• 디지털융복합연구
• /
• 제19권6호
• /
• pp.251-258
• /
• 2021

본 논문에서는 U-Net 기반의 semantic segmentation 방법에서 정확도를 향상시키기 위해 residual learning을 활용한 인코더-디코더 구조의 모델을 제안하였다. U-Net은 딥러닝 기반의 semantic segmentation 방법이며 자율주행 자동차, 의료 영상 분석과 같은 응용 분야에서 주로 사용된다. 기존 U-Net은 인코더의 얕은 구조로 인해 특징 압축 과정에서 손실이 발생한다. 특징 손실은 객체의 클래스 분류에 필요한 context 정보 부족을 초래하고 segmentation 정확도를 감소시키는 문제가 있다. 이를 개선하기 위해 제안하는 방법은 기존 U-Net에 특징 손실과 기울기 소실 문제를 방지하는데 효과적인 residual learning을 활용한 인코더를 통해 context 정보를 효율적으로 추출하였다. 또한, 인코더에서 down-sampling 연산을 줄여 특징맵에 포함된 공간 정보의 손실을 개선하였다. 제안하는 방법은 Cityscapes 데이터셋 실험에서 기존 U-Net 방법에 비해 segmentation 결과가 약 12% 향상되었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.1539-1542
• /
• 2012

고정된 컴퓨터에서 학습하는 e-learning에서 탈피하여 이동 중에도 학습이 가능한 u-learning이 필요하여 u-learning의 한부분인 스마트러닝은 급변하는 정보화시대의 교육경향이 매우 빠르게 변화하고 있는 상황을 그대로 반영해주는 결과물이라고 할 수 있다. 스마트 러닝이 학습향상에 얼마나 영향을 미치는가를 분석하고 스마트 러닝 기능을 최대한 활용하여 최대의 학습 효과를 얻을 수 있는 방법을 제시하며 스마트기기를 이용해 실제 학습하는 사례를 적용한 동영상 강의 애플리케이션의 효율적인 관리 시스템을 분석 설계한다. 각종 콘텐츠를 비롯하여 동영상강의 어플리케이션을 통한 여러 학습수단을 배경으로 전체적인 면에서 학습 환경을 살펴봄으로써 학습효과에 보다 나은 방안을 제시하고자 한다.

• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1095-1107
• /
• 2020

홍수 발생 시 위성영상을 활용하여 침수된 지역을 추출하는 것은 홍수 발생 기간 내의 위성영상 취득과 영상에 나타난 침수구역의 정확한 분류 등에서 많은 어려움이 존재한다. 딥러닝은 전통적인 영상분류기법들에 비해 보다 정확도가 높은 위성영상분류기법으로 주목받고 있지만, 광학영상에 비해 홍수 발생 시 위성영상의 취득이 용이한 SAR 영상의 분류 잠재력은 아직 명확히 규명되지 않았다. 본 연구는 대표적인 의미론적 영상 분할을 위한 딥러닝 모델인 SegNet과 U-Net을 활용하여 동남아시아의 라오스, 태국, 필리핀의 대표적인 홍수 발생지역인 코랏 유역(Khorat basin), 메콩강 유역(Mekong river basin), 카가얀강 유역(Cagayan river basin)에 대해 Sentinel-1 A/B 위성영상으로부터 침수지역 추출을 실시하였다. 분석결과 침수지역 탐지에서 SegNet의 Global Accuracy, Mean IoU, Mean BF Score는 각각 0.9847, 0.6016, 0.6467로 나타났으며, U-Net의 Global Accuracy, Mean IoU, Mean BF Score는 각각 0.9937, 0.7022, 0.7125로 나타났다. 국지적 분류결과 확인을 위한 육안검증에서 U-Net이 SegNet에 비해 보다 높은 분류 정확도를 보여주었지만, 모델의 훈련에 필요한 시간은 67분 17초와 187분 19초가 각각 소요되어 SegNet이 U-Net에 비해 약 3배 정도 빠른 처리속도를 보여주었다. 본 연구의 결과는 향후 딥러닝 기법을 활용한 SAR 영상기반의 홍수탐지 모델과 실무적으로 활용이 가능한 자동화된 딥러닝 기반의 수계탐지 기법의 제시를 위한 중요한 참고자료로 활용될 수 있을 것으로 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제26권9호
• /
• pp.37-47
• /
• 2021

본 논문에서는 U-네트에서 수용 영역을 다양화하여 기존의 모델보다 정확도가 개선된 새로운 혀 영역 분할을 위한 딥러닝 모델을 제안한다. 수용 영역 다양화를 위하여 병렬 컨볼루션, 팽창된 컨볼루션, 상수 채널 증가 등의 방법을 사용하였다. 제안된 딥러닝 모델에 대하여, 학습 영상과 테스트 영상이 유사한 TestSet1과 그렇지 않은 TestSet2의 두 가지 테스트 데이터에 대해 혀 영역검출 실험을 진행하였다. 수용 영역이 다양화됨에 따라 혀 영역 분할 성능이 향상되는 것을 실험결과에서 확인할 수 있었다. 제안한 방법의 mIoU 값은 TestSet1의 경우 98.14%, TestSet2의 경우 91.90%로 U-net, DeepTongue, TongueNet 등 기존 모델의 결과보다 높았다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.686-688
• /
• 2020

