• ETRI Journal
• /
• 제29권3호
• /
• pp.281-291
• /
• 2007

Wearable computers consisting of various small devices such as smart phones, digital cameras, MP3 players and specialized I/O devices in personal area networks will play an important role in future ubiquitous computing. In this environment, accessing user data is quite complex due to the dynamic and heterogeneous characteristics of the underlying networks. Moreover, since the amount of user data increases rapidly, automatic data backup management is also critical. To overcome these challenges, several studies have been conducted including our previously proposed file service system, PosCFS, which could be adapted to the requirements with a virtualization technique allowing per-user global namespace for managing and accessing data stored on physical storage spaces detected in PAN. In this paper, we present a smart file service framework, PosCFS+ which is an improved and extended version of our previous work. Performance improvement is made possible by redesigning the metadata management scheme based on database and keywords rather than ontology. In addition, the automatic data replication management is newly designed based on the OSD protocol.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권10호
• /
• pp.4080-4097
• /
• 2020

In recent years, convolutional neural network (CNN) has become the primary method for face detection. But its shortcomings are obvious, such as expensive calculation, heavy model, etc. This makes CNN difficult to use on the mobile devices which have limited computing and storage capabilities. Therefore, the design of lightweight CNN for face detection is becoming more and more important with the popularity of smartphones and mobile Internet. Based on the CPU real-time face detector FaceBoxes, we propose a multi-task lightweight face detector, which has low computing cost and higher detection precision. First, to improve the detection capability, the squeeze and excitation modules are used to extract attention between channels. Then, the textual and semantic information are extracted by shallow networks and deep networks respectively to get rich features. Finally, the landmark detection module is used to improve the detection performance for small faces and provide landmark data for face alignment. Experiments on AFW, FDDB, PASCAL, and WIDER FACE datasets show that our algorithm has achieved significant improvement in the mean average precision. Especially, on the WIDER FACE hard validation set, our algorithm outperforms the mean average precision of FaceBoxes by 7.2%. For VGA-resolution images, the running speed of our algorithm can reach 23FPS on a CPU device.

• Journal of Contemporary Eastern Asia
• /
• 제20권2호
• /
• pp.85-107
• /
• 2021

Wildfires have become increasingly common and intense in South Korea because of climate change, but few have recognized the catastrophic level of the problem. Given the significant impact of wildfires, emergency management stakeholders must have effective risk communication structures for rapidly responding to such phenomena and overcoming geographical difficulties. Despite the country spending billions of dollars to build a big databased early warning system, risk communication flow during the 2017 Gangneung wildfire was ineffective, thereby causing substantial economic, social, and environmental losses. To examine the patterns of information exchange in South Korea's risk communication networks and their structural characteristics during the wildfire, we conducted semantic and network analyses of real-time data collected from social media. The results showed that the inefficient flow of risk information prevented emergency responders from adequately assessing the emergency and protecting the population. This study provides new insights into effective risk communication responses to catastrophic events and methods of research on webometric approaches to emergency management.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권10호
• /
• pp.3230-3255
• /
• 2022

Causality mining in NLP is a significant area of interest, which benefits in many daily life applications, including decision making, business risk management, question answering, future event prediction, scenario generation, and information retrieval. Mining those causalities was a challenging and open problem for the prior non-statistical and statistical techniques using web sources that required hand-crafted linguistics patterns for feature engineering, which were subject to domain knowledge and required much human effort. Those studies overlooked implicit, ambiguous, and heterogeneous causality and focused on explicit causality mining. In contrast to statistical and non-statistical approaches, we present Bidirectional Encoder Representations from Transformers (BERT) integrated with Multi-level Feature Networks (MFN) for causality recognition, called BERT+MFN for causality recognition in noisy and informal web datasets without human-designed features. In our model, MFN consists of a three-column knowledge-oriented network (TC-KN), bi-LSTM, and Relation Network (RN) that mine causality information at the segment level. BERT captures semantic features at the word level. We perform experiments on Alternative Lexicalization (AltLexes) datasets. The experimental outcomes show that our model outperforms baseline causality and text mining techniques.

