• 방송공학회논문지
• /
• 제18권3호
• /
• pp.481-490
• /
• 2013

본 논문에서는 실제 전장에서 전투수행 중인 병사의 개인화기 조준 능력 향상 관점에서 추적기법의 성능평가를 하였다. 실제 전장에서는 짧은 시간동안 전투를 하는 것뿐만 아니라 며칠에 걸쳐서 실시되는 경우도 있다. 이와 같이 장시간 지속되는 작전 중에서 다양한 요소에 의해서 지속적으로 병사의 신체능력이 감소된다. 이렇게 손실되는 신체능력을 보완하기 위하여 시각추적 기술을 화기의 조준경에 적용하여 적 병사 이동상황을 자동적으로 추적하고 이로 인해 감소된 조준능력을 향상시키기 위한 실험을 하였다. 최신영상 추적 기법들 중에서 최적의 것을 결정하기 위하여, 겹침 현상, 카메라 이동, 크기변화, 저대비 영상, 조명변화 등의 특징이 포함된 여러 실제 전장 영상으로 그 성능을 평가하였다. VTD (Visual Tracking Decomposition)[2]가 정확도에서 IVT (Incremental learning for robust Visual Tracking)[7]가 속도 평가에서 가장 우수하였으며 종합적으로는 MIL (Multiple Instance Learning)[1]이 가장 우수한 결과를 보여 주었다. 이러한 성능평가 결과는 시각추적기술이 적용된 조준경이 실제 전장에서 전투수행을 하면서 신체능력이 감소된 병사의 전투력을 보완할 가능성이 있다는 것을 보여 준다.

• 기독교교육논총
• /
• 제63권
• /
• pp.13-37
• /
• 2020

중국 우한에서 발생한 코로나바이러스(COVID-19)의 전파력과 치사율에 주목한 WHO는 글로벌 비상사태를 선언했으나, 효과적인 치료제를 확보하지 못한 채 상황이 악화되자 팬데믹으로 상향 조정했다. 사회적 거리두기와 자가 격리 및 여행 제한에 따른 경제위기 때문에 자유무역 중심 세계 경제체제 붕괴와 세계화의 퇴조가 거론되고 있다. 팬데믹에 제대로 대처하지 못한 정치리더십이 도전받고, 사회는 비접촉과 부동성 문화로 급속히 전환 중이다. 교육 분야에서는 탈학교화라는 개념이 디지털 매체를 통해 물리적 공간에서 현실화하고 있다. 교회교육 역시 심각한 위기에 처했다. COVID-19 팬데믹 상황에서 교회들은 팬데믹에 관한 신앙 및 신한적 성찰, 온라인 예배와 체계적인 신앙교육, 그리고 비대면 중심의 목회까지 포괄하는 이른바 뉴노멀을 기대하고 있다. 포스트 코로나 시대에 교회교육은 급변하는 주변 상황에 부응해서 적극적으로 대안을 모색하면서 의미 있는 기독교적 가치에 초점을 맞춘 교육신학을 새롭게 재구성해야 한다. 아울러서 오프라인과 온라인을 결합한 모바일(또는 온라인) 교회학교를 운영하는 한편, 비대면과 면대면 학습을 혼용하는 학습방식(Blended Learning)을 도입하고, 교회학교와 홈스쿨링을 결합해서 교회와 가정이 교육의 책임을 분담할 필요가 있다.

• Journal of the Korean Data and Information Science Society
• /
• 제26권5호
• /
• pp.1105-1115
• /
• 2015

