• 한국정보전자통신기술학회논문지
• /
• 제13권6호
• /
• pp.470-476
• /
• 2020

본 논문에서는 인공지능 블록을 구동할 수 있도록 Edge Device와 서버를 분리하는 영상 딥러닝용 모듈 교체형 인공지능 서버의 설계와 데이터 송수신 방법을 제시한다. 영상 딥러닝용 모듈 교체형 인공지능 서버를 통해 소셜 로봇과 로봇의 플랫폼이 구동될 Edge Device 간의 종속성을 줄여 구동 안정성을 향상할 수 있다. 사용자가 소셜 로봇과의 상호작용을 위해서 인공지능 서버에 기능을 요청하면 모듈화된 기능들을 이용해 결과만을 반환받을 수 있다. 인공지능 서버에서 모듈화되어있는 기능들은 서버 관리자에 의해 모듈별로 유지 보수 및 변경이 쉽게 가능하다. 기존 서버 시스템과 비교했을 때 모듈 교체형 인공지능 서버는 수행되는 프로그램의 규모 차이와 서버 유지 보수 면에서 더 효율적인 성능을 낸다. 이를 통해 사람-로봇 간의 상호작용이 가능한 로봇 시나리오에 더 다양한 영상 딥러닝을 포함 시킬 수 있으며, 로봇 플랫폼 외에 영상 딥러닝을 위한 인공지능 서버에 적용할 때 더 효율적인 성능을 낼 수 있다.

• 한국가정과교육학회지
• /
• 제33권4호
• /
• pp.65-84
• /
• 2021

본 연구의 목적은 거꾸로 문제중심학습(FPBL) 방법을 중학교 가정과 '식품 선택과 보관' 단원에 적용하여 교육안을 개발하고 실행한 후 이 수업에 대해서 평가하는데 있다. 본 연구의 결과는 다음과 같다. 첫째, 수업에 참여한 중학생들은 강의식 수업보다 모둠 활동 수업을 더 선호하였고, 가장 좋아하는 온라인 수업 도구는 미리캔버스(50.00%)이고, 가장 학습에 도움이 된다고 생각하는 온라인 수업 도구는 띵커벨(48.70%)이었다. 이들이 건강, 환경, 안전을 고려한 식품 선택 및 보관 행동과 관련하여 '배우고 싶은 내용'은 '조리실습(27명), 식품별 효율적인 보관 방법(11명), 식품 선택 시 고려해야 할 사항(7명)' 등이고, '요구사항'은 '재미있는 수업(5명), 쉬운 설명(3명)' 등이었다. 둘째, 개발된 중학교 가정과 식생활 FPBL 교육안의 수업 주제는 '건강과 환경을 지키는 식품 선택과 보관' 이고 교육안은 'FPBL 수업 과정 13단계'를 적용하여 3주간 매주 2차시씩 블록 타임(총 6차시) 수업을 진행할 수 있도록 개발되었으며, 디딤 영상, 읽기 자료, 활동지 등의 학습자료와 과정중심평가를 위한 평가도구을 개발하였다. 본 교육안에서 제시된 학생 활동의 중심이 되는 실제적이면서 비구조적인 문제는 'TV 예능프로그램의 건강과 환경을 지키는 식품 선택 및 보관 미션 개발 공모전 참여하기'이다. 셋째, 개발된 교육안으로 수업을 받은 부산시 해운대구 Y 중학교 3학년 학생 206명(남학생 111명, 여학생 95명)은 이 수업이 학습에 도움이 되고, 만족스럽고, 흥미 있고, 그들에게 적합하고, 수업의 참여를 이끌고, 다른 수업 방법과 차별되는 좋은 수업이라고 평가하였다.

• 인터넷정보학회논문지
• /
• 제15권3호
• /
• pp.71-77
• /
• 2014

상호정보 포텐셜과 델타 함수열 (cross-information potential and Dirac-delta functions, CIPD) 을 이용한 Equalizer 알고리듬이 충격성 잡음 하에서도 채널의 ISI 제거 성능이 우수한 반면, 블록 처리 방식으로 가중치 갱신을 행하고 있어서 계산량이 많다는 단점을 갖고 있다. 이 논문에서는 CIPD 알고리듬의 계산량을 크게 줄일 수 있는 방법으로서 매 샘플 시간마다 수행하는 CIPD 알고리듬의 이중 합산을 단일 합산으로 바꿀 수 있는 방법을 제시하였다. 실험 결과에서 제안된 방식은 기존 CIPD 알고리듬과 동일한 기울기 학습 곡선을 나타냈다. 또한 충격성 잡음 상황에서도 기존 방식이 블록처리 데이터 수에 비례하는 계산량을 나타낸 반면 제안된 방식은 이와 관계없이 더 작은 계산량을 유지하면서 CIPD 알고리듬과 동일한 기울기 값을 산출해낸다.

