• 인지과학
• /
• 제12권4호
• /
• pp.1-9
• /
• 2001

모바일 인터넷은 단말기의 휴대가 가능하고 무선으로 인터넷에 접속할 수 있기 때문에 언제 어디서나 사용할 수 있다. 따라서 고정된 환경에서 사용하게 되는 유선 인터넷에 비해 모바일 인터넷 사용자는 다양한 정황 속에서 인터넷을 사용하게 된다. 본 연구에서는 이러한 여러 가지 정황 요인 들 중에서 손과 다리 및 눈에 관한 신체 정황을 선택하여, 이들이 모바일 인터넷 사용 성과와 만족도에 미치는 영향에 관하여 연구하였다. 본 연구를 위해 각 정황에서 과제를 수행하는 통제된 실험을 실시했고, 과업의 정확도와 주관적인 만족도를 측정했다 연구 결과, 각각의 정황이 개별적으로 피험자들에게 주어졌을 때는 정확도와 만족도에 영향을 미치지 않았지만. 두 개 이상의 정황이 동시에 주어졌을 때, 즉 눈에 있어서 시각적인 방해와 다리에 있어서 보행이라는 정황이 동시에 주어졌을 때 정화도 및 만족도가 떨어졌다. 이것은 주의의 한계로 인해 피험자로 하여금 하나의 신체적 정황에 대한 주의 보다 둘 이상의 신체적 정황에 대한 주의가 더 필요하게 되었고 그 결과 과업을 수행하는 인지적 주의의 양이 줄어들었기 때문임을 시사하고 있다.

• 한국인터넷방송통신학회논문지
• /
• 제21권6호
• /
• pp.155-161
• /
• 2021

최근, 실시간으로 카메라를 통해 동작을 인식하는 기술의 연구가 많이 진행되고 있다. 기존의 연구들에서는 사람의 관절로부터 특징을 추출하는 개수가 적기 때문에 동작 분류의 정확도가 낮은 한계점들이 있다. 본 논문에서는 이러한 한계점들을 해결하기 위해 움직일 때 변하는 관절의 각도를 특징 추출하여 계산하는 알고리즘과 이미지 분류 시에 정확도가 높은 CBAM(Convolutional Block Attention Module)을 사용한 분류모델을 제안한다. AI Hub에서 제공하는 피트니스 자세 이미지로부터 5가지 운동 동작 이미지를 인용하여 분류 모델에 적용한다. 구글에서 제공하는 그래프 기반 프레임워크인 MediaPipe 기법을 사용하여, 이미지로부터 운동 동작 분류에 중요한 8가지 관절 각도 정보를 추가적으로 추출한다. 추출한 특징들을 모델의 입력으로 설정하여, 분류 모델을 학습시킨다. 시뮬레이션 결과로부터 제안한 모델은 높은 정확도로 운동 동작을 구분하는 것을 확인할 수 있다.

• 한국정보전자통신기술학회논문지
• /
• 제17권4호
• /
• pp.190-197
• /
• 2024

O2O 상점 모델은 온/오프라인의 경계를 허물어 고객에게 큰 편의성을 제공하는 플랫폼이다. 이러한 플랫폼을 효과적으로 운영하기 위해서는 소상공인들이 필요한 정보를 디지털 형태로 제공해야 한다. 특히, 한글 메뉴판을 디지털화하는 과정이 수동으로 진행될 경우 여러 문제점을 일으킬 수 있으며, OCR 기술 사용 시 한글의 인식 정확도가 낮아 오류 인식의 가능성이 높다. 이에 본 논문에서는 한글 메뉴판의 자동 인식을 위해 대표적인 OCR 모델인 EasyOCR을 기반으로 하되, 한글 문자 인식의 낮은 정확도를 개선하고자 한다. 제안하는 모델은 VGG와 ResNet의 구조적 장점을 통합하고, 어텐션 메커니즘을 도입하여 한글 문자의 인식 성능을 크게 향상시키도록 설계한다. 실험 결과, 제안하는 모델은 EasyOCR에 비해 Accuracy 기준 약 3.5%, Confidence Score와 Normalized Edit Distance 기준 약 1%의 인식 정확도 향상을 보였다. 따라서, 제안한 방법이 기존 문제를 효과적으로 해결할 수 있음을 입증한다.

• 인지과학
• /
• 제19권2호
• /
• pp.125-142
• /
• 2008

본 연구는 공간-기반 주의(space-based attention)와 대상-기반 주의(object-based attention)가 공간 및 시각 작업기억에 미치는 영향을 살펴보고자 두 가지 주의 자원 양상이 모두 관여하는 공간 스트룹 과제를 이용하여 작업기억의 재인율을 측정하였다. 작업기억과 공간 스트룹 과제의 자극 배열의 유사성 조건은 작업기억 과제 수행 시 공간 시연에 미치는 공간-기반 주의의 영향을 살펴보고자 구성되었으며, 스트룹 조건은 작업기억 과제 수행시 대상에 대한 시연에 미치는 대상-기반 주의의 영향을 살펴보고자 하였다. 그 결과, 공간 작업기억과 공간 스트룹 과제의 자극 배열의 유사성이 높은 조건에서 공간 작업기억의 재인율이 높은 것으로 나타났으며, 스트룹 조건에 따라서는 차이가 없는 것으로 나타났다. 반면, 시각 작업기억의 재인율은 스트룹 일치조건보다 불일치조건에서 더 저조한 것으로 나타났으며, 유사성 조건에 따라서는 차이가 없는 것으로 나타났다. 이러한 결과는 작업기억에서 요구되는 자원의 양상과 선택적 주의 자원의 양상이 동일한 경우에만 선택적 주의가 작업기억에 영향을 준다는 것을 시사하는 것이다.

