• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 추계학술대회
• /
• pp.616-617
• /
• 2010

본 논문에서는 유비쿼터스 컴퓨팅 환경에 기반을 둔 e-라닝 모델을 제안하였다. 제안한 모델은 크게 하드웨어와 소프트웨어 환경, 그리고 각종 서비스에 대하여 제안하였다.

• 한국멀티미디어학회논문지
• /
• 제24권10호
• /
• pp.1319-1325
• /
• 2021

It is important to remove fog for accurate object recognition and detection during preprocessing because images taken in foggy adverse weather suffer from poor quality of images due to scattering and absorption of light, resulting in poor performance of various vision-based applications. This paper proposes an end-to-end deep learning-based single image de-fogging method using U-Net architecture. The loss function used in the algorithm is a loss function based on Mahalanobis distance with fog features, which solves the problem of domain shifts, and demonstrates superior performance by comparing qualitative and quantitative numerical evaluations with conventional methods. We also design it to generate fog through the VGG19 loss function and use it as the next training dataset.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2010년도 하계학술대회
• /
• pp.9-13
• /
• 2010

로봇을 통한 창의성과 문제해결력 신장에 대한 기대뿐만 아니라 영재교육 등의 다양한 요구에 의해 사교육 및 방과후학교 로봇교실은 매우 활성화되어 있다. 그러나 로봇교육은 인지적 영역뿐만 아니라 정의적 영역에 대한 효과도 매우 크게 기대되는데, 경제적 형편이 어려운 아동에게는 로봇키트 등의 가격 부담으로 균등한 기회조차 주워지지 못하는 실정이다. 이에 본 연구에서는 서울시의 u-러닝 사업의 일환으로 저소득층 아동들을 대상으로 통제집단과 실험 집단으로 나누어 무상으로 1년간 로봇교육을 실시하여, 정의적 영역과 인지적 영역 그리고 창의성의 유창성 부분에서 어떠한 변화가 일어나는지에 대한 관찰연구를 실시하고 있다. 이에 본 연구에서는 서울시의 u-러닝 사업의 일환으로 저소득층 아동들을 대상으로 통제집단과 실험집단으로 나누어 무상으로 1년간 로봇교육을 실시하여, 정의적 영역과 인지적 영역 그리고 창의성의 유창성 부분에서 어떠한 변화가 일어나는지에 대한 사전사후 비교연구를 실시하고 있다. 현재까지 관찰로 아이들의 태도가 변화하는 성공사례들이 나타나고 있어, IT와 접목된 로봇교육을 통하여 저소득층 아동의 창의적이고 자발적인 태도를 육성하기 위한 가능성이 보여진다.

• 정보교육학회논문지
• /
• 제11권4호
• /
• pp.433-445
• /
• 2007

정보사회로의 진입과 함께 정보격차는 사회 불평등을 초래하는 새로운 요소로 등장하였다. 특히 학교에서 ICT 활용교육, e-러닝, u-러닝이 점차 확대됨에 따라 학생층에서 나타나는 정보격차는 교육 기회의 불평등으로까지 이어질 우려를 낳고 있다. 이에 따라 학교 구성원들의 정보격차 실태에 대한 관심이 높아지고 있다. 본 연구에서는 학생 및 교사의 정보화 수준과 정보격차 현황을 파악하기 위하여, 경남도내 초중등 학생과 교사를 대상으로 설문조사를 실시하였다. 정보화 수준의 측정은 3개 하위 지수(접근, 역량, 활용)에 대한 가중 평균으로 계산하였다. 조사결과 학생과 교사 집단 모두 역량지수에서 가장 큰 격차를 보였다. 또한 역량지수와 활용지수와의 상관관계를 분석한 결과 두 집단 모두 정적상관을 보여 정보 역량의 차이가 정보격차를 이해하는데 중요한 요인임을 알 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제21권3호
• /
• pp.23-32
• /
• 2021

컴퓨터 비전 분야의 의미론적 영상 분할(Semantic Image Segmentation) 기술은 이미지를 픽셀 단위로 분할 하여 클래스를 나누는 기술이다. 이 기술도 기계 학습을 이용한 방법으로 성능이 빠르게 향상되는 중이며, 픽셀 단위의 정보를 활용할 수 있는 높은 활용성이 주목받는 기술이다. 그러나 이 기술은 초기부터 최근까지도 계속 '세밀하지 못한 분할'에 대한 문제가 제기되어 왔다. 이 문제는 레이블 맵의 크기를 계속 늘리면서 발생한 문제이기 때문에, 자세한 에지 정보가 있는 원본 영상의 에지 맵을 이용해 레이블 맵을 수정하여 개선할 수 있을 것으로 예상할 수 있었다. 따라서 본 논문은 기존 방법대로 학습 기반의 의미론적 영상 분할을 유지하되, 그 결과인 레이블 맵을 원본 영상의 에지 맵 기반으로 수정하는 후처리 알고리즘을 제안한다. 기존의 방법에 알고리즘의 적용 한 뒤 전후의 정확도를 비교했을 때 평균적으로 약 1.74% 픽셀 정확도와 1.35%의 IoU(Intersection of Union) 정확도가 향상되었으며, 결과를 분석했을 때 성공적으로 본래 목표한 세밀한 분할 기능을 개선했음을 보였다.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1591-1604
• /
• 2020

