• 대한원격탐사학회지
• /
• 제36권2_1호
• /
• pp.199-215
• /
• 2020

잘피는 연안해역에 서식하는 해양수생관속식물로 해양생태계의 중요한 역할을 하고 있어, 주기적인 잘피 서식지의 모니터링이 이루어지고 있다. 최근 효율적인 잘피 서식지의 모니터링을 위해 고해상도의 영상 획득이 가능한 드론의 활용도가 높아지고 있다. 그리고 의미론적 분할에 있어 합성곱 신경망 기반의 딥러닝이 뛰어난 성능을 보임에 따라, 원격탐사 분야에 이를 적용한 연구가 활발하게 이루어지고 있다. 그러나 다양한 딥러닝 모델, 영상, 그리고 하이퍼파라미터에 의해 의미론적 분할의 정확도가 다르게 나타나고, 영상의 정규화와 타일과 배치 크기에서도 정형화되어 있지 않은 상태이다. 이에 따라 본 연구에서는 우수한 성능을 보여주는 딥러닝 모델을 이용하여 드론의 광학 영상에서 잘피 서식지를 분할하였다. 그리고 학습 자료의 정규화 및 타일의 크기를 중점으로 결과를 비교 및 분석하였다. 먼저 정규화와 타일, 배치 크기에 따른 결과 비교를 위해 흑백 영상을 만들고 흑백 영상을 Z-score 정규화 및 Min-Max 정규화 방법으로 변환한 영상을 사용하였다. 그리고 타일 크기를 특정 간격으로 증가시키면서 배치 크기는 메모리 크기를 최대한 사용할 수 있도록 하였다. 그 결과, Z-score 정규화가 적용된 영상이 다른 영상보다 IoU가 0.26 ~ 0.4 정도 높게 나타났다. 또한, 타일과 배치 크기에 따라 최대 0.09까지 차이가 나타나는 것을 확인하였다. 딥러닝을 이용한 의미론적 분할에 있어 정규화, 타일의 배치 크기의 변화에 따른 결과가 다르게 나타났다. 그러므로 실험을 통해 이들 요소에 대한 적합한 결정 과정이 있어야 함을 알 수 있었다.

• 환경영향평가
• /
• 제30권1호
• /
• pp.1-12
• /
• 2021

본 연구는 환경DNA 기술을 이용한 국내 담수어류종 탐지방법 도입 및 적용가능성을 확인하기 위해 수행되었다. 환경DNA를 이용한 모니터링 기술은 기존의 현장조사 모니터링 방식에 비하여 교란이 적고 편의성이 높으며 조사에 대한 감도가 높아 급변하는 하천 생태계 모니터링을 위한 효율적인 방법으로 주목받고 있다. 본 연구의 대상지는 경기도 민물고기 생태학습관으로 수족관 내 수조, 생태연못, 양식장에 서식하는 국내 대표적 담수어류종에 대해 7월부터 10월까지 3차례의 물 환경시료를 수집하여 환경DNA 분석을 실시하였다. 국내 담수생태계의 다양한 서식환경을 고려하여 선정된 종에 대해 기 구축된 유전자생물종 DNA 염기서열 특성을 검토하고, 종 검출 여부 확인을 위해 채수된 16개의 환경시료를 Miya et al(2015)에서 제시된 환경DNA 분석 프로토콜에 준하여 분석하였다. 그 결과 대상 어종 총 7목 11과 50종 중 7목 11과 45종(90%)이 검출되었다. 이는 환경DNA 기술과 기 구축된 어류종 DNA DB를 활용하여 다양한 환경조건에서도 단순한 채수 샘플링으로부터 국내 서식하고 있는 주요 민물고기 어종이 검출되었다는 점에서 의의가 있다. 나아가 실험 중 발생된 수족관 내 시료 오염, 불균질한 DNA 채집, 생물종 유전자정보 누락 등의 오차요인들을 분석하여 자연환경에서 적용 시 앞으로의 보완 방향에 대하여 제시하였다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.27-65
• /
• 2020

