• Journal of Information Processing Systems
• /
• 제17권5호
• /
• pp.1020-1033
• /
• 2021

Nowadays, online or mobile social network services (SNS) are very popular and widely spread in our society and daily lives to instantly share, disseminate, and search information. In particular, SNS such as YouTube, Flickr, Facebook, and Amazon allow users to upload billions of images or videos and also provide a number of multimedia information to users. Information retrieval in multimedia-rich SNS is very useful but challenging task. Content-based media retrieval (CBMR) is the process of obtaining the relevant image or video objects for a given query from a collection of information sources. However, CBMR suffers from the dimensionality curse due to inherent high dimensionality features of media data. This paper investigates the effectiveness of the kernel trick in CBMR, specifically, the kernel principal component analysis (KPCA) for dimensionality reduction. KPCA is a nonlinear extension of linear principal component analysis (LPCA) to discovering nonlinear embeddings using the kernel trick. The fundamental idea of KPCA is mapping the input data into a highdimensional feature space through a nonlinear kernel function and then computing the principal components on that mapped space. This paper investigates the potential of KPCA in CBMR for feature extraction or dimensionality reduction. Using the Gaussian kernel in our experiments, we compute the principal components of an image dataset in the transformed space and then we use them as new feature dimensions for the image dataset. Moreover, KPCA can be applied to other many domains including CBMR, where LPCA has been used to extract features and where the nonlinear extension would be effective. Our results from extensive experiments demonstrate that the potential of KPCA is very encouraging compared with LPCA in CBMR.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제13권7호
• /
• pp.508-519
• /
• 2007

이동기기의 저장 장치로 사용되는 플래시 메모리는 이제 SSD(Solid State Disk) 형태로 노트북 컴퓨터까지 그 적용 범위가 확대되고 있다. 이러한 플래시 메모리는 무게, 내충격성, 전력 소비량 면에서 장점을 가지고 있지만, erase-before-write 속성과 같은 단점도 가진다. 이러한 단점을 극복하기 위하여 플래시 메모리 기반 저장 장치는 FTL(Flash-memory Translation Layer)이라는 특별한 주소 사상 소프트웨어를 필요로 하며, FTL은 종종 블록을 재활용하기 위하여 병합 연산을 수행해야 한다. NAND 플래시 메모리 기반 저장 장치에서 블록 재활용 비용을 줄이기 위해 본 논문에서는 이주 연산이라는 또 다른 블록 재활용 기법을 도입하였으며, FTL은 블록 재활용시 이주와 병합 연산 중에서 비용이 적게 드는 연산을 선택하도록 하였다. Postmark 벤치마크와 임베디드 시스템 워크로드를 사용한 실험 결과는 이러한 비용 기반 선택이 플래시 메모리 기반 저장 장치의 성능을 향상시킬 수 있음을 보여준다. 아울러 이주/병합 연산이 조합된 각 주기마다 블록 재활용 비용을 최소화하는 이주/병합 순서의 거시적 최적화의 해를 발견하였으며, 실험 결과는 거시적 최적화가 단순 비용 기반 선택보다 플래시 메모리 기반 저장 장치의 성능을 더욱 향상시킬 수 있음을 보여준다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.961-970
• /
• 2009

지난 10여 년 동안 모바일폰과 같은 인터랙티브 기기들은 새로운 버전이 나올 때마다 새로운 기능들이 덧붙여지면서 점점 더 사용하기 복잡해졌다. 다기능 복합기기의 사용 복잡도를 줄이기 위한 한 가지 방법은 그것을 일관성 있게 설계하는 것이다. 일관성을 정의하기가 쉽지 않고 때로는 일관성 있게 디자인한 것이 오히려 사용성을 낮추는 경우도 존재하지만, 일반적으로 일관성 있게 설계된 시스템은 그 사용법을 더 배우기 쉽고, 기억하기 쉬우며, 에러가 덜 발생한다. 그러나 실제적으로 다기능 복합기기의 사용자 인터랙션 또는 인터페이스를 일관성 있게 설계하는 일은 쉽지 않다. 다기능 기기의 인터랙션 설계는 매우 많은 수의 설계 변수들과 그것들 간의 관계를 고려해야 하므로 많은 시간이 소요되고 디자인 에러가 발생하기 쉽다. 따라서, 이런 복잡한 설계 과정을 지원할 수 있는 방법론의 개발이 필요하다. 본 연구에서는 CUID (Consistent Design of User Interaction)라고 명명한 효과적이고 효율적인 인터랙션 설계 방법론을 개발하였다. CUID는 일관성 있는 인터랙션 설계를 위한 디자인 프로세스와 그것을 지원하는 소프트웨어 툴을 포함한다. 이 방법론은 물리적 또는 시각적인 일관성보다는 논리적 일관성에 초점을 맞추고 있으며, 태스크 절차의 설계, 각 시스템 상태에서 가능해야 하는 조작(기능)에 대한 결정, 그리고 가능한 조작(기능)들을 어떤 인터페이스 컨트롤(control)을 통해 수행하도록 할 것인지에 대한 결정을 주요한 설계 문제로 다룬다. 또한, 본 논문에서는 사례 연구를 통해 CUID의 효용성을 검증하였다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.1-25
• /
• 2020

