• 한국콘텐츠학회논문지
• /
• 제22권10호
• /
• pp.742-753
• /
• 2022

최근 4차 산업혁명의 핵심 기술 중 하나로 급성장하고 있는 클라우드 컴퓨팅은 세계적인 IT 트렌드 변화의 중심이 되었으며 클라우드 컴퓨팅을 위한 가상화 기술은 컨테이너 기반의 오픈소스 플랫폼인 도커가 대세를 이루고 있다. 이에 본 논문에서는 2013년 3월부터 2022년 7월까지 게재된 연구를 중심으로 도커 컨테이너 기반의 연구 동향을 비교·분석하였다. 연구 결과, 첫째, 연도별 논문 게재수는 국내·외 모두 꾸준히 증가하고 있었다. 둘째, 연구 키워드에서, 국내, Docker, Docker Containers, Containers, 국외, Cloud Computing, Containers, Edge Computing 순이었다. 셋째, 연구 분야 동향 추정을 위한 발행기관별 빈도수는 국내, The Journal of Korean Institute of Next Generation Computing, Journal of Korean Association of Computer and Accounting 두 논문지에서 활용도가 가장 높았고, 국외, IEEE Communications Surveys & Tutorials, IEEE Access, Computer 순으로 활용도가 높았다. 넷째, 연구방법에서 국내, 실험 78편(26.3%), 조사 32편(10.8%), 국외, 실험 128편(43.1%), 조사 59편(19.9%)이였고 구현방법에서는 전체의 206편(69.4%)이 실험이고, 91편(30.6%)이 조사이다. 그중 실험에서 국내, System 25편(8.4%), Algorithm 24편(8.1%), Performance Measurement and Improvement 16편(5.4%), 국외, Algorithm 37편(12.5%), Performance Measurement and Improvement 17편(9.1%), Framework 26편(8.8%) 순이었다. 이를 통해 연구방법, 연구주제, 연구분야, 기술개발 등 도커 컨테이너 기반 클라우드 컴퓨팅의 연구 방향을 이끌어 갈 수 있는 기초자료로 활용되기를 기대한다.

• 한국빅데이터학회지
• /
• 제7권2호
• /
• pp.31-41
• /
• 2022

철강은 기계 산업의 가장 기본적인 구성 요소 중 하나이다. 그러나 철강의 표면 결함은 제품의 품질에 큰 영향을 미친다. 따라서 연구자들은 표면 결함 감지기의 필요성에 주목하고 딥 러닝을 이용한 방법은 객체 결함 감지를 하는데 많이 사용된다. 연구 개발용으로 학습 모델 개발에 초점을 맞추지만 실제 산업환경에 실질적인 영향을 미치는 실시간 적용은 아직 적용되지 않는 한계와 개선의 여지가 필요하다. 본 연구는 YOLOv4를 기반으로 한 철강 표면 결함 감지의 실시간 적용을 제안한다. 첫째, 본 연구는 실시간 응용 모델을 적용하는 것을 목적으로 하며 실시간 객체 검출기의 가장 유명한 알고리즘 중 하나인 one-stage Detector의 YOLO 알고리즘을 중심으로 연구를 진행하였다. 둘째, 사전 훈련된 YOLOv4-Darknet 플랫폼 모델과 전이학습을 사용하여 철강 표면 오픈 소스 데이터셋 NEU-DET을 이용하여 학습과 테스트를 진행하였다. 본 연구에서는 철강 표면의 패치, 구멍 난 표면, 불순물, 스크래치 4가지 유형의 결함을 이용하였다. 셋째, 87.1% mAP@0.5의 정확도와 60fps 이상의 시스템 구축을 위해 YOLOv4를 이용하여 훈련된 모델의 실시간 성능을 평가하였다.

• 지능정보연구
• /
• 제20권2호
• /
• pp.109-122
• /
• 2014

현재 우리는 소셜 네트워크 서비스(Social Network Service, 이하 SNS) 상에서 수많은 데이터를 만들어 내고 있다. 특히, 모바일 기기와 SNS의 결합은 과거와는 비교할 수 없는 대량의 데이터를 생성하면서 사회적으로도 큰 영향을 미치고 있다. 이렇게 방대한 SNS 데이터 안에서 사람들이 많이 이야기하는 이슈를 찾아낼 수 있다면 이 정보는 사회 전반에 걸쳐 새로운 가치 창출을 위한 중요한 원천으로 활용될 수 있다. 본 연구는 이러한 SNS 빅데이터 분석에 대한 요구에 부응하기 위해, 트위터 데이터를 활용하여 트위터 상에서 어떤 이슈가 있었는지 추출하고 이를 웹 상에서 시각화 하는 트위터이슈 트래킹 시스템 TITS(Twitter Issue Tracking System)를 설계하고 구축 하였다. TITS는 1) 일별 순위에 따른 토픽 키워드 집합 제공 2) 토픽의 한달 간 일별 시계열 그래프 시각화 3) 토픽으로서의 중요도를 점수와 빈도수에 따라 Treemap으로 제공 4) 키워드 검색을 통한 키워드의 한달 간 일별 시계열 그래프 시각화의 기능을 갖는다. 본 연구는 SNS 상에서 실시간으로 발생하는 빅데이터를 Open Source인 Hadoop과 MongoDB를 활용하여 분석하였고, 이는 빅데이터의 실시간 처리가 점점 중요해지고 있는 현재 매우 주요한 방법론을 제시한다. 둘째, 문헌정보학 분야뿐만 아니라 다양한 연구 영역에서 사용하고 있는 토픽 모델링 기법을 실제 트위터 데이터에 적용하여 스토리텔링과 시계열 분석 측면에서 유용성을 확인할 수 있었다. 셋째, 연구 실험을 바탕으로 시각화와 웹 시스템 구축을 통해 실제 사용 가능한 시스템으로 구현하였다. 이를 통해 소셜미디어에서 생성되는 사회적 트렌드를 마이닝하여 데이터 분석을 통한 의미 있는 정보를 제공하는 실제적인 방법을 제시할 수 있었다는 점에서 주요한 의의를 갖는다. 본 연구는 JSON(JavaScript Object Notation) 파일 포맷의 1억 5천만개 가량의 2013년 3월 한국어 트위터 데이터를 실험 대상으로 한다.

