• 한국컴퓨터정보학회논문지
• /
• 제26권1호
• /
• pp.77-84
• /
• 2021

오늘날 문화재 복원은, 기존 자료와 전문가에 의존하는 것과 더불어 최신 IT 기술을 적용하여 복원하고 있다. 하지만 새로운 자료가 나와서 기존 복원이 틀리게 되는 경우, 복원하는데 너무 오랜 시간이 걸릴 때도 있다. 그리고 예상과 다른 결과가 나올 가능성도 있다. 이에 우리는 중요 문화재의 복원을 인공지능을 이용하여 빠르게 복원을 해 보고자 한다. 최근에 Generative Adversarial Networks(GANs) 알고리즘에서 DcGAN[2] 알고리즘이 나오면서 이미지 생성, 복원 분야가 지속해서 발전하고 있다. 이에 본 연구에서는 다양한 GAN 알고리즘을 문화재 복원에 GAN 알고리즘을 적용해 보았다. DcGAN과 StyleGAN을 적용하였으며, 유의미한 결과를 얻었다. GAN 알고리즘 중 DCGAN과 Style GAN 알고리즘을 실험한 결과 DCGAN 알고리즘은 학습이 진행되었으며, 낮은 해상도로 탑 이미지가 생성되는 것을 확인했다. 그리고 Style GAN 알고리즘에서도 역시 학습이 진행 되었으며, 탑 이미지가 생성되었다. 결론적으로 GAN 알고리즘을 사용하여 높은 해상도의 탑 이미지를 구할 수 있게 되었다.

• Journal of Platform Technology
• /
• 제9권4호
• /
• pp.90-96
• /
• 2021

현재 개발중인 그리고 운행중인 대부분의 자동차에는 다양한 IoT 센서들이 탑재되어 있지만, 자동차 사고를 일으키는 요인 중 몇몇 요인들은 상대적으로 탐지하기 힘들다. 이러한 요소 중 대표적인 위험 요인 중 하나가 블랙 아이스이다. 블랙 아이스는 블랙 아이스가 깔린 부분을 지나가는 모든 차량에 영향을 줄 수 있어 대형 사고를 유발할 가능성이 가장 높은 요인 중 하나이다. 따라서 대형 사고를 막기 위해 블랙 아이스 검출기법은 꼭 필요하다. 이를 위해 몇몇 연구가 과거 진행되었으나 몇몇 부분에서 현실적이지 않는 요소들이 반영된 경우가 있어, 이를 보충하기 위한 연구가 필요하다. 본 논문에서는 CNN 기법으로 컬러 이미지를 분석하여 블랙 아이스를 탐지하고자 하였으며, 일정 수준의 블랙 아이스 탐지에 성공하였다. 다만 기존 연구 와 차이가 있어 그 이유를 분석하였다.

• 한국전자통신학회논문지
• /
• 제16권6호
• /
• pp.1317-1322
• /
• 2021

4차 산업 혁명 시대의 소프트웨어는 지능정보사회에서 핵심기반이 되고 있다. 이에 시대에 대응할 수 있는 인력양성과 교육의 새로운 방향에 대한 연구가 필요하다. 이를 위해 교육부는 교육과정을 개편하고 일반 ICT 지식의 습득보다 컴퓨팅 사고력 기반의 논리적인 문제해결 과정을 기반으로 한 소프트웨어 교육을 시행하고 있다. 하지만 소프트웨어 교육을 위한 양질의 교육 콘텐츠 확보가 부족하고 첨단 IT 기술과 연계하여 교육할 수 있는 교구 또한 미비한 상황이다. 이를 개선하기 위해 본 논문은 소프트웨어 교육용 코딩 로봇을 활용하여 인공지능 등의 융합형 소프트웨어 교육이 가능한 교육 콘텐츠 및 기능확장을 위한 외부 확장장치 개발을 제안한다. 이를 통해 기존의 단순 문제해결 방식의 교육과정을 개선하고 다양한 학습 자료를 개발하여 효과적인 소프트웨어 교육이 가능하다.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.267-277
• /
• 2022

최근 대학에선 '컴퓨팅사고'를 포함해 '프로그래밍, 데이터분석 및 인공지능'에 이르기까지 SW 기초교육의 주제가 다양화되는 추세이다. SW 기초과목의 다양화는 단순히 배우는 내용이 다름이 아닌 과목별 교육 목표 및 교육 효과의 차별화도 기대할 수 있다. 본 논문은 A 대학 인문대학생을 위해 운영 중인 '컴퓨팅사고'와 '데이터분석기초'의 두 SW 기초과목의 교육 목표에 따른 교육효과를 비교 분석하는 사례연구이다. 두 과목 모두 '컴퓨팅사고 기반 SW 융복합 역량 배양'이란 공통 교육 목표에 따라 '컴퓨팅사고 효능감' 지표들은 유의미하게 상승하였고, 기초교육이 목표인 '컴퓨팅사고'는 주로 '일상 문제' 해결에, 전공심화교육이 목표인 '데이터분석기초'는 '일상 문제' 와 함께 '전공 문제'의 해결 방법에도 자신감이 상승하는 교육 효과의 차이를 확인할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.252-254
• /
• 2022