본 연구에서는 모바일 기기를 이용하여 획득한 가스계량기 사진을 서버로 전송하고, 이를 분석하여 가스 사용량 및 계량기 기물 번호를 인식함으로써 가스 사용량에 대한 과금을 자동으로 처리할 수 있는 응용 시스템 구조를 제안하고자 한다. 모바일 기기는 일반인들이 사용하는 스마트 폰에 준하는 기기를 사용하였으며, 획득한 이미지는 가스 공급사의 사설 LTE 망을 통해 서버로 전송된다. 서버에서는 전송받은 이미지를 분석하여 가스계량기 기물 번호 및 가스 사용량 정보를 추출하고, 사설 LTE 망을 통해 분석 결과를 모바일 기기로 회신한다. 일반적으로 이미지 내에는 많은 종류의 문자 정보가 포함되어 있으나, 본 연구의 응용분야인 가스계량기 자동 검침과 같이 많은 종류의 문자 정보 중 특정 형태의 문자 정보만이 유용한 분야가 존재한다. 본 연구의 응용분야 적용을 위해서는 가스계량기 사진 내의 많은 문자 정보 중에서 관심 대상인 기물 번호 및 가스 사용량 정보만을 선별적으로 검출하고 인식하는 관심 문자열 인식 기술이 필요하다. 관심 문자열 인식을 위해 CNN (Convolutional Neural Network) 심층 신경망 기반의 객체 검출 기술을 적용하여 이미지 내에서 가스 사용량 및 계량기 기물번호의 영역 정보를 추출하고, 추출된 문자열 영역 각각에 CRNN (Convolutional Recurrent Neural Network) 심층 신경망 기술을 적용하여 문자열 전체를 한 번에 인식하였다. 본 연구에서 제안하는 관심문자열 기술 구조는 총 3개의 심층 신경망으로 구성되어 있다. 첫 번째는 관심 문자열 영역을 검출하는 합성곱신경망이고, 두 번째는 관심 문자열 영역 내의 문자열 인식을 위해 영역 내의 이미지를 세로 열 별로 특징 추출하는 합성곱 신경망이며, 마지막 세 번째는 세로 열 별로 추출된 특징 벡터 나열을 문자열로 변환하는 시계열 분석 신경망이다. 관심 문자열은 12자리 기물번호 및 4 ~ 5 자리 사용량이며, 인식 정확도는 각각 0.960, 0.864 이다. 전체 시스템은 Amazon Web Service 에서 제공하는 클라우드 환경에서 구현하였으며 인텔 제온 E5-2686 v4 CPU 및 Nvidia TESLA V100 GPU를 사용하였다. 1일 70만 건의 검침 요청을 고속 병렬 처리하기 위해 마스터-슬레이브 처리 구조를 채용하였다. 마스터 프로세스는 CPU 에서 구동되며, 모바일 기기로 부터의 검침 요청을 입력 큐에 저장한다. 슬레이브 프로세스는 문자열 인식을 수행하는 심층 신경망으로써, GPU에서 구동된다. 슬레이브 프로세스는 입력 큐에 저장된 이미지를 기물번호 문자열, 기물번호 위치, 사용량 문자열, 사용량 위치 등으로 변환하여 출력 큐에 저장한다. 마스터 프로세스는 출력 큐에 저장된 검침 정보를 모바일 기기로 전달한다.

• 자원환경지질
• /
• 제53권5호
• /
• pp.609-617
• /
• 2020

4차 산업혁명(industry 4.0)으로 제시되는 지능정보사회 전환 정책 이후, 정부는 2020년 한국형 뉴딜 정책으로 디지털 뉴딜과 그린 뉴딜 정책을 발표하였다. 본 연구는 해당 정책을 분석하고 지질자원 분야 공공연구기관의 정부출연 R&D사업을 분석하였다. 해당 사업 중에서 유망기술 분야로 디지털 트윈, 환경 모니터링에 주목하여 유망기술·시장 분석을 실시하였다. 한국판 뉴딜 종합계획의 '데이터댐'과 관련하여 지질자원 기술 분야에서는 실감기술(AR/VR)을 적용한 디지털 지질자원 콘텐츠 개발, 공공데이터 구축·공유 시스템 개발이 가능하다. '1, 2, 3차 전산업으로 5G, AI 융합 확산'에 대응하여 스마트 마이닝, 디지털 오일 필드 등 ICT와 융합한 지질자원기술의 산업적용이 필요하다. '디지털 트윈'과 관련하여 정부는 도심지 등 주요지역 3D 지도 구축을 제시하고 있다. 지질자원 기술 분야에서는 안전한 국토/시설 관리를 위한 3차원 지도 및 사물인터넷(IoT) 시스템 개발이 가능하다. 그린 뉴딜 정책으로 정부는 자원순환을 포함한 녹색산업 기술개발, CCUS 통합실증, 전기차·수소차 보급 확대를 제시하였으며 한국지질자원연구원은 관련 연구사업 수행 및 국내 에너지 저장광물 개발 연구를 착수했다. 디지털 트윈 관련하여 논문 및 국제 시장분석기관에서 석유가스분야를 제시하고 있으며 광산자동화, 디지털 지도 측면에서도 많은 진전이 일어나고 있다. 디지털 트윈어스(Digital Twin Earth) 구축 또한 지질자원 분야의 유망 기술 분야이다. 디지털 트윈, 환경 모니터링 관련 지질자원 연구 분야는 데이터 분석, 시뮬레이션, 인공지능·기계학습, 사물인터넷(IoT)과 깊은 관련이 있으며, 관련 센서 및 컴퓨팅 소프트웨어/시스템 등 민간 회사와의 협업이 중요하다.