자연재해 빅데이터 분석은 현재 소셜 미디어 데이터 등 텍스트 데이터를 중심으로 시작되고 있으며 이는 재난관리의 네 단계인 예방, 대비, 대응, 복구에서 마지막 두 단계에 주로 해당된다. 반면 기상 데이터 자체에 대한 빅데이터 분석은 사전 관리에 해당하는 예방, 대비 단계에 활용될 수 있어 이와 관련한 연구 사례에 대한 체계적인 정리가 필요하다. 본 논문은 리뷰 논문으로서, 자연재해 영역에서 텍스트 데이터 외의 빅데이터를 다루는 분석 기술들에 대해 소개한다. 이를 위해 기상 관련 분야에서 사용되고 있는 데이터 마이닝 및 기계 학습 기술들을 살피고 각 기상 데이터의 특성에 맞춰 기존의 기술들이 어떻게 변형되는 지 밝힌다. 우선 2절에서 빅데이터, 데이터 마이닝, 기계 학습에 대한 기본 개념을 설명하고 3절에서 데이터 마이닝 및 기계 학습 기술의 실제 적용 사례를 상세히 정리한다. 4절에서는 자연재해 대응에 이러한 기술들이 직접 활용되는 예를 소개하고 마지막에 결론으로 마무리한다.

• 한국통신학회논문지
• /
• 제40권5호
• /
• pp.914-923
• /
• 2015

스마트 디바이스의 보급과 더불어 스마트 TV, 웹 기반 IPTV등의 확산으로 사용자 측의 방송 콘텐츠 재생 단말의 급속한 변화가 일어나고 있다. 이러한 환경 변화를 통해 방송 콘텐츠들은 다양한 웹 서비스들이 결합된 응용 서비스들이 가능해졌으며 방송 환경에서의 웹 콘텐츠의 수용을 더욱 촉진하고 있다. 이러한 변화와 함께, 교육 콘텐츠의 경우 교수자의 강의를 일방적으로 전달하던 방송 형태에서 점차 웹을 응용한 온라인 교육 환경으로 발전함에 따라 점점 교수자와 학습자간의 상호작용에 대한 요구가 증가하고 있다. 본 논문에서는 웹 기술과 방송이 결합된 환경에서 양방향 교육 환경을 지원하기 위해, WebRTC (Web Real-Time Communication) 기반 원격 협업 학습 플랫폼을 제안한다. 변화된 환경에서의 원격 협업 교육 서비스 시나리오 도출을 통해 요구사항을 정의하고, 이를 지원하기 위한 웹 기반 원격 협업 콘텐츠 객체 공유 기술과 협업 스트리밍 기술을 제시한다. 특히 WebRTC를 기반으로 한 효율적인 사용자 세션 제어, 연동 및 관리를 위한 협업 교육 플랫폼 구조 제안 및 구현을 통해 실제 교육 환경에서의 적용 및 검증하고, 본 기술의 가능성을 확인하였다.

• 방송공학회논문지
• /
• 제24권5호
• /
• pp.703-712
• /
• 2019

단일 영상 초해상도 (Single Image Super-Resolution - SISR)기법은 카메라로 획득된 저해상도 영상에 필터 기반의 연산을 적용하여 좋은 화질의 고해상도 영상을 복원하는 과정이다. 최근에 심층 합성곱 신경망 학습의 발전에 따라 단일 영상 초해상도에 적용되는 심층 학습 기법들은 좋은 성과를 보여 주고 있다. 그 대표적인 방법으로 영상의 특징 맵 기반 웨이블릿 계수 학습을 통해 고해상도 영상을 복원하는 WaveletSRNet이 있다. 하지만 복잡한 알고리즘으로 인해 계산량이 증대되어 처리 속도가 늦고 특징 추출할 때 특징 맵을 효율적으로 활용하지 못 한다는 단점을 가지고 있다. 이를 개선하기 위해 본 논문에서는 단일 영상 초해상도 RDB-WaveletSRNet 기법을 제안한다. 제안된 기법은 잔여밀집블록(Residual Dense Block)을 사용하여 저해상도의 특징 맵을 효과적으로 추출하여 초해상도의 성능을 향상시키고 적절한 성장률을 설정하여 복잡한 계산량 문제까지 해결하였다. 또한 웨이블릿 패킷 분해를 사용하여 확대율에 맞게 웨이블릿 계수를 획득하므로 높은 확대율의 단일 영상 초해상도를 얻게 하였다. 다양한 영상에 대한 실험을 통하여, 제안하는 기법이 기존 기법보다 수행시간이 빠르며 영상 품질도 우수함을 입증하였다. 제안하는 방법은 기존 방법보다 화질은 PSNR 0.1813dB만큼 우수하며 속도는 1.17배 빠른 것을 실험을 통해 확인하였다.