• 인터넷정보학회논문지
• /
• 제24권1호
• /
• pp.71-86
• /
• 2023

본 연구의 목적은 빅데이터 분석을 활용하여 메타버스에 관한 한국과 중국 사회의 공중 인식 특성에 관한 차이를 탐색적으로 비교하는 것이다. COVID-19 팬데믹의 영향, 기술적 발전, Z세대 및 알파 세대와 같은 새로운 소비자 기반 확대 등의 환경적 영향으로 메타버스에 관한 국제 사회의 관심이 집중되면서 관련 학술연구도 2021년부터 본격화되고 있다. 특히, 한국과 중국은 메타버스 산업을 선도하는 주요 국가로 급부상했다. 메타버스에 관한 빅데이터 언급량이 급증한 시점에서 양국에서 발생한 빅데이터를 활용하여 사회 인식의 차별성을 발견하는 것은 시의성 있는 연구문제이다. 분석기법은 텍스트마이닝 분석으로 정제 데이터의 단어빈도, N-gram, TF-IDF 분석을 수행하여 핵심 단어의 중요도를 파악하고, 시맨틱 네트워크의 밀도 및 중심성 분석을 통해 단어 간의 연결 강도와 의미적 연관성을 살펴보고자 한다. 데이터 분석은 Python 3.9 아나콘다 데이터 사이언스 플랫폼 3과 Textom 6 버전을 활용하였고, 시맨틱 네트워크 분석과 구조적 등위성(CONCOR) 분석을 위해 UCINET 6.759 프로그램으로 시각화 분석을 수행하였다. 분석 결과, 데이터를 유사성이 있는 단어 그룹으로서 각 4개씩의 블록을 도출하였다. 이 블록들은 메타버스에 관한 양국의 사회적 인식 유형을 각각 반영하는 관점들로 이해할 수 있다. 메타버스에 관한 연구들은 증가하고 있으나, 아직 비교문화 관점에서 국가나 다문화 간 비교연구 접근의 연구는 거의 수행되지 않았다. 이 시점에서 본 연구는 선행연구로서 후속 연구들에 이론적 근거와 의미 있는 인사이트를 제공할 수 있을 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1693-1705
• /
• 2023

국토 면적의 약 90%를 차지하는 농촌은 여러가지 공익적 기능을 수행하는 공간으로서 중요성과 가치가 증가하고 있지만 주거지 인근에 축사, 공장, 태양광패널 등 주민생활에 불편을 미치는 시설들이 무분별하게 들어서면서 농촌 환경과 경관이 훼손되고 주민 삶의 질이 낮아지고 있다. 농촌지역의 무질서한 개발을 방지하고 농촌 공간을 계획적으로 관리하기 위해서는 농촌지역 내 위해시설에 대한 탐지 및 모니터링이 필요하다. 주기적으로 취득 가능하고 전체 지역에 대한 정보를 얻을 수 있는 위성영상을 통해 데이터의 취득이 가능하고, 합성곱 신경망 기법을 통한 영상 기반 딥러닝 기술을 활용하여 효과적인 탐지가 가능하다. 따라서 본 연구에서는 의미적 분할(Semantic segmentation)에서 높은 성능을 보이는 U-Net 모델을 이용하여 농촌 지역에서 잠재적으로 위해시설이 될 수 있는 농촌시설을 분류하는 연구를 수행하였다. 본 연구에서는 2020년에 제작된 공간해상도 0.7 m의 KOMPSAT 정사모자이크 광학영상을 한국항공우주연구원으로부터 제공받아 사용하였으며 축사, 공장, 태양광 패널에 대한 AI 학습용 데이터를 직접 제작하여 학습 및 추론을 진행하였다. U-Net을 통해 학습시킨 결과 픽셀 정확도(pixel accuracy)는 0.9739, mean Intersection over Union (mIOU)은 0.7025의 값을 도출하였다. 본 연구 결과는 농촌 지역의 위험 시설물 모니터링에 활용될 수 있으며, 농촌계획 수립에 있어 기초 자료로 활용될 수 있을 것으로 기대된다.

• 인지과학
• /
• 제28권4호
• /
• pp.193-221
• /
• 2017

의미적 연관성을 지닌 일화들의 범주화는 기억을 더 효과적으로 구조화하는데 도움이 된다. 그러나 해당 일화의 하위 세부 기억들에 대한 상기한 범주화의 영향은 아직 명확하게 알려져 있지 않다. 본 연구에서는 fMRI 실험을 통해 의미적 범주화가 이루어지는 동안 상위의 일화 기억에 주의를 기울이는 것이 하위 세부기억의 생성을 방해하는지, 혹은 강화하는지 실험하였다. 참가자들에게 한 사이클 내에서 각각 2개의 하위단어를 가지고 있는 5개의 목표 단어들이 순서대로 제시되었는데, 참가자들은 해당 사이클 내에서 제시된 목표 단어들을 포함할 수 있는 범주를 떠올릴 수 있는지 응답한 후 그 범주에 대한 주관적 확신도를 평정하였다. fMRI 내 과정이 끝난 후 참가자들은 스캐너 밖으로 이동하여 제시되었던 단서 단어의 하위 단어들에 대한 단서 회상과제를 수행하였다. 행동 실험 결과 매 사이클의 세 번째 시행에서 범주화 과제의 반응속도가 감소하였고 동시에 주관적 확신도 수준이 증가하였는데, 이는 해당 시행에서 의미적 범주화가 완성되었음을 의미한다. 주목할 점은 세 번째 시행 바로 직전에 제시되었던 하위 단어들의 회상 정확도가 그 다음 시행 직전에 제시된 단어들에 비해 유의미하게 낮았다는 점이며 이는 범주화가 완성될 때 일화 기억의 하위 세부 요소들이 손상되었음을 의미한다. 일반선형모델을 통한 분석 결과 의미적 범주화가 완성되기 직전의 시행에서 의미적 기억망과 관련이 있는 것으로 알려져 있는 측두회와 하전두회에서 유의미한 활성화가 나타났다. 또한 패턴 유사성 분석 결과 또한 측두회, 하전두회, 해마 영역에서 세 번째 시행 간의 활성화 패턴이 두 번째 시행의 활성화 패턴에 비해 더 일관적인 것으로 나타났다. 본 연구는 의미적 범주화가 하위 세부 일화 기억을 방해할 수 있다는 것을 보여주며, 이러한 범주화가 진행되는 동안 일어나는 의미적 인출 경험이 관련된 일화 기억의 흔적에 질적인 영향을 미칠 수 있음을 시사한다.

