• 한국전자통신학회논문지
• /
• 제17권1호
• /
• pp.111-118
• /
• 2022

컴퓨터 비전 연구에서 2차원 인체 자세는 매우 광범위한 연구 방향으로 특히 자세 추적과 행동 인식에서 유의미한 분야다. 인체 자세 표적 획득은 이미지에서 인체 목표를 정확히 찾는 방법을 연구하는 것이 핵심이며 인체 자세 인식은 인공지능(AI)에 적용하는 한편 일상생활에 활용되고 있어서 매우 중요한 연구의의가 있다. 인체 자세 인식 효과의 우수성의 기준은 인식 과정의 성공률과 정확도에 의해 결정된다. 본 연구의 인체 자세 인식에서는 딥러닝 전용 데이터셋인 MS COCO를 기반하여 인체를 17개의 키 포인트로 구분하였다. 다음으로 주요 특징에 대한 세분화 마스크(segmentation mask) 방법을 사용하여 인식률을 개선하였다. 최종적으로 신경망 모델을 설계하고 간단한 단계별 학습부터 효율적인 학습에 이르기까지 많은 수의 표본을 학습시키는 알고리즘을 제안하여 정확도를 향상할 수 있었다.

• 문화기술의 융합
• /
• 제10권5호
• /
• pp.23-28
• /
• 2024

지금까지 대부분의 군사훈련은 통상 야외에서 진행되는 경우가 많았으며, 날씨나 기후, 지형이나 훈련지역의 소음 등에 대한 민원 등 다양한 변수에 의해 영향을 받았다. 또한 군사훈련에 사용되는 무기체계를 기동하기 위해서는 상당한 시간과 비용, 무기체계의 정비 등에 많은 자원이 투입되고 있는 것이 현실이다. 군사훈련 기간 중 발생할 수 있는 인명 사고 등 안전상의 문제도 또한 간과할 수 없는 중요한 요인이다. 최근 5G 통신망 상업화와 XR 기술의 발전으로 XR 기술이 다자가 참여하는 다양한 영역에 활용되고 있으며 군사기술 및 군사훈련 분야에도 적용되고 있다. 본 연구에서는 가상현실 세계에서 군사교육을 실시하기 위해 5G 통신망과 군사교육훈련 시스템을 구축하였다. 군사교육훈련시스템에서는 10명 이상의 요원이 대항전투, 산악전투, 도심전투, 해안전투 등 다양한 상황에서의 훈련이 가능하도록 구성하였다. 또한 AI 전투원과의 대항전투도 가능하고, 총기 분해조립과 다양한 사격훈련을 실시하도록 시스템을 구성하였다. XR 기술을 활용한 군사교육훈련시스템을 다자가 참여하는 군사훈련에 적용하였고, XR 시스템 체험자의 만족도 조사 결과를 분석하였다.

• 컴퓨터교육학회논문지
• /
• 제3권1호
• /
• pp.31-41
• /
• 2000

소집단협동학습은 학습자가 지식의 습득과정에 적극적으로 참여하는 학습자 중심의 학습방법으로 학업 성취와 함께 상호작용 기술의 습득, 학습의 동기유발, 나아가 창의성을 향상할 수 있는 교수-학습법이다. 정보의 급증과 함께 학습자의 능동적인 참여를 요구하는 현 시점에서 교육현장에서 시행되는 협동학습은 더욱 많은 관심을 받고 있다. 특히 교수매체로서 통신망의 도입은 기존에 교실에서 수행되어온 소집단 협동학습에 새로운 조명을 가져온다. 그러나 통신망이 협동학습을 도와줄 수 있다는 교육적 기대에도 불구하고 이를 수행하기 위한 구체적인 지침 및 전략에 관한 연구는 이루어지지 않고 있다. 본 연구에서는 소집단 협동학습에 유용한 통신망의 특성을 기반으로 기존의 협동학습 모형을 고찰하였다. 이를 기반으로 교실 수업에서 교수-학습의 도구로서 통신망기반 소집단 협동학습의 실천적인 전략을 제시하였다.