• 대한지역사회작업치료학회지
• /
• 제8권2호
• /
• pp.1-14
• /
• 2018

목적 : 학습지연을 동반한 ADHD성향을 지닌 아동에게 교육매체를 접목한 과제 중심 다감각운동 프로그램을 적용한 후 자아효능감과 쓰기능력의 변화를 알아보고자 하였다. 연구방법 : 학습지연을 동반한 ADHD성향을 지닌 아동을 대상으로 과제 중심 다감각운동 프로그램을 실시하였다. 연구절차는 사전검사, 중재, 사후검사 순으로 진행되었다. 사전-사후검사로 자아효능감 및 KNISE-BAAT 쓰기검사 '가'형과 '나'형을 사용하였다. 중재는 총 8회기 동안 실시하였다. 수집된 자료는 SPSS version 18 프로그램을 사용하여 분석하였다. 결과 : 과제 중심 다감각운동 프로그램 적용 결과 자아효능감(학교, 사회), 쓰기능력(어휘구사력, 문장구사력)에 유의미한 향상이 나타났다. 결론 : 과제 중심 다감각운동 프로그램은 학습지연을 동반한 ADHD성향을 지닌 아동의 자아효능감 및 쓰기능력을 향상시킬 수 있는 유익한 중재방안으로 활용될 수 있을 것이다. 후속 연구에서는 교육매체를 접목한 과제 중심 다감각 운동 중재모형을 다양하게 구안할 필요가 있다고 사료된다.

• 한국산업정보학회논문지
• /
• 제25권6호
• /
• pp.33-45
• /
• 2020

본 논문은 최근 다양한 종류의 웨어러블 디바이스가 헬스케어 도메인에 급증하여 사용되고 있는 상황에서 최신 첨단 기술이 실제 메디컬 환경에서 개인의 질병예측이라는 관점을 바라본다. 사용자 참여형 웨어러블 디바이스를 통하여 임상 데이터와 유전자 데이터, 라이프 로그 데이터를 병합하여 데이터를 수집, 처리, 전송하는 과정을 걸쳐 딥뉴럴 네트워크의 환경에서 학습모델의 제시와 피드백 모델을 연결하는 과정을 제시한다. 이러한 첨단 의료 현장에서 일어나는 메디컬 IT의 임상시험 절차를 걸친 실제 현장의 경우 대사 증후군에 의한 특정 유전자가 질병에 미치는 영향을 측정과 더불어 임상 정보와 라이프 로그 데이터를 병합하여 서로 각기 다른 이종 데이터를 처리하면서 질병의 특이점을 확인하게 된다. 즉, 이종 데이터의 딥뉴럴 네트워크의 객관적 적합성과 확실성을 증빙하게 되고 이를 통한 실제 딥러닝 환경에서의 노이즈에 따른 성능 평가를 실시한다. 이를 통해 자동 인코더의 경우의 1,000 EPOCH당 변화하는 정확도와 예측치가 변수의 증가 값에 수차례 선형적으로 변화하는 현상을 증명하였다.

• 방송공학회논문지
• /
• 제27권3호
• /
• pp.378-390
• /
• 2022

최근 심층 합성 곱 신경망 학습의 발전에 따라 단일 영상 초해상도에 적용되는 심층 학습 기법들을 좋은 성과를 보여주고 있으며 깊은 네트워크의 강한 표현 능력으로 저해상도 영상과 고해상도 영상 사이의 복잡한 비선형 매핑이 가능해졌다. 하지만 과도한 합성곱 신경망의 사용으로 인해 증가하는 파라미터와 연산량으로 실시간 또는 저전력 장치에 적용하는데 제한이 있다. 본 논문은 정보 증류 방식을 이용하여 계층적인 특징을 조금씩 추출해내는 블록을 재귀적인 방식으로 사용하며 고주파수 잔여 정제 블록을 통해 더 정확한 고주파수 성분을 만들어 성능을 향상시키는 경량화된 네트워크인 Recursive Distillation Super Resolution Network (RDSRN) 를 제안한다. 제안하는 네트워크는 RDN과 비교했을 때 비슷한 화질의 영상을 복원하며 약 32배 적은 파라미터와 약 10배 적은 연산량을 가지고 약 3.5배 더 빠르게 영상을 복원하며 기존 경량화 네트워크 CARN과 비교했을 때 약 2.2배 적은 파라미터와 약 1.8배 빠른 처리시간으로 평균 0.16dB 더 좋은 성능을 만들어 냄을 확인 하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권10호
• /
• pp.373-380
• /
• 2022

