해 딥 러닝 기반 탐지 네트워크에 칼만 필터를 결합한 방법을 제안한다. 탐지 네트워크는 실시간 처리가 가능한 YOLO v2를 이용하였으며, 실험 결과 제안한 방법은 기존 YOLO v2 네트워크에 비교하여 7.7%의 IoU 성능 향상 결과를 보였고 FHD 영상에서 20 fps의 처리 속도를 보였다.

• 반도체디스플레이기술학회지
• /
• 제14권3호
• /
• pp.67-72
• /
• 2015

This paper proposes an object tracking system based on keypoints using homography in mobile environments. The proposed system is based on markerless tracking, and there are four modules which are recognition, tracking, detecting and learning module. Recognition module detects and identifies an object to be matched on current frame correspond to the database using LSH through SURF, and then this module generates a standard object information. Tracking module tracks an object using homography information that generate by being matched on the learned object keypoints to the current object keypoints. Then update the window included the object for defining object's pose. Detecting module finds out the object based on having the best possible knowledge available among the learned objects information, when the system fails to track. The experimental results show that the proposed system is able to recognize and track objects with updating object's pose for the use of mobile platform.

• 디지털융복합연구
• /
• 제10권6호
• /
• pp.297-302
• /
• 2012

본 논문은 이미지 상황분석을 기반으로 하여 객체 검출 및 추적 방법을 제안한다. 제안하는 방법은 배경이 복잡한 형태이거나 배경이 동적으로 움직일 때에도 일관성 있는 결과를 얻을 수 있다. 입력 영상의 상황분석은 K-means와 RBF의 하이브리드 네트워크를 이용하여 수행되어진다. 제안된 객체 검출은 일정하지 않은 객체 이미지 때문에 생기는 영향을 감소시키기 위해 상황 기반 적응적 베이지안 네트워크를 이용한다. 본 논문에서는 학습 속도를 높이기 위해 2D Haar 웨이블릿 변형을 이용한 특징 벡터 생성기와 베이지안 판별식 방법을 이용하여 학습 시간이 적게 걸리며 학습 데이터의 변화에 일정한 성능을 갖는 방법론을 제안하였다. 제안하는 방법을 개발하여 실환경에 적용한 결과 검출하고자 하는 물체가 예측 영역을 넘나들거나 다른 불확실한 변화에도 안정적으로 반응함을 알 수 있었다. 실험 결과는 기존의 방법들에서 사용되었던 다양한 데이터 집합에 적용하였을 때 우수한 성능을 보여준다.

• 로봇학회논문지
• /
• 제4권3호
• /
• pp.185-191
• /
• 2009

This paper presents a new shape-based algorithm using affine category shape model for object category recognition and model learning. Affine category shape model is a graph of interconnected nodes whose geometric interactions are modeled using pairwise potentials. In its learning phase, it can efficiently handle large pose variations of objects in training images by estimating 2-D homography transformation between the model and the training images. Since the pairwise potentials are defined on only relative geometric relationship betweenfeatures, the proposed matching algorithm is translation and in-plane rotation invariant and robust to affine transformation. We apply spectral matching algorithm to find feature correspondences, which are then used as initial correspondences for RANSAC algorithm. The 2-D homography transformation and the inlier correspondences which are consistent with this estimate can be efficiently estimated through RANSAC, and new correspondences also can be detected by using the estimated 2-D homography transformation. Experimental results on object category database show that the proposed algorithm is robust to pose variation of objects and provides good recognition performance.

• 한국정보통신학회논문지
• /
• 제13권10호
• /
• pp.1981-1986
• /
• 2009

본 논문은 인공신경망을 이용한 새로운 매팅 기법을 제안한다. 매팅이란 영상에서 객체의 불투명도를 추정하는 기술이다. 매팅 기법을 이용하면 객체를 자연스럽게 추출할 수 있다. 먼저 trimap을 이용하여 영상을 배경 영역, 전경 영역, 미지 영역으로 구분한다. 배경 영역과 전경 영역의 정보를 이용하여 미지 영역 화소의 불투명도를 추정한다. 제안하는 알고리즘은 배경 영역과 전경 영역의 정보를 SOM을 이용하여 학습하고 그 결과를 이용하여 미지 영역의 각 화소의 불투명도를 추정한다. 본 논문에서는 배경 영역과 전경 영역의 정보를 학습하는 방법에 따라서 전역적 SOM matting과 지역적 SOM matting으로 구별한다. 제안하는 알고리즘의 성능을 평가하기 위하여 영상에 적용해보았다. 이를 통해 제안하는 알고리즘이 객체를 영상에서 분리 가능함을 확인 할 수 있다.