• 전기전자학회논문지
• /
• 제26권1호
• /
• pp.62-66
• /
• 2022

최근 데이터 기반의 딥러닝 기술을 적용하여 비면허 대역의 다양한 통신 신호를 분류하는 연구가 활발히 수행되고 있다. 하지만, 복잡한 신경망 모델 사용을 기반으로 이뤄진 이러한 접근법은 높은 연산 능력을 필요로 하게 되어, 자원 제약적인 무선 인터페이스 및 사물인터넷(Internet of Things) 장비에서는 사용이 제약된다. 본 연구에서는 비면허 대역의 무선 이기종 기술을 인지하기 위한 데이터 기반의 접근 방법을 살펴보고, 신호의 특징 추출 및 데이터화의 효율화 문제를 다룬다. 구체적으로, 비면허 대역의 다른 종류의 무선 통신 기술을 구분하기 위해 수신 신호 강도 측정을 기반으로 한 시계열 데이터를 이용해 합성곱 신경망(Convolutional Neural Network, CNN) 모델을 학습시켜 신호를 분류하는 방법을 살펴본다. 이 과정에서 동일한 구조의 신경망 모델의 경량화를 위한 효율적 신호의 시계열 데이터 정보 수집시 주파수 대역의 특징을 함께 특징화하는 방법을 제안하고, 그 효과를 평가한다. Bluetooth 호환의 Ubertooth 장비를 이용한 실측 기반의 실험 결과는 제안된 샘플링 기법이 동일한 신경망에 대해서 10% 수준의 샘플링 데이터 이용만으로도 동일한 정확도를 유지함을 보여준다.

• 한국인터넷방송통신학회논문지
• /
• 제20권6호
• /
• pp.157-165
• /
• 2020

뉴-럴 네트워크와 자동운전 데이터 셋을 개발하는 목표중의 하나가 데이터 셋을 분할함에 따라서 움직이는 물체를 검출하는 성능을 개선하는 방법이 있다. 다크넷 (DarkNet) 프레임 워크에 있어서, YOLOv4 네트워크는 Udacity 데이터 셋에서 훈련하는 셋과 검증 셋으로 사용되었다. Udacity 데이터 셋의 7개 비율에 따라서 이 데이터 셋은 훈련 셋, 검증 셋, 테스트 셋을 포함한 3개의 부분 셋으로 나누어진다. K-means++ 알고리즘은 7개 그룹에서 개체 Box 차원 군집화를 수행하기 위해 사용되었다. 훈련을 위한 YOLOv4 네트워크의 슈퍼 파라메타를 조절하여 7개 그룹들에 대하여 최적 모델 파라메타가 각각 구해졌다. 이 모델 파라메타는 각각 7 개 테스트 셋 데이터에 비교하고 검출에 사용되었다. 실험결과에서 YOLOv4 네트워크는 Udacity 데이터 셋에서 트럭, 자동차, 행인으로 표현되는 움직이는 물체에 대하여 대/중/소 물체 검출을 할수 있음을 보여 주었다. 훈련 셋과 검증 셋, 테스트 셋의 비율이 7 ; 1.5 ; 1.5 일 때 최적의 모델 파라메타로서 가장 높은 검출 성능이었다. 그 결과값은, mAP50가 80.89%, mAP75가 47.08%에 달하고, 검출 속도는 10.56 FPS에 달한다.

• 한국산학기술학회논문지
• /
• 제12권7호
• /
• pp.3220-3226
• /
• 2011

지하철 역사에 화재, 테러 등의 내 외부 위험요인을 감시하기 위하여 CCTV와 각종 센서를 이용한 감시시스템이 구축되어 왔으며, 최근 최신의 IT기술인 센서네트워크기술을 이용한 감시시스템기술 도입이 여러 분야에서 시도되고 있다. 2007년부터 정부 주도하에 지하철 역사의 경우에도 최신의 IT기술인 무선 센서네트워크기술 및 지능 형영상감시기술 등과 접목하여 화재, 제한지역 침입, 승객 혼잡도, 우범지역, 역사 건전성 등을 종합적으로 감시하는 도시철도지능형종합감시시스템 개발 및 구축이 추진 중에 있다. 이를 위하여 본 연구에서는 개발 중인 도시철도 지능형 종합감시시스템의 현장 역사 적용에 앞서 무선센서네트워크의 대표라 할 수 있는 ZigBee기반의 현장 무선통신환경 시험을 서울지하철 충무로 역사에서 수행하였고, 본 논문에 충무로역사 내부 승강장 및 대합실에서의 ZigBee기반의 무선통신환경 시험결과를 정리, 분석하였다. 승강장 및 대합실의 무선 스펙트럼분석 결과 ZigBee기반의 센서네트워크의 주파수와 중첩되는 주파수는 없었으며 인접 주파수 또한 10MHz 이상 이격되어 주파수 간섭을 받지 않는 것으로 나타났다. ZigBee를 이용한 무선데이터 전송 시험 결과, 데이터 전송은 열차의 승강장 진출입시의 영향보다 승강장 혹은 대합실의 이용승객 수 및 유동량에 의한 멀티패스 페이딩(multi-path fading) 효과에 더 큰 영향을 받는 것으로 나타나, 역사에 지능형종합감시시스템 구축 시 이를 고려하여야 할 것으로 판단된다.