• 한국정보통신학회논문지
• /
• 제13권11호
• /
• pp.2277-2282
• /
• 2009

본 논문에서는 형태학적 특징 및 차 연산과 ART2 알고리즘을 이용한 차량 번호판 인식 방법을 제안하였다. 무인 카메라에서 획득된 차량 번호판 영상에서 차 연산을 이용하여 에지를 추출한 후에 블록 이진화한다. 이진화된 차량 영상에서 신 구 차량 번호판의 형태학적 특성을 8방향 윤곽선 추적 알고리즘에 적용하여 잡음 영역을 제거하고, 차량의 번호판 영역을 추출한다. 추출된 번호판 영역에 대하여 평균 이진화와 최대 최소 이진화를 적용하여 번호판의 개별 영역에 대한 형태학적 특성을 고려하여 잡음을 제거하고, Labeling 알고리즘을 적용하여 개별 문자를 추출한 후에 결합한다. 이렇게 추출되어 결합된 개별 문자 및 숫자 코드들은 ART2 알고리즘에 적용하여 학습 및 인식된다. 제안된 차량 번호판 추출 및 인식 방법의 성능을 평가하기 위해 녹색 번호판과 흰색 번호판 이미지 각각 100장을 대상으로 실험한 결과, 제안된 차량 번호판 추출 및 인식기법이 효율적임을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권11호
• /
• pp.4065-4083
• /
• 2021

Super-resolution can improve the clarity of low-resolution (LR) images, which can increase the accuracy of high-level compute vision tasks. Portable devices have low computing power and storage performance. Large-scale neural network super-resolution methods are not suitable for portable devices. In order to save the computational cost and the number of parameters, Lightweight image processing method can improve the processing speed of portable devices. Therefore, we propose the Enhanced Information Multiple Distillation Network (EIMDN) to adapt lower delay and cost. The EIMDN takes feedback mechanism as the framework and obtains low level features through high level features. Further, we replace the feature extraction convolution operation in Information Multiple Distillation Block (IMDB), with Ghost module, and propose the Enhanced Information Multiple Distillation Block (EIMDB) to reduce the amount of calculation and the number of parameters. Finally, coordinate attention (CA) is used at the end of IMDB and EIMDB to enhance the important information extraction from Spaces and channels. Experimental results show that our proposed can achieve convergence faster with fewer parameters and computation, compared with other lightweight super-resolution methods. Under the condition of higher peak signal-to-noise ratio (PSNR) and higher structural similarity (SSIM), the performance of network reconstruction image texture and target contour is significantly improved.

• 한국인터넷방송통신학회논문지
• /
• 제22권4호
• /
• pp.73-79
• /
• 2022

Artificial intelligence (AI) 프로젝트에 널리 사용되는 Python 언어는 Interpreter 언어로 Runtime 시에 오류가 발생한다. 오류로 인한 프로젝트의 실패를 방지하기 위해서는 사전에 예외적인 상황이 발생할 수 있는 코드에 대한 예외 처리가 필요하다. 특히, 많은 리소스를 필요로 하는 AI 프로젝트에서, 오랜 실행 후 발생하는 예외는 큰 리소스 낭비를 초래한다. 하지만, 예외 처리는 개발자의 경험에 의존하기 때문에 개발자들은 잡아야 할 적절한 예외를 결정하는데 어려움을 가진다. 이러한 필요성을 해결하기 위해 기존 예외 처리문을 학습하여 개발 중에 개발자에게 잡아야 할 예외를 제안해주는 접근 방법을 제안한다. 제안 방법은 try 블록의 소스 코드를 입력으로 받아 except 블록에서 처리되어야 할 예외들을 제안해준다. 우리는 2개의 프레임워크로 구성된 대규모 프로젝트에 대해 접근 방법을 평가한다. 우리의 평가 결과에 따르면, 예외 제안을 수행할 때 평균 AUPRC는 0.92 이상을 나타낸다. 연구 결과는 제안된 방법이 비교 모델들을 능가하는 예외 제안 성능으로 개발자의 예외 처리를 지원할 수 있음을 보여준다.

