• 로봇학회논문지
• /
• 제4권3호
• /
• pp.185-191
• /
• 2009

This paper presents a new shape-based algorithm using affine category shape model for object category recognition and model learning. Affine category shape model is a graph of interconnected nodes whose geometric interactions are modeled using pairwise potentials. In its learning phase, it can efficiently handle large pose variations of objects in training images by estimating 2-D homography transformation between the model and the training images. Since the pairwise potentials are defined on only relative geometric relationship betweenfeatures, the proposed matching algorithm is translation and in-plane rotation invariant and robust to affine transformation. We apply spectral matching algorithm to find feature correspondences, which are then used as initial correspondences for RANSAC algorithm. The 2-D homography transformation and the inlier correspondences which are consistent with this estimate can be efficiently estimated through RANSAC, and new correspondences also can be detected by using the estimated 2-D homography transformation. Experimental results on object category database show that the proposed algorithm is robust to pose variation of objects and provides good recognition performance.

• Computers and Concrete
• /
• 제33권3호
• /
• pp.285-299
• /
• 2024

Recently, many engineering computations have realized their digital transformation to Machine Learning (ML)-based systems. Predicting the behavior of a structure, which is mainly computed with structural analysis software, is an essential step before construction for efficient structural analysis. Especially in the seismic-based design procedure of the structures, predicting the lateral load capacity of reinforced concrete (RC) columns is a vital factor. In this study, a novel ML-based model is proposed to predict the maximum lateral load capacity of RC columns under varying axial loads or cyclic loadings. The proposed model is generated with a Deep Neural Network (DNN) and compared with traditional ML techniques as well as a popular commercial structural analysis software. In the design and test phases of the proposed model, 319 columns with rectangular and square cross-sections are incorporated. In this study, 33 parameters are used to predict the maximum lateral load capacity of each RC column. While some traditional ML techniques perform better prediction than the compared commercial software, the proposed DNN model provides the best prediction results within the analysis. The experimental results reveal the fact that the performance of the proposed DNN model can definitely be used for other engineering purposes as well.

• 로봇학회논문지
• /
• 제15권1호
• /
• pp.1-7
• /
• 2020

In this paper, we introduce the methodology that utilizes deep learning-based front-end to enhance underwater feature matching. Both optical camera and sonar are widely applicable sensors in underwater research, however, each sensor has its own weaknesses, such as light condition and turbidity for the optic camera, and noise for sonar. To overcome the problems, we proposed the opti-acoustic transformation method. Since feature detection in sonar image is challenging, we converted the sonar image to an optic style image. Maintaining the main contents in the sonar image, CNN-based style transfer method changed the style of the image that facilitates feature detection. Finally, we verified our result using cosine similarity comparison and feature matching against the original optic image.

• Journal of Multimedia Information System
• /
• 제6권4호
• /
• pp.235-238
• /
• 2019

In real world object detection is an active research topic for understanding different objects from images. There are different models presented in past and had significant results. In this paper we are presenting vehicle logo detection using previous object detection models such as You only look once (YOLO) and Faster Region-based CNN (F-RCNN). Both the front and rear view of the vehicles were used for training and testing the proposed method. Along with deep learning an image pre-processing algorithm called perspective transformation is proposed for all the test images. Using perspective transformation, the top view images were transformed into front view images. This algorithm has higher detection rate as compared to raw images. Furthermore, YOLO model has better result as compare to F-RCNN model.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.361-368
• /
• 2021

코로나19(COVID-19)로 인해 사회·경제·문화 등 일상생활이 근본적으로 변화되고 있으며 인공지능, 데이터, 클라우드 등 정보기술(IT)을 기반으로 하는 디지털 전환(digital transformation)이 가속화되고 있다. 본 연구에서는 가상세계(virtual world)와 현실세계(real world)의 상호작용을 기반으로 하는 메타버스(Metaverse)에 주목하고 메타버스 기반 플랫폼을 교육적으로 활용할 수 있는 가능성을 탐색하였다. 메타버스 기반 플랫폼을 온라인 교육 생태계 관점에서 접근했으며 이는 단순히 온라인 교수·학습 활동 뿐만 아니라 메타버스 내에서 학습, 소통, 공감 등의 전인적 교육 활동이 함께 이루어짐을 의미한다. 이러한 메타버스 플랫폼에서 학습자는 학습 현존감(presence)을 느낄 수 있고, 학습 동기와 몰입이 촉진될 수 있다. 또한 공간 이동의 자율성을 기반으로 자기주도적인 학습을 경험할 수 있다. 메타버스 플랫폼을 적용하기 위해 기술적, 윤리적 한계점도 있으나 높은 기대 수준을 가지는 것 보다는 메타버스 세계의 학습자들의 교육적 상호작용에 초점을 맞추는 것이 바람직할 것이다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2009년도 제21회 한글 및 한국어 정보처리 학술대회
• /
• pp.31-34
• /
• 2009

본 연구의 목표는 비교 문장들을 일곱 가지 유형으로 자동 분류하는 것으로서, 비교 문장 추출, 비교 문장 유형 분류, 유형별 비교 관계 분석으로 이어지는 비교마이닝 세 단계 중 두 번째 과제이다. 본 연구에서는 변환 기반 학습(Transformation-based Learning) 기법을 이용한다. 자연어 처리 분야 여러 부문에서 사용되고 있는 변환 기반 학습은 오류를 감소시키는 최적의 규칙을 자동으로 생성하여 정답을 찾는 규칙 기반 학습 방법이다. 웹상의 다양한 도메인에서 추출한 비교 문장들을 대상으로 실험한 결과, 일곱 가지 비교 문장 유형을 분류하는데 있어서 정확도 80.01%의 우수한 성능을 산출하였다.