• Clinical and Experimental Pediatrics
• /
• 제52권7호
• /
• pp.824-831
• /
• 2009

목 적 : HIE의 치료법으로 줄기 세포가 대안으로 떠오르고 있다. mMSC가 성인 동물 모델에서의 뇌졸중 및 퇴행성 뇌질환에 유의한 기능 회복을 보인다는 보고가 많이 있으나 미성숙 동물 모델에서의 연구 보고는 거의 없는 상태이다. 이에 HIE가 유발된 미성숙뇌에 mMSC를 투여하여 기능 회복에 대한 효과를 평가하고자 본 연구를 시행하였다. 방 법 : 생후 7일된 수컷 Sprague-Dawley 흰쥐를 sham 대조군, 뇌 손상 대조군, 고용량 mMSC 이식군 및 저용량 mMSC 이식군으로 나누었으며 저산소 허혈 뇌 손상 유도 2주 후에 mMSC를 병변부 국소 이식을 시행하였다. 세포 이식 2, 4, 6 및 8주째에 개방장 시험을 시행하여 운동 기능 회복 정도를 평가하였고, 이후 1주일 동안 Morris 수중 미로 시험을 3개 부문으로 시행하여 학습 및 기억력 회복 정도를 평가하였다. 결 과 : 개방장 시험 결과 네 군간에서 통계적으로 유의한 차이는 없었다(F=0.412, P=0.745). 공간 획득 검사에서 네 군간 평균 탈출 시간에 서로 차이가 있었고(F=380.319, P<0.01), 고용량 mMSC 이식군 및 sham 대조군은 뇌 손상 대조군에 비해 검사 2일째부터 5일째까지 각각 평균 탈출 시간이 감소하였으며(P<0.05), 시간이 갈수록 더 유의하게 차이를 보였다(F=16.034, P<0.01). 참조 기억 검사에서는 네 군간 차이는 없었으며 시각 검사에서는 다섯번째 시행 검사에서만 고용량 mMSC 이식군과 뇌 손상 대조군간에 통계적으로 유의한 차이가 있었다(P<0.05). 결 론 : 일부 검사에서만 고용량 mMSC 이식의 효과가 뚜렷하였고 그 외의 검사에는 통계적으로 유의한 결과는 보이지는 않았으나 산술적인 호전을 보이는 것을 확인할 수 있었다. 향후 최적의 효과를 보이는 줄기 세포의 농도와 이식 시기를 결정하는 연구가 필요할 것으로 보이며 HIE에서 mMSC가 대안적인 치료 수단으로 이용될 수 있다고 생각된다.

• 자원환경지질
• /
• 제54권2호
• /
• pp.177-186
• /
• 2021

한반도 지진 재해 대비를 위해 지난 5년간 활성 단층 조사가 수행되어 왔다. 특히 피복 활성단층 조사는 항공 LiDAR 기반 지형 분석, 지표 지질 조사, 지구 물리 탐사 결과를 종합하여 피복된 단층면에 대한 트렌치 조사를 수반한다. 하지만 이러한 트렌치 조사에 의해 발견된 단층면은 한시적으로 연구된 후 복구되기 때문에 트렌치 단층면 현장에 대한 정보는 논문 및 보고서 등과 같은 정성 자료로 남게 된다. 이와 같은 한시적 지질 연구의 한계를 보완하기 위하여 이 연구에서는 지상 LiDAR를 활용하여 트렌치 단층면에 대한 3차원 점군 자료를 생성하고 디지털 공간상에서 트렌치 현장을 복원하였다. 지상 LiDAR 탐사는 양산 단층 지역에서 수행된 두 곳의 트렌치 조사 지점에서 수행되었으며, LiDAR 점군의 기본 속성값인 진폭과 반사도 이외에도 디지털 카메라를 활용하여 트렌치 단층면의 색상 정보도 측정하였다. 측정된 자료는 평균 0.003 m의 정합 오차를 가지는 3차원 점군 자료로 변환되어 트렌치 형상을 정교하게 복원하였다. 하지만 LiDAR 스캔 위치에 따라 점군의 진폭과 반사도 값이 변화되었으며, 햇빛 노출 정도에 따라서 트렌치 단면의 색상 정보가 다르게 형상화 되어 후처리 과정의 고도화가 필요함을 시사하였다. 이러한 점군 자료는 대용량 파일로 존재하고 점군 자료 가시화 방법 또한 제한적이기 때문에 3차원 점군 자료에 대한 연구자 간 공유가 어렵다. 이에 대한 대안으로 오픈소스 플랫폼인 Potree를 활용하여 트렌치 점군 자료를 웹 상에서 가시화하는 방법을 제안하였다. 이와 같이 우리는 시간적 그리고 공간적 제약 조건이 따르는 지질 현장 조사에서 지상 LiDAR 자료가 주요 지질 대상에 대한 재현성을 높일 수 있는 동시에 연구자 및 미래 후속 세대에 의해 손쉽게 활용될 수 있음을 보여주고자 한다.