본 논문에서는 네트워크 환경에서 원격사용자들의 몰입형 상호작용을 위한 딥러닝 기반의 그룹 동기화 기법을 제안한다. 그룹 동기화의 목적은 사용자의 몰입감을 높이기 위해서 모든 참여자가 동시에 상호작용이 가능하게 하는 것이다. 기존 방법은 시간 정확도를 향상을 위해 대부분 NTP(Network Time Protocol) 기반의 시간 동기화 방식에 초점이 맞추어져 있다. 동기화 서버에서는 미디어 재생 시간을 제어하기 위해 이동 평균 필터를 사용한다. 그 한 예로서, 지수 가중평균 방법은 입력 데이터의 변화가 크지 않으면 정확하게 재생 시간을 추종하고 예측하나 네트워크, 코덱, 시스템 상태의 급격한 변화가 있을 때는 안정화를 위해 더 많이 시간이 필요하다. 이런 문제점을 개선하기 위해서 데이터의 특성을 반영할 수 있는 딥러닝 기반의 그룹 동기화 기법인 DeepGroupSync를 제안한다. 제안한 딥러닝 모델은 시계열의 재생 지연 시간을 이용하여 최적의 재생 시간을 예측하는 두 개의 GRU(gated recurrent unit) 계층과 하나의 완전 연결 계층으로 구성된다. 실험에서는 기존의 지수 가중평균 기반 방법과 제안한 DeepGroupSync 방법에 대한 성능을 평가한다. 실험 결과로부터 예상하지 못한 급격한 네트워크 조건 변화에 대해서 제안한 방법이 기존 방법보다 더 강건함을 볼 수 있다.

• 방송공학회논문지
• /
• 제26권4호
• /
• pp.429-440
• /
• 2021

최근 심층 합성 곱 신경망 학습의 발전에 따라 단일 이미지 초해상도에 적용되는 심층 학습 기법들은 좋은 성과를 보여주고 있다. 현존하는 딥러닝 기반 초해상도 기법들 중 하나로 잔여 밀집 블록을 이용하여 초기의 특징 정보를 마지막 계층에 전달하여 이후의 계층들이 이전의 계층들의 입력정보를 사용하여 복원하는 RDN(Residual Dense Network)이 있다. 하지만 계층적인 모든 특징을 연결하여 학습하고 다수의 잔여 밀집 블록을 쌓게 되면 좋은 성능에도 불구하고 많은 파라미터의 수와 연산량을 가지게 되어 느린 처리 속도와 네트워크를 학습하는데 많은 시간이 소요되고 모바일 시스템에 적용이 어렵다는 단점을 가지고 있다. 본 논문에서는 이전의 정보를 다시 사용하는 연속 메모리 구조인 잔여 밀집 구조와 이미지의 특징맵에 따라 중요도를 결정해주는 채널 집중 기법을 이용한 잔여밀집 채널 집중 블록을 재귀적인 방식으로 사용하여 추가적인 파라미터 없이 네트워크의 깊이를 늘려 큰 수용 영역을 얻으며 동시에 간결한 모델을 유지할 수 있는 방식을 제안한다. 실험 결과 제안하는 네트워크는 RDN과 비교 하였을 때 4배 확대 배율에서 평균적으로 PSNR 0.205dB만큼 낮지만 약 1.8배 더 빠른 처리속도, 약 10배 더 적은 파라미터의 수와 약 1.74배 더 적은 연산량을 갖는 것을 실험을 통해 확인하였다.