• 정보교육학회논문지
• /
• 제20권3호
• /
• pp.313-322
• /
• 2016

초등학생을 대상으로 샌드박스형 게임인 마인크래프트 에듀를 활용한 게임기반학습을 적용하여 창의적 문제해결력과 학습몰입도에 미치는 영향을 분석하였다. 그 결과 기존의 전통적인 강의식 교수법보다 샌드박스형 게임을 활용한 게임기반학습을 적용했을 때 창의적 문제해결력과 학습몰입도에서 긍정적인 효과가 있는 것으로 나타났다. 창의적 문제해결력은 모든 하위요소에서 유의미한 차이가 나타났으며 학습몰입도는 통제감, 시간 감각의 왜곡을 제외한 하위요소에서 유의미한 차이가 나타났다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권9호
• /
• pp.706-711
• /
• 2010

음성 인식기의 오류는 음성기반 응용 시스템들의 성능에 크게 영향을 주기 때문에 오류를 줄이기 위한 효과적인 처리 방법이 필요하다. 기존의 후처리 기법들은 수동 작업을 통한 코퍼스나 규칙으로 후처리를 수행하는 것이 일반적이다. 본 논문에서는 문제나 인식기의 특성에 무관하게 자동으로 학습할 수 있는 후처리 모델을 제안한다. 후처리의 문제를 오류의 인식과 수정으로 구분하고 오류 검출 문제는 순차적인 분류 문제로 간주하여 conditional random fields(CRFs)를 사용하고 오류 수정 규칙은 transformation-based learning(TBL)을 이용하여 자동 생성하여 적용하였다. 제안한 방법을 여행 예약 영역의 음성 인식기에 적용한 결과 삽입, 삭제, 치환 오류를 각각 25.85%, 3.57%, 7.42%을 수정하였으며, 이로 인해 인식기의 어휘 오류율을 2% 감소시킬 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.2-4
• /
• 2021

분산된 환경에서 머신 러닝의 학습 가중치를 공유하여 학습하는 방법은 훈련 데이터를 직접 공유하는 것이 아니기 때문에 안전한 것으로 여겨졌다. 하지만, 최근 연구에 따르면 악의적인 공격자가 공유된 가중치를 분석하여 원본 데이터를 완벽하게 복원할 수 있는 취약점이 발견되었다. Gradient Leakage Attack은 이러한 취약점을 이용해 훈련 데이터를 복원하는 공격 기법이다. 본 연구에서는 개별 장치에서 학습을 진행하고 가중치를 서버와 공유하는 학습 환경인 연합 학습 환경에서 해당 공격을 방어하기 위해 이산 코사인 변환에 기반한 이미지 변환 기법을 제시한다. 실험 결과, 우리의 이미지 변환 기법을 적용하면 공유된 가중치로부터 원본 데이터를 완벽하게 복원할 수 없다.

• 한국콘텐츠학회논문지
• /
• 제10권10호
• /
• pp.479-493
• /
• 2010

지식기반 환경의 변화와 더불어 이-러닝은 매우 보편화된 교수.학습 방법의 하나가 되었으며, 이와 관련한 여러 연구들이 진행되고 있다. 이-러닝의 주요 연구 분야 중의 하나는 학습자의 다양한 상황들을 반영하여 학습자 개개인의 특징에 맞게 학습내용을 지원하기 위한 적응형 학습 시스템에 관한 연구이다. 이와 관련하여 최근에는 적응적 학습내용을 보다 효과적으로 지원하기 위하여 온톨로지를 기반으로 한 적응형 학습 시스템에 대한 연구들이 활발히 진행되고 있다. 본 논문에서는 FCA의 개념 망을 기반으로 온톨로지의 접근 방법과 목적은 같이하지만, 특정 영역의 학습에 적합한 사용자가 보다 자유롭고 쉽게 자신의 적응형 학습 시스템을 구축하여 사용할 수 있는 적응형 학습 시스템을 설계하여 제안한다. 제안된 시스템은 학습영역에 존재하는 학습객체와 학습개념들 사이의 연관 관계에 따라 이들을 개념 망 구조 안에 자동으로 계층화한다. 또한 학습자의 지식수준, 학습선호도, 학습스타일 및 학습개념의 학습상태에 따라 개념 망 학습구조를 적응적으로 구성하여 제시한다.