본 연구는 고해상도 위성영상을 딥러닝 알고리즘에 적용하여 토지피복을 분류하고 공간객체별 알고리즘의 성능 검증에 대한 연구이다. 이를 Fully Convolutional Network계열의 알고리즘을 선정하였으며, Kompasat-3 위성영상, 토지피복지도 및 임상도를 활용하여 데이터셋을 구축하였다. 구축된 데이터셋을 알고리즘에 적용하여 각각 최적 하이퍼파라미터를 산출하였다. 하이퍼파라미터 최적화 이후 최종 분류를 시행하였으며, 전체 정확도는 DeeplabV3+가 81.7%로 가장 높게 산정되었다. 그러나 분류 항목별로 정확도를 살펴보면, 도로 및 건물에서 SegNet이 가장 우수한 성능을 나타내었으며, 활엽수, 논의 항목에서 U-Net이 가장 높은 정확도를 보였다. DeeplabV3+의 경우 밭과 시설재배지, 초지 등에서 다른 두 모델보다 우수한 성능을 나타내었다. 결과를 통해 토지피복 분류를 위해 하나의 알고리즘 적용에 대한 한계점을 확인하였으며, 향후 공간객체별로 적합한 알고리즘을 적용한다면, 높은 품질의 토지피복분류 결과를 산출할 수 있을 것으로 기대된다.

• 정보과학회 논문지
• /
• 제45권1호
• /
• pp.94-98
• /
• 2018

본 논문은 자율주행을 위한 실시간 의미론적 분할 방법으로 최적화된 심층 신경망 구조인 Wide Inception ResNet (WIR Net)을 제안한다. 신경망 구조는 Residual connection과 Inception module을 적용하여 특징을 추출하는 인코더와 Transposed convolution과 낮은 층의 특징 맵을 사용하여 해상도를 높이는 디코더로 구성하였고 ELU 활성화 함수를 적용함으로써 성능을 올렸다. 또한 신경망의 전체 층수를 줄이고 필터 수를 늘리는 방법을 통해 성능을 최적화하였다. 성능평가는 NVIDIA Geforce gtx 1080과 TX1 보드를 사용하여 주행환경의 Cityscapes 데이터에 대해 클래스와 카테고리별 IoU를 평가하였다. 실험 결과를 통해 클래스 IoU 53.4, 카테고리 IoU 81.8의 정확도와 TX1 보드에서 $640{\times}360$, $720{\times}480$ 해상도 영상처리에 17.8fps, 13.0fps의 실행속도를 보여주는 것을 확인하였다.

• 항공우주시스템공학회지
• /
• 제18권3호
• /
• pp.41-47
• /
• 2024

최근에 무인항공기의 실용화 및 사업화가 추진됨에 따라 무인항공기의 안전성 확보에 관한 관심이 증가하고 있다. 무인항공기의 사고는 재산 및 인명 피해를 발생시키기 때문에 사고를 예방할 수 있는 기술의 개발은 중요하다. 이러한 이유로 AutoEncoder 모델을 이용한 비정상 비행 상태 탐지 기법이 개발되었다. 그러나 기존 탐지 기법은 성능과 실시간 처리 측면에서 한계를 지닌다. 본 논문에서는 U-Net 기반 비정상 비행 탐지 기법을 제안한다. 제안하는 기법에서는 U-Net 모델에서 얻어지는 재구성 오차에 대한 마할라노비스 거리 증가량에 기반하여 비정상 비행이 탐지된다. 모의실험을 통해 제안 탐지 기법이 기존 탐지 기법에 비해 탐지 성능이 우수하며 온보드 환경에서 실시간으로 구동될 수 있음을 알 수 있다.

• 한국IT서비스학회지
• /
• 제17권1호
• /
• pp.91-103
• /
• 2018

This study developed a prediction model using machine learning technology and predicted the success of health consulting by using life log data generated through u-Health service. The model index of the Random Forest model was the highest using. As a result of analyzing the Random Forest model, blood pressure was the most influential factor in the success or failure of metabolic syndrome in the subjects of u-Health service, followed by triglycerides, body weight, blood sugar, high cholesterol, and medication appear. muscular, basal metabolic rate and high-density lipoprotein cholesterol were increased; waist circumference, Blood sugar and triglyceride were decreased. Further, biometrics and health behavior improved. After nine months of u-health services, the number of subjects with four or more factors for metabolic syndrome decreased by 28.6%; 3.7% of regular drinkers stopped drinking; 23.2% of subjects who rarely exercised began to exercise twice a week or more; and 20.0% of smokers stopped smoking. If the predictive model developed in this study is linked with CBR, it can be used as case study data of CBR with high probability of success in the prediction model to improve the compliance of the subject and to improve the qualitative effect of counseling for the improvement of the metabolic syndrome.

• 한국멀티미디어학회논문지
• /
• 제24권11호
• /
• pp.1492-1499
• /
• 2021

Skin prick test is widely used in diagnosing allergic sensitization to common inhalant or food allergens, in which positivities are manually determined by calculating the areas or mean diameters of wheals and erythemas provoked by allergens pricked into patients' skin. In this work, we propose a segmentation algorithm over U-Net, one of the FCN models of deep learning, to help us more objectively grasp the erythema boundaries. The performance of the model is analyzed by comparing the results of automatic segmentation of the test data to U-Net with the results of manual segmentation. As a result, the average Dice coefficient value was 94.93%, the average precision and sensitivity value was 95.19% and 95.24% respectively. We find that the proposed algorithm effectively discriminates the skin's erythema boundaries. We expect this algorithm to play an auxiliary role in skin prick test in real clinical trials in the future.