• 인지과학
• /
• 제19권3호
• /
• pp.311-330
• /
• 2008

주의가 주어진 위치에 발현되는 공간적 주의는 주의 착점으로부터 거리가 멀어질수록 점진적으로 감소한다. 이에 근거하여 지각과 단기 기억 수준에 작용하는 시각적 주의의 공간적 패턴을 조사하였다. 실험 1에서는 시야의 한 지점에 사전 단서(pre-cue)를 제시한 후 시각적 차폐를 동반한 표적 자극을 변별하는 지각적 처리 과제(perception-intensive task)와 차폐 자극이 없이 단서 위치의 항목을 기억해야 하는 기억 처리 과제(memory-intensiv, task)가 사용되었다. 지각 과제에서 표적 변별 정확도는 주의 착점에서 가장 높았고 인접한 위치에 제시된 표적일 경우 단서 위치로부터 거리가 멀어질수록 점진적으로 저하되었다. 반면에 기억 과제에서는 단서 위치에 제시된 기억 항목만이 정확히 재인되었으며 인접한 항목들에 대한 기억 재인은 우연 수준에 머물렀다. 실험 2는 지각 처리 과제에서도 객체(object) 수준의 공간적 주의가 작용함을 보여주어 기억 과제에서 관찰된 객체 중심적 주의 효과가 경우에 따라서는 지각적 처리 과정에서도 발현될 수 있음을 보여주었다. 이 결과는 선별적 주의 효과는 위치 중심적 모형의 예견에만 국한되지 않고 요구되는 정보 처리 수준의 공간적 특성에 따라 위치 중심적 또는 객체 중심적으로 융통성 있게 작용함을 시사한다.

• ETRI Journal
• /
• 제43권6호
• /
• pp.1081-1092
• /
• 2021

Electroencephalography (EEG) recordings taken during the perception of music tempo contain information that estimates the tempo of a music piece. If information about this tempo stimulus in EEG recordings can be extracted and classified, it can be effectively used to construct a music-based brain-computer interface. This study proposes a novel convolutional recurrent attention model (CRAM) to extract and classify features corresponding to tempo stimuli from EEG recordings of listeners who listened with concentration to the tempo of musics. The proposed CRAM is composed of six modules, namely, network inputs, two-dimensional convolutional bidirectional gated recurrent unit-based sample encoder, sample-level intuitive attention, segment encoder, segment-level intuitive attention, and softmax layer, to effectively model spatiotemporal features and improve the classification accuracy of tempo stimuli. To evaluate the proposed method's performance, we conducted experiments on two benchmark datasets. The proposed method achieves promising results, outperforming recent methods.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권3호
• /
• pp.721-739
• /
• 2023

Rating prediction is an important issue in recommender systems, and its accuracy affects the experience of the user and the revenue of the company. Traditional recommender systems use Factorization Machinesfor rating predictions and each feature is selected with the same weight. Thus, there are problems with inaccurate ratings and limited data representation. This study proposes a deep recommendation model based on self-attention Factorization (SAFMR) to solve these problems. This model uses Convolutional Neural Networks to extract features from user and item reviews. The obtained features are fed into self-attention mechanism Factorization Machines, where the self-attention network automatically learns the dependencies of the features and distinguishes the weights of the different features, thereby reducing the prediction error. The model was experimentally evaluated using six classes of dataset. We compared MSE, NDCG and time for several real datasets. The experiment demonstrated that the SAFMR model achieved excellent rating prediction results and recommendation correlations, thereby verifying the effectiveness of the model.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.493-495
• /
• 2023

Deep learning methods and attention mechanisms have been incorporated to improve facial emotion recognition, which has recently attracted much attention. The fusion approaches have improved accuracy by combining various types of information. This research proposes a fusion network with self-attention and local attention mechanisms. It uses a multi-layer perceptron network. The network extracts distinguishing characteristics from facial images using pre-trained models on RAF-DB dataset. We outperform the other fusion methods on RAD-DB dataset with impressive results.

• ETRI Journal
• /
• 제32권1호
• /
• pp.154-156
• /
• 2010

Oscillation-based testing of analog-to-digital converters represents a viable option for low-cost built-in self-testing in mixed-signal design. While numerous papers have addressed implementation issues, little attention has been paid to the measurement accuracy. In this letter, we highlight an inherent measurement uncertainty which has to be considered when deriving the parameters from the oscillation frequency.

• 한국멀티미디어학회논문지
• /
• 제24권8호
• /
• pp.1026-1034
• /
• 2021

Tire wear and defect are important factors for safe driving condition. These defects are generally inspected by some specialized experts or very expensive equipments such as stereo depth camera and depth gauge. In this paper, we propose tire safety vision inspector based on deep neural network (DNN). The status of tire wear is categorized into three: 'safety', 'warning', and 'danger' based on depth of tire tread. We propose an attention mechanism for emphasizing the feature of tread area. The attention-based feature is concatenated to output feature maps of the last convolution layer of ResNet-101 to extract more robust feature. Through experiments, the proposed tire wear classification model improves 1.8% of accuracy compared to the existing ResNet-101 model. For detecting the tire defections, the developed tire defect detection model shows up-to 91% of accuracy using the Mask R-CNN model. From these results, we can see that the suggested models are useful for checking on the safety condition of working tire in real environment.