• 한국철도학회논문집
• /
• 제16권4호
• /
• pp.241-245
• /
• 2013

기존 전동차 제어시스템의 경우에는 종합제어장치를 통하여 차량 내의 각종 정보를 운전자 화면에 현시하여 운전자가 차량의 상태를 감시하도록 구성되어 있다. 그러나 차량고장 등과 같이 갑작스런 사고가 발생할 경우에는 운전자가 당황하여 정확한 고장조치를 하기 어려운 것이 현실이다. 또한 제동제어기 및 보조전원장치 등 주요장치들의 제어정보를 분석하기 위하여 차량이 기지에 입고되고 난 후에 유지보수원이 현장에서 일일이 수동으로 데이터를 저장하는 매우 비효율적인 유지보수시스템으로 운영되고 있다. 이러한 점을 개선하기 위해서는 차량 내에 센서통신네트워크 및 감시시스템을 설치하여 차량 내의 모든 정보를 실시간으로 송수신하는 시스템을 구축하여야 한다. 본 연구에서는 이러한 시스템 구축을 위하여 전동차 제어 및 감시시스템의 표준화 방안을 제시함으로써, 이를 통해 차량시스템의 안전성을 향상하고 유지보수를 보다 효율적으로 개선하고자 한다.

• 한국정보통신학회논문지
• /
• 제13권5호
• /
• pp.1008-1013
• /
• 2009

본 논문에서는 피실험자의 체온, 맥박, 호흡수, 혈압을 수집할 수 있는 무선 센서를 이용하여 수집된 생체 신호를 분석하는 시스템을 제안하였으며, 생체 신호를 분석하기 위하여 전문가 시스템을 사용하여 역전파 신경망을 설계 하였다. 제안된 시스템은 하드웨어 (UStar-2400 ISP, UStar-2400, Wireless sensors) 부분과 소프트웨어 부분 (Knowledge Base module, Inference Engine module, User Interface module)으로 구성되며 소프트웨어 부분은 HOST PC에 삽입된다. 그리고 시스템의 정확도를 개선하기 위하여 전방향 에러 정정 시스템(LDPC)을 구현하였다. 지식기반 모듈에서 100개의 데이터 집합을 사용하여 역전파 신경망을 훈련하였으며, 지식기반 모듈의 128개의 데이터 집합을 사용하여 실험한 결과 약 95%의 정확도를 가졌으며, 무선 센서를 사용하여 13명의 학생을 대상으로 실험한 결과 약 85%의 정확도를 획득하였다.

• Geomechanics and Engineering
• /
• 제31권6호
• /
• pp.545-556
• /
• 2022

Evaluation and optimization of tunnel wall convergence (TWC) plays a vital role in preventing potential problems during tunnel construction and utilization stage. When convergence occurs at a high rate, it can lead to significant problems such as reducing the advance rate and safety, which in turn increases operating costs. In order to design an effective solution, it is important to accurately predict the degree of TWC; this can reduce the level of concern and have a positive effect on the design. With the development of soft computing methods, the use of deep learning algorithms and neural networks in tunnel construction has expanded in recent years. The current study aims to employ the long-short-term memory (LSTM) deep neural network predictor model to predict the TWC, based on 550 data points of observed parameters developed by collecting required data from different tunnelling projects. Among the data collected during the pre-construction and construction phases of the project, 80% is randomly used to train the model and the rest is used to test the model. Several loss functions including root mean square error (RMSE) and coefficient of determination (R²) were used to assess the performance and precision of the applied method. The results of the proposed models indicate an acceptable and reliable accuracy. In fact, the results show that the predicted values are in good agreement with the observed actual data. The proposed model can be considered for use in similar ground and tunneling conditions. It is important to note that this work has the potential to reduce the tunneling uncertainties significantly and make deep learning a valuable tool for planning tunnels.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2011년도 춘계학술대회 논문집
• /
• pp.1195-1201
• /
• 2011

Since the release of safety standard IEC 61508 which defines functional safety of electronic safety-related systems, SIL(Safety Integrity Level) certification for railway systems has gained lots of attention lately. In this paper, we propose a new design technique of the computer board for train control systems with high reliability and safety. The board is designed with TMR(Triple Modular Redundancy) using a certified SIL3 Texas Instrument(TI)'s TMS570 MCU(Micro-Controller Unit) to guarantee safety and reliability. TMR for the control device is implemented on FPGA(Field Programmable Gate Array) which integrates a comparator, a CAN(Controller Area Network) communication module, built-in self-error checking, error discriminant function to improve the reliability of the board. Even if a malfunction of a processing module occurs, the safety control function based on the proposed technique lets the system operate properly by detecting and masking the malfunction. An RTOS (Real Time Operation System) called FreeRTOS is ported on the board so that reliable and stable operation and convenient software development can be provided.