• 전기전자학회논문지
• /
• 제10권1호
• /
• pp.30-39
• /
• 2006

TCP는 데이터 전송, 흐름 제어 및 혼잡 제어를 위해 sliding window mechanism을 사용하여 신뢰성을 보장하지만 기본적으로 유선 통신망 환경만을 고려하여 설계된 프로토콜이라는 한계점을 갖고 있다. 무선 링크 상에서는 주로 전송 오류와 핸드오프에 의해 빈번한 패킷 유실이 발생함으로써 기존의 TCP 프로토콜을 무선망에 그대로 적용하는 경우 종단간 전송 성능은 급격히 떨어지게 된다. 무선통신기기 이동성을 고려한 TCP 최적화 방안에 관하여 여러 연구가 이루어져 왔으나 본 논문에서는 Snoop와 Freeze-TCP를 혼합적으로 적용하여 TCP 성능을 향상시키는 방안을 제안한다. 제안된 방안의 경우 end-to-end semantics가 그대로 유지되며 송신측이나 중간 라우터의 기존 프로토콜의 수정을 요구하지 않는다. 이 방안을 적용하는 경우 TCP 코드의 변경은 Freeze-TCP의 적용을 위해 이동통신기기에 국한되며 기지국에 Snoop 모듈을 추가하는 것만으로 충분하여 구현이 용이하다는 장점을 가지고 있다. 따라서 제안된 방안은 현재 구축되어 있는 망에서 충분히 상호 동작할 수 있다. 본 논문에서는 NS-2를 이용한 시뮬레이션을 통하여 일반 TCP, 기존 방식, 그리고 제안된 방안간의 성능을 비교 분석하였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권9호
• /
• pp.596-603
• /
• 2015

개념망(Concept Network)은 시멘틱 검색, 개인화 검색, 추천, 텍스트마이닝 기법의 개선 등에 필수적인 지식베이스이다. 최근 효과적인 개념망 구축을 위해 온톨로지를 기반으로 하여 개념의 표현을 확장시키는 연구가 활발하다. 이에 본 논문은 World Knowledge로 평가받고 있는 위키피디아 데이터를 '개념' 집합의 원천으로 활용하여 3차원 텍스트 표현 모델 기반 개념망을 구축하는 기법을 제안한다. 사실상 개념들 간의 관계 정보는 시간의 흐름에 따라 변동하기 때문에, 텍스트 문서로부터 도출되는 '개념'은 Formal Concept Analysis 이론체계의 개념에 따르는 것이 바람직하다. 이를 위해 본 논문은 하나의 개념을 '단어'와 '문서' 간의 2차원 행렬로 표현하여 문서집합에 잠재된 개념간의 연관망을 보다 정확하게 생성하게 한다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.195-206
• /
• 2022

Crack detection is essential for inspection of existing structures and crack segmentation based on deep learning is a significant solution. However, datasets are usually one of the key issues. When building a new dataset for deep learning, laborious and time-consuming annotation of a large number of crack images is an obstacle. The aim of this study is to develop an approach that can automatically select a small portion of the most informative crack images from a large pool in order to annotate them, not to label all crack images. An active learning method with difficulty learning mechanism for crack segmentation tasks is proposed. Experiments are carried out on a crack image dataset of a steel box girder, which contains 500 images of 320×320 size for training, 100 for validation, and 190 for testing. In active learning experiments, the 500 images for training are acted as unlabeled image. The acquisition function in our method is compared with traditional acquisition functions, i.e., Query-By-Committee (QBC), Entropy, and Core-set. Further, comparisons are made on four common segmentation networks: U-Net, DeepLabV3, Feature Pyramid Network (FPN), and PSPNet. The results show that when training occurs with 200 (40%) of the most informative crack images that are selected by our method, the four segmentation networks can achieve 92%-95% of the obtained performance when training takes place with 500 (100%) crack images. The acquisition function in our method shows more accurate measurements of informativeness for unlabeled crack images compared to the four traditional acquisition functions at most active learning stages. Our method can select the most informative images for annotation from many unlabeled crack images automatically and accurately. Additionally, the dataset built after selecting 40% of all crack images can support crack segmentation networks that perform more than 92% when all the images are used.