많은 정보통신기술 기업들은 자체적으로 개발한 인공지능 기술을 오픈소스로 공개하였다. 예를 들어, 구글의 TensorFlow, 페이스북의 PyTorch, 마이크로소프트의 CNTK 등 여러 기업들은 자신들의 인공지능 기술들을 공개하고 있다. 이처럼 대중에게 딥러닝 오픈소스 소프트웨어를 공개함으로써 개발자 커뮤니티와의 관계와 인공지능 생태계를 강화하고, 사용자들의 실험, 적용, 개선을 얻을 수 있다. 이에 따라 머신러닝 분야는 급속히 성장하고 있고, 개발자들 또한 여러가지 학습 알고리즘을 재생산하여 각 영역에 활용하고 있다. 하지만 오픈소스 소프트웨어에 대한 다양한 분석들이 이루어진 데 반해, 실제 산업현장에서 딥러닝 오픈소스 소프트웨어를 개발하거나 활용하는데 유용한 연구 결과는 미흡한 실정이다. 따라서 본 연구에서는 딥러닝 프레임워크 사례연구를 통해 해당 프레임워크의 도입 전략을 도출하고자 한다. 기술-조직-환경 프레임워크를 기반으로 기존의 오픈 소스 소프트웨어 도입과 관련된 연구들을 리뷰하고, 이를 바탕으로 두 기업의 성공 사례와 한 기업의 실패 사례를 포함한 총 3 가지 기업의 도입 사례 분석을 통해 딥러닝 프레임워크 도입을 위한 중요한 5가지 성공 요인을 도출하였다: 팀 내 개발자의 지식과 전문성, 하드웨어(GPU) 환경, 데이터 전사 협력 체계, 딥러닝 프레임워크 플랫폼, 딥러닝 프레임워크 도구 서비스. 그리고 도출한 성공 요인을 실현하기 위한 딥러닝 프레임워크의 단계적 도입 전략을 제안하였다: 프로젝트 문제 정의, 딥러닝 방법론이 적합한 기법인지 확인, 딥러닝 프레임워크가 적합한 도구인지 확인, 기업의 딥러닝 프레임워크 사용, 기업의 딥러닝 프레임워크 확산. 본 연구를 통해 각 산업과 사업의 니즈에 따라, 딥러닝 프레임워크를 개발하거나 활용하고자 하는 기업에게 전략적인 시사점을 제공할 수 있을 것이라 기대된다.

• 한국경제지리학회지
• /
• 제17권4호
• /
• pp.632-645
• /
• 2014

이 글에서는 박근혜정부의 창조경제정책의 문제점과 지역발전에의 함의점을 고찰했다. 정부의 과학기술 기반의 창조산업정책은, 창조경제에서 ICT의 역할을 강조하고 있는 창업을 촉진하고 ICT 기반의 연구개발을 중심으로 협력적 선순환 지식 기업생태계를 구축하는 것이다. 하지만 IT산업이 취약한 지역의 생태계에서의 배제는 더욱 가속화될 가능성이 크며, 나아가 지역격차의 확대에 기여할 가능성이 크다. 둘째, 창조경제와 이를 기반으로 하는 창도도시 논의는 저성장시대로 접어들면서 창조산업의 선도적 역할이 축소되었으며, 나아가, 도시규모에 따라 차별적으로 작동해, 경제성장에 따른 급속한 공간적, 사회적 불균형을 가지고 있는 아시아지역의 도시공간체계 개선의 대안이 되기는 어렵다. 셋째, 기존의 테크노파크(TP), 기술혁신센터(TIC), 지역연구센터(RRC) 등의 모형을 답습한 창조경제혁신센터 모형은 기술 고착화의 위험성과 지역의 발전이 지체되고 현재의 상태에 안주할 수 있는 위험성이 있으며, '연관 다양성'의 부족으로 인한 근본 문제도 있다. 창조경제의 원래의 의미를 회복하고, 창조경제의 구축이 아니라 창조경제 '생태계'를 구축하며, 지역의 발전을 위해 대기업에 의존하는 벤처창업중심이 아니라, 대학-기업-기방정부가 협력하여 학연 산 관이 공식, 비공식적 네트워크를 구성하고, 대학과 연구기관의 연구성과와 인력자원, 교육 훈련기능이 기업으로 상시적으로 교호하고 지식이 수직, 수평적으로 교환되는 제도가 지역에 정착됨으로서, 혁신네트워크가 누적인과적으로 진화할 수 있는 학습지역으로 발전하는 정책이 요구된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1329-1341
• /
• 2022