본 연구는 최근 제주 현대미술가들의 작업을 지속해서 수용하며 활발한 작업을 끌어내고 있다는 점에 연구 배경을 갖고, 제주 미술 작가의 작품과 제주 관광산업에 이바지할 방안에 관해 연구하기 위한 것이다. 이러한 연구 목적을 달성하는 방안으로서 딥드림 제너레이터(Deep Dream Generator) 소프트웨어는 본 연구를 추진하는 데 효과적인 방법이라 판단하였다. 구체적인 연구 과정으로서, 딥드림 제너레이터를 활용해 제주 작가 작품과 딥드림 제너레이터에서 제공하는 저명한 해외 작가들의 작품 각각을 직접 찍은 제주 오름 사진과 합성해 그 결과물을 전시하며, 인공지능을 이용한 제주 오름의 재해석을 시도하고자 한다. 또한, 나온 결과물을 이용해 제주 관광상품에 활용하는 방안을 모색함으로써 제주의 미술 작품과 관광을 활성화할 것으로 기대된다.

• Journal of Positioning, Navigation, and Timing
• /
• 제12권2호
• /
• pp.91-100
• /
• 2023

The existing indoor localization method using Wi-Fi fingerprinting has a high collection cost and relatively low accuracy, thus requiring integrated correction of convergence with other technologies. This paper proposes a new method that significantly reduces collection costs compared to existing methods using Wi-Fi fingerprinting. Furthermore, it does not require labeling of data at collection and can estimate pedestrian travel paths even in large indoor spaces. The proposed pedestrian movement path estimation process is as follows. Data collection is accomplished by setting up a feature area near an indoor space intersection, moving through the set feature areas, and then collecting data without labels. The collected data are processed using Kernel Linear Discriminant Analysis (KLDA) and the valley point of the Euclidean distance value between two data is obtained within the feature space of the data. We build learning data by labeling data corresponding to valley points and some nearby data by feature area numbers, and labeling data between valley points and other valley points as path data between each corresponding feature area. Finally, for testing, data are collected randomly through indoor space, KLDA is applied as previous data to build test data, the K-Nearest Neighbor (K-NN) algorithm is applied, and the path of movement of test data is estimated by applying a correction algorithm to estimate only routes that can be reached from the most recently estimated location. The estimation results verified the accuracy by comparing the true paths in indoor space with those estimated by the proposed method and achieved approximately 90.8% and 81.4% accuracy in two experimental spaces, respectively.

• 한국인터넷방송통신학회논문지
• /
• 제22권6호
• /
• pp.51-56
• /
• 2022

산업화의 발전으로 음식물 및 쓰레기 배출량이 급격히 증가하고 있다. 이에 정부도 심각성을 인지하고 이를 줄이고자 다방면으로 노력을 하고 있다. 그 일환으로 음식물 종량제을 도입을 하였고 도입 초기 여러 시행착오가 있었지만 20 ~ 30%의 감량 효과를 보여주고 있다. 이러한 실적은 음식물 종량제가 정착이 되고 있음을 암시하고 있다.하지만 1차 수거에서 2차 수거과정을 통해 집하장으로 모여서 자원 순환을 과정에서 이물질로 인한 폐해가 발생하고 있다. 이에 본 연구에서는 이러한 문제점을 근본적으로 해결하고자 인공지능을 적용하여 개선하고자 한다. 음식물쓰레기 특성상 많은 이미지를 구하는데는 한계가 있어 CNN을 기반으로 한 여러 모델을 비교하여 이를 이상 데이터 분류 즉, CNN 기반 모델들에 여러 유형의 이물질에 대한 학습을 시킨 후 그 중 정확도가 놓은 모델을 적용하여 설비 보호와 이물질 구분을 위해 투입되는 인력 등 유지보수에 대한 개선책을 마련하고자 한다.