• International Journal of Advanced Culture Technology
• /
• 제10권1호
• /
• pp.230-235
• /
• 2022

This study is to select an optimal object detection algorithm for designing a self-checkout counter to improve the inconvenience of payment systems for products without existing barcodes. To this end, a performance comparison analysis of YOLO v2, Tiny YOLO v2, and the latest YOLO v5 among deep learning-based object detection algorithms was performed to derive results. In this paper, performance comparison was conducted by forming learning data as an example of 'donut' in a bakery store, and the performance result of YOLO v5 was the highest at 96.9% of mAP. Therefore, YOLO v5 was selected as the artificial intelligence object detection algorithm to be applied in this paper. As a result of performance analysis, when the optimal threshold was set for each donut, the precision and reproduction rate of all donuts exceeded 0.85, and the majority of donuts showed excellent recognition performance of 0.90 or more. We expect that the results of this paper will be helpful as the fundamental data for the development of an automatic payment system using AI self-service technology that is highly usable in the non-face-to-face era.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.44-46
• /
• 2022

인공지능을 사용하는 다양한 객체 인식은 기본적으로 평면적인 결과를 보여준다. 물체를 분류하거나 이미지상에 있는 객체가 무엇인지를 확인하는 것을 기초로 한다. 하지만, 원래의 물체는 평면이 아닌 입체적 형태를 가지고 있으며 이미지에서 단순 결과만을 얻기 위한 인식은 상관없지만, 다양한 분야에 활용한다면 부족한 정보가 많다. 본 논문에서는 GAN 알고리즘을 기반으로 한 이미지 생성과 관련하여 중간 결과를 생성하는 Layer의 특성을 활용하여 물체의 다방면의 데이터 생성 방법과 그것이 유의미한지를 확인한다. 기존의 다방면 데이터를 생성하기 위한 하드웨어 및 수집과정에서의 문제점을 일부 해결하고, 몇몇 제한적인 객체에서의 데이터 생성 후 활용이 가능함을 확인한다.

• Journal of Animal Science and Technology
• /
• 제65권6호
• /
• pp.1254-1269
• /
• 2023

This study aims to predict the change in corn share according to the grazing of 20 gestational sows in a mature corn field by taking images with a camera-equipped unmanned air vehicle (UAV). Deep learning based on convolutional neural networks (CNNs) has been verified for its performance in various areas. It has also demonstrated high recognition accuracy and detection time in agricultural applications such as pest and disease diagnosis and prediction. A large amount of data is required to train CNNs effectively. Still, since UAVs capture only a limited number of images, we propose a data augmentation method that can effectively increase data. And most occupancy prediction predicts occupancy by designing a CNN-based object detector for an image and counting the number of recognized objects or calculating the number of pixels occupied by an object. These methods require complex occupancy rate calculations; the accuracy depends on whether the object features of interest are visible in the image. However, in this study, CNN is not approached as a corn object detection and classification problem but as a function approximation and regression problem so that the occupancy rate of corn objects in an image can be represented as the CNN output. The proposed method effectively estimates occupancy for a limited number of cornfield photos, shows excellent prediction accuracy, and confirms the potential and scalability of deep learning.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.255-256
• /
• 2019

본 논문에서는 물체를 집기(picking) 위해 필요한 깊이 값을 특수카메라인 리얼센스를 사용하여 받아와서 2D 카메라로는 하지 못하는 로봇 팔 피킹 시스템을 구현하였다. 객체 인식은 텐서플로우 객체 검출 라이브러리를 사용하여 정확도를 높였고, ROS 기반의 rviz, moveit, gazebo 등의 패키지를 사용하여 아두이노와 통신하며 로봇팔 하드웨어로 인식된 객체를 피킹하는 시스템을 구현하였다.