해양환경 및 해양생태계를 파괴하고 해양사고의 원인이 되는 해양쓰레기는 매년 늘어나고 있으나 그 중 해양침적쓰레기는 해저에 위치해 있어 파악과 수거에 어려움이 있다. 이에 효율적인 수거와 분포량 파악을 위해 수중촬영 이미지를 이용하여 폐그물과 폐밧줄을 대상으로 딥러닝 기반의 의미론적 분할을 실험하였다. 분할에는 최신 딥러닝 기법인 high-resolution network (HRNet)을 사용하고 최적화 알고리즘(optimizer) 별 성능 비교를 하였다. 분할 결과 그물에서는 adaptive moment estimation (Adam), Momentum, stochastic gradient descent(SGD) 순으로 F1 score=(86.46%, 86.20%, 85.29%), IoU=(76.15%, 75.74%, 74.36%) 이며, 밧줄은 F1 score=(80.49%, 80.48%, 77.86%), IoU=(67.35%, 67.33%, 63.75%)로 그물과 밧줄에서 모두 Adam의 결과가 가장 높게 나타났다. 연구 결과를 통해 optimizer 별 분할 성능 평가와 최신 딥러닝 기법의 해양침적쓰레기 분할에 대한 가능성을 확인하였다. 이에 따라 수중촬영 이미지를 통한 해양침적쓰레기 식별에 최신 딥러닝 기법을 적용시킴으로써 육안을 통한 식별보다 정확하고 효율적인 식별을 통해 해양침적쓰레기의 분포량 산정에 기여할 수 있을 것으로 사료된다.

• 한국해양학회지:바다
• /
• 제27권2호
• /
• pp.49-70
• /
• 2022

해수면 온도는 기후와 바다의 생태계 그리고 인간의 활동에까지 중요한 영향을 미치는 해수의 특성 중 하나로 이를 예측하는 것은 항상 중요하게 다뤄지는 문제다. 최근 들어 과거의 패턴을 학습하여 예측값을 생성할 수 있는 딥러닝을 활용한 해수면 온도 예측이 복잡한 수치모델을 이용한 예측의 대안으로 주목받고 있다. 딥러닝은 입력 자료 간의 비선형적인 관계를 추정할 수 있는 것이 큰 장점이며, 최근 컴퓨터 그래픽카드의 발달로 많은 양의 데이터를 반복적이고 빠르게 계산할 수 있게 되었다. 본 연구에서는 기존의 딥러닝 모델의 단점들을 보완하면서 시공간 자료를 다룰 수 있는 합성곱 신경망(Convolutional Neural Network) 기반의 U-Net을 통해 단기 해수면 온도 예측을 수행하였다. 개발한 딥러닝 모델을 이용한 한국 남부 근해 해수면 온도의 단기 예측은 예측일의 해수면 온도의 중장기 변동성에 따라 달라지는 성능을 보였다. 해수면 온도 변동성의 증감은 계절적 변동 뿐 아니라 Pacific Decadal Oscillation (PDO) 지수의 변동과도 유의미한 상관관계를 보였는데, 이는 계절 변동 및 PDO에 따른 기후 변화에 기인한 수온 전선의 강도 변화가 해수면 온도의 시공간적 변동성에 영향을 줌으로써 발생했음을 확인하였다. 본 연구는 해수면 수온 자료가 가지고 있는 계절적 변동성과 경년 변동성이 딥러닝 모델의 해수면 단기 수온 예측 성능에 기여함을 밝힌 것에 그 의의가 있다.

• 벤처창업연구
• /
• 제17권4호
• /
• pp.57-71
• /
• 2022

본 연구는 지역 청년창업생태계 조성을 위해 지역내 청년의 청년창업 지원에 대한 인식 및 요구를 분석하여 대학의 지원방안을 탐색하는 것을 목적으로 하였다. 이를 위해 서울시에 거주하는 청년 509명을 대상으로 청년창업에 대한 지역내 청년의 인식과 요구, 대학지원에 대한 요구를 분석하였다. 연구결과, 첫째, 청년창업에 대한 지역내 청년의 인식을 분석한 결과, 대학의 지역 연계 프로그램 요구로는 '청년창업 프로그램'이 가장 높게 분석되었으며, 지역내 청년창업에 대한 이미지는 '도전적인', '변화하는 시대에 잘 맞는' 이라는 이미지가 높게 인식되었다. 둘째, 지역내 청년창업 지원에 대한 청년의 요구를 분석한 결과, '멘토링', '창업교육', '창업공간 조성' 순으로 나타났으며 연령별로 상이한 요구를 보였다. 셋째, 지역 청년창업생태계 조성을 위한 대학지원 요구를 분석한 결과, 지역내 청년창업 지원 참여기관 선택기준, 지역내 청년창업 지원 참여기간, 지역내 청년창업 지원 방법에 대한 요구가 도출되었다. 이러한 이상의 연구결과를 종합하여 지역 청년창업생태계 조성을 위한 대학의 지원에 대한 시사점 및 제안사항은 다음과 같다. 첫째, 대학 인프라와 지역 상생에 초점을 둔 지속가능 상생 멘토링 프로그램의 개발 및 운영이 필요하다. 둘째, 예비 청년창업가의 요구분석에 기반하여 단계별 체계적인 마이크로 러닝(Micro-Learning) 콘텐츠의 개발 및 활용이 필요하다. 셋째, 대학내 지역주민 개방형 청년창업 거점공간을 구성하고, 대학내외 창업 과정과의 연계가 필요하다. 본 연구의 결과는 지역 청년창업생태계 조성을 위한 청년창업 지원 정책의 방향 설정과 대학에서의 청년창업 지원전략 수립 및 운영의 기초 자료로써 활용될 것으로 기대된다.