• 한국콘텐츠학회논문지
• /
• 제22권9호
• /
• pp.76-84
• /
• 2022

본 논문에서는 스마트폰의 사진과 영상을 활용하는 상호작용형 콘텐츠 디바이스인 아이퍼즐 이미지 블록과 연동 가능한 시지각 인지기능 훈련 콘텐츠를 구성하였다. 이를 위해 시각기억, 시각연속성, 공간관계, 시각구별의 4개 영역을 도출하고 콘텐츠 동작, 활용방법과 시나리오를 작성하였다. 콘텐츠 이미지를 디자인하고 기존 학습지형 시각 및 지각 인지기능 훈련 자료를 모바일 미니 게임형으로 개발하여 유아의 훈련참여 욕구를 지속부여, 유도하고자 하였다. 개발된 콘텐츠를 활용하여 일반 아동과 보호자를 대상으로 체험활동을 수행하였으며 기본 퍼즐 완구 대비 높은 집중도와 유익성, 효과성에서 의미있는 결과를 확인하였다. 본 논문을 통해 디지털 완구와 콘텐츠를 기반으로 하는 인지기능 개선활동 연구에 의미있는 자료가 되기를 기대한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권8호
• /
• pp.2068-2082
• /
• 2023

With the rapid development of deep learning, Depth Map Super-Resolution (DMSR) method has achieved more advanced performances. However, when the upsampling rate is very large, it is difficult to capture the structural consistency between color features and depth features by these DMSR methods. Therefore, we propose a color-image guided DMSR method based on iterative depth feature enhancement. Considering the feature difference between high-quality color features and low-quality depth features, we propose to decompose the depth features into High-Frequency (HF) and Low-Frequency (LF) components. Due to structural homogeneity of depth HF components and HF color features, only HF color features are used to enhance the depth HF features without using the LF color features. Before the HF and LF depth feature decomposition, the LF component of the previous depth decomposition and the updated HF component are combined together. After decomposing and reorganizing recursively-updated features, we combine all the depth LF features with the final updated depth HF features to obtain the enhanced-depth features. Next, the enhanced-depth features are input into the multistage depth map fusion reconstruction block, in which the cross enhancement module is introduced into the reconstruction block to fully mine the spatial correlation of depth map by interleaving various features between different convolution groups. Experimental results can show that the two objective assessments of root mean square error and mean absolute deviation of the proposed method are superior to those of many latest DMSR methods.

• 대한토목학회논문집
• /
• 제40권1호
• /
• pp.59-67
• /
• 2020

본 연구는 딥러닝 기술을 적용한 스마트교차로의 부산 해운대로 BRT 구간 버스정류장 유형을 대상으로 교통신호 프로그램인 LISA를 통해 네트워크 구축 및 알고리즘 설계 효과분석을 통해 버스정류장 유형별로 적합한 알고리즘을 제시하였다. 교차로 통과 전 정류장은 Phase insert 기법, 교차로 통과 후 정류장은 Early green 기법, 미드블럭형 정류장은 Extend green 기법이 가장 효과적인 것으로 분석되었고, 버스 및 일반차량과 보행자 현시로 구성하였기 때문에 Extend green 기법으로만 분석하였다. 교차로 통과 전 정류장은 교차로의 전체 통행시간은 57.8초, 지체시간은 33.2초, BRT 상·하행 평균 통행시간 85.3초, 지체시간 31.1초, 통과대수는 28대로 분석되었고, 교차로 통과 후 정류장은 교차로의 전체 통행시간은 58.2초, 지체시간은 31.8초 BRT 상·하행 평균 통행시간 102.2초, 지체시간 42.5초, 통과대수 26대로 분석되었다. 미드블럭형 정류장은 교차로의 전체 통행시간은 42.5초, 지체시간은 11.2초, BRT 상·하행 평균 통행시간 74.2초, 지체시간 17.0초, 통과대수 28대로 분석되었다. 분석결과를 토대로 버스우선 신호시범도입, 보행자 시거확보를 위한 계단식정지선, 속도감속을 위한 고원식횡단보도, 딥러닝 기술을 활용한 무단횡단금지 경고 벨 및 VMS 설치 등으로 BRT 구간에서의 교통사고 감소 효과가 기대되며, 이를 확대 도입할 필요가 있다.

• 대한기계학회논문집
• /
• 제16권1호
• /
• pp.156-161
• /
• 1992

본 연구에서는 이송축 직류 서보 모터의 전류신호와 NC정보를 이용해서 선삭 가공상태를 감시하는 시스템을 개발하였다. 모터 전류는 가공 부하의 상태를 잘 나 타내며, NC 장치에 내장되어 있기 때문에 신호 검출을 위한 별도의 센서가 필요 없어 서 공구가 수시로 바뀌는 NC작업 감시를 위한 유효한 신호이다. 또 NC 정보로부터 작업을 예측함으로써 감시 대상을 명확히 하고 신뢰성을 높이고자 하였다. 전체적인 감시 시스템의 프로그래밍 언어로는 C를 사용하여, 실시간 감시처리를 가능하게 하였 다.