• Korean Journal of Radiology
• /
• 제24권12호
• /
• pp.1179-1189
• /
• 2023

Objective: We aimed to evaluate the reporting quality of research articles that applied deep learning to medical imaging. Using the Checklist for Artificial Intelligence in Medical Imaging (CLAIM) guidelines and a journal with prominence in Asia as a sample, we intended to provide an insight into reporting quality in the Asian region and establish a journal-specific audit. Materials and Methods: A total of 38 articles published in the Korean Journal of Radiology between June 2018 and January 2023 were analyzed. The analysis included calculating the percentage of studies that adhered to each CLAIM item and identifying items that were met by ≤ 50% of the studies. The article review was initially conducted independently by two reviewers, and the consensus results were used for the final analysis. We also compared adherence rates to CLAIM before and after December 2020. Results: Of the 42 items in the CLAIM guidelines, 12 items (29%) were satisfied by ≤ 50% of the included articles. None of the studies reported handling missing data (item #13). Only one study respectively presented the use of de-identification methods (#12), intended sample size (#19), robustness or sensitivity analysis (#30), and full study protocol (#41). Of the studies, 35% reported the selection of data subsets (#10), 40% reported registration information (#40), and 50% measured inter and intrarater variability (#18). No significant changes were observed in the rates of adherence to these 12 items before and after December 2020. Conclusion: The reporting quality of artificial intelligence studies according to CLAIM guidelines, in our study sample, showed room for improvement. We recommend that the authors and reviewers have a solid understanding of the relevant reporting guidelines and ensure that the essential elements are adequately reported when writing and reviewing the manuscripts for publication.

• 한국컴퓨터정보학회논문지
• /
• 제29권9호
• /
• pp.79-87
• /
• 2024

본 연구는 청각 장애인의 의사소통 개선을 목표로, 음성 데이터에서 감정을 인식하고 분류하는 인공지능 모델을 개발하였다. 이를 위해 CNN-Transformer, HuBERT-Transformer, 그리고 Wav2Vec 2.0 모델을 포함하는 세 가지 주요 인공지능 모델을 활용하여, 사용자의 음성을 실시간으로 분석하고 감정을 분류한다. 음성 데이터의 특징을 효과적으로 추출하기 위해 Mel-Frequency Cepstral Coefficient(MFCC)와 같은 변환 방식을 적용, 음성의 복잡한 특성과 미묘한 감정 변화를 정확하게 포착하고자 하였다. 실험 결과, HuBERT-Transformer 모델이 가장 높은 정확도를 보임으로써, 음성기반 감정 인식 분야에서의 사전 학습된 모델과 복잡한 학습 구조의 융합이 효과적임을 입증하였다. 본 연구는 음성 데이터를 통한 감정 인식 기술의 발전 가능성을 제시하며, 청각 장애인의 의사소통과 상호작용 개선에 기여할 수 있는 새로운 방안을 모색한다는 점에서 의의를 가진다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.43-61
• /
• 2019

최근 4차 산업혁명과 함께 인공지능 기술에 대한 연구가 활발히 진행되고 있으며, 이전의 그 어느 때보다도 기술의 발전이 빠르게 진행되고 있는 추세이다. 이러한 인공지능 환경에서 양질의 지식베이스는 인공지능 기술의 향상 및 사용자 경험을 높이기 위한 기반 기술로써 중요한 역할을 하고 있다. 특히 최근에는 인공지능 스피커를 통한 질의응답과 같은 서비스의 기반 지식으로 활용되고 있다. 하지만 지식베이스를 구축하는 것은 사람의 많은 노력을 요하며, 이로 인해 지식을 구축하는데 많은 시간과 비용이 소모된다. 이러한 문제를 해결하기 위해 본 연구에서는 기계학습을 이용하여 지식베이스의 구조에 따라 학습을 수행하고, 이를 통해 자연어 문서로부터 지식을 추출하여 지식화하는 방법에 대해 제안하고자 한다. 이러한 방법의 적절성을 보이기 위해 DBpedia 온톨로지의 구조를 기반으로 학습을 수행하여 지식을 구축할 것이다. 즉, DBpedia의 온톨로지 구조에 따라 위키피디아 문서에 기술되어 있는 인포박스를 이용하여 학습을 수행하고 이를 바탕으로 자연어 텍스트로부터 지식을 추출하여 온톨로지화하기 위한 방법론을 제안하고자 한다. 학습을 바탕으로 지식을 추출하기 위한 과정은 문서 분류, 적합 문장 분류, 그리고 지식 추출 및 지식베이스 변환의 과정으로 이루어진다. 이와 같은 방법론에 따라 실제 지식 추출을 위한 플랫폼을 구축하였으며, 실험을 통해 본 연구에서 제안하고자 하는 방법론이 지식을 확장하는데 있어 유용하게 활용될 수 있음을 증명하였다. 이러한 방법을 통해 구축된 지식은 향후 지식베이스를 기반으로 한 인공지능을 위해 활용될 수 있을 것으로 판단된다.