• 한국환경교육학회지:환경교육
• /
• 제10권2호
• /
• pp.51-62
• /
• 1997

The objective of this study was to review the meaning and problems of Scientific Knowledge and Ethical Value in Environmental Education. The ultimate goal of environmental education is shaping proenvironmental human behavior. The factors of human behavioral decision making are ideology, value, attitude and behavioral intentions. Ideology is a kind of belief system used by social groups to interpret their social world. The main elements of belief system are knowledge and value. The traditional thinking in education has been that we can change behavior by making human beings more knowledgeable and more valuable. In environmental education, the aim of scientific inquiry is to analysis cause-effect relation of human beings behavior and environmental phenomenon, and ethical education is to change the mind of human beings from zero-sum to positive-sum about the relations between human beings and natural environments. But, there are many problems of knowledge education and value education in environmental education. For example scientific knowledge without ethical value is dangerous to environment protection, and ethical value without scientific knowledge is vague. Therefore, we must recognize that the relationship of ethical value and scientific knowledge is not substitutional but complementary. The teaching-learning methods which can integrate knowledge and value in environmental education are rational decision making model. For this model, we can construct teaching contents with inquiry materials. To earn the benefits of specialization among several subjects in environmental education, social studies can focus on social science knowledge and decision making, science education can focus on pure natural science knowledge and scientific investigation, moral education can focus on problems of ethical value system, home economics can focus on practical action and environmental education(Environments in middle school, Ecology and Environments in high school) can integrate social-national science knowledge and ethical value in broad perspective about human beings and ecosystem. That is the method to protect from law of diminishing marginal utility of learning in environmental education.

• 한국조경학회지
• /
• 제40권6호
• /
• pp.98-111
• /
• 2012

본 연구는 도시묘지가 갖는 현장체험학습장으로서의 가능성에 관한 연구이다. 현장체험학습 프로그램을 활발히 진행하고 있는 미국 사례와 우리나라 사례를 비교하여 차이점과 시사점을 도출하였다. 그 결과 묘지는 지역 내 현장체험학습장으로 충분한 자원을 보유하고 있었다. 따라서 이를 활용한 교육프로그램이 개발된다면 도시는 더욱 풍부한 교육자원을 가지게 되며, 주민과 학생에게는 현재보다 다양한 교육 기회가 제공될 수 있다. 미국 사례와 우리나라 사례를 비교한 결과 미국의 묘지에서 활발한 교육프로그램이 진행될 수 있는 것은 묘지를 정원이나 공원과 같이 경관적으로 아름답고 쾌적하게 조성하고, 생태적으로 건강한 숲으로 보전해 왔기 때문이다. 또한 지역사회 묘지를 현장체험학습 장소로 적극 활용했기 때문이다. 우리나라도 기피시설이나 혐오시설이라는 이미지를 탈피할 수 있도록 묘지를 리모델링하고 장묘문화를 변화시킨다면 묘지가 도시지역에서 부족한 현장체험학습장으로서의 역할을 수행할 수 있다.

• 생태와환경
• /
• 제43권1호
• /
• pp.161-167
• /
• 2010

In this study, we implemented an experimental approach of ecological model development in order to emphasize the importance of input variable selection with respect to time-delayed arrangement between input and output variables. Time-series modeling requires relevant input variable selection for the prediction of a specific output variable (e.g. density of a species). Inadequate variable utility for input often causes increase of model construction time and low efficiency of developed model when applied to real world representation. Therefore, for future prediction, researchers have to decide number of time-delay (e.g. months, weeks or days; t-n) to predict a certain phenomenon at current time t. We prepared a total of 3,900 equation models produced by Time-Series Optimized Genetic Programming (TSOGP) algorithm, for the prediction of monthly averaged density of a potamic phytoplankton species Stephanodiscus hantzschii, considering future prediction from 0- (no future prediction) to 12-months ahead (interval by 1 month; 300 equations per each month-delay). From the investigation of model structure, input variable selectivity was obviously affected by the time-delay arrangement, and the model predictability was related with the type of input variables. From the results, we can conclude that, although Machine Learning (ML) algorithms which have popularly been used in Ecological Informatics (EI) provide high performance in future prediction of ecological entities, the efficiency of models would be lowered unless relevant input variables are selectively used.