본 논문에서는 U-Net 모델을 이용하여 정교하고 반복되는 패턴을 가진 인쇄물에 대한 비지도 학습을 통한 딥러닝 기반 이상치탐지(Anomaly Detection) 방법을 제안하였다. 인쇄물(카드)의 비정상 패턴 검출을 위하여 촬영한 영상으로부터 카드 영역을 분리한 이미지로 구성된 Dataset을 구축하였고 정상 이미지와 동일한 이미지를 출력하기 위해, 정상 이미지와 마스크 이미지 쌍의 Training dataset을 U-Net으로 학습하였다. Test dataset의 이미지를 입력으로 넣어 생성된 마스크 결과를 원본 마스크 이미지와 비교하여 이상 여부를 판단하는 본 논문의 방법이 정상, 비정상 인쇄물을 잘 구분하는 것을 확인하였다. 또한 정상과 비정상 이미지 각각을 학습한 지도학습 기반 CNN 분류 방법을 입력 영상과 복원 영상 간의 복원 오차를 비교하여 객체의 이상 여부를 판별하는 본 논문의 방법과 비교 평가하였다. 본 논문을 통해 U-Net을 사용하여 별도로 데이터에 대한 label 취득 없이 이상치를 검출할 수 있음을 확인할 수 있었다.

• 비교교육연구
• /
• 제18권4호
• /
• pp.141-162
• /
• 2008

우리 주변에서 접할 수 있는 대부분의 이러닝 프로그램들은 강의법을 주된 교수방법으로 활용하고 있다. 이러닝 환경에서 강의법은 가장 효과적이지 못한 교수방법이라는 메타분석 연구결과 및 학습자의 능동적 참여만이 이러닝 프로그램의 성공을 보장할 수 있다는 학자들의 주장은 강의법 위주의 이러닝 프로그램의 학습효과에 의문을 제기하게 한다. 결국, 이러닝 프로그램의 질적 수준과 그 효과는 어떠한 페다고지를 적용하느냐에 따라 결정된다고 할 수 있다. 이 연구는 설계 연구(design research)를 통해 질적 개선을 추구하고 있는 미국의 이러닝 프로그램들이 어떠한 심리적 특성들을 공통적으로 반영하고 있는 지에 대한 분석을 통해 국내 이러닝 프로그램들의 개선을 위한 시사점을 제시하고자 하였다. 분석된 미국의 이러닝 프로그램들은 공통적으로 구성주의 교육철학의 배경을 가지고 반성적 사고, 협력적 상호작용 공간, 지식 구성, 맥락적 행위, 외적 표상의 활용 등의 심리적 특성들을 강조하고 있었다. 즉, 경험주의 학습, 상황학습, 협력학습, 복합표상 학습 등은 국내 이러닝 프로그램의 개선을 위해서 고려해야 할 학습원칙들일 것이다.

• 한국컴퓨터산업학회논문지
• /
• 제6권5호
• /
• pp.749-756
• /
• 2005

향후 도래하는 유비쿼터스 환경에서는 모든 전자기기가 유/무선 통신망으로 연결되어 사용자는 언제 어디서나 원하는 정보에 접근할 수 있다. 특히, u-러닝(Ubiquitous-Learning)은 교육학적인 측면 뿐 아니라 어디서나 접근할 수 있다는 유비쿼터스적인 측면을 통해 학습의 효과를 보다 향상시킬 수 있다. 현재까지 추진된 u-러닝의 연구사례로, 주어진 학습 컨텐츠를 PDA를 이용하여 야외에서 학습할 수 있도록 하며, 원격지 모바일 환경의 학생들을 교실 수업에 참여시키는 스마트교실 등이 있다. 그러나 기존의 연구들에서는 학습자의 상호작용이나 협동학습 등의 교육학적인 속성과 유비쿼터스의 환경적 속성을 만족시키지 못함에 따라 본 연구에서는 어디서나 교실 환경에 참여하는 유비쿼터스 환경에 적합하면서도 교육학적인 면을 만족시키는 모바일 교실 프레임워크를 제안하고자 한다.

• 한국실천공학교육학회논문지
• /
• 제3권1호
• /
• pp.69-75
• /
• 2011

본 논문에서는 유비쿼터스 컴퓨팅 환경에 기반을 둔 e-러닝 모델을 제안하였다. 이를 위해 국내외 대학의 진보된 e-러닝 시스템을 조사 및 분석하였으며, 이를 근간으로 유비쿼터스 환경에 기반을 둔 최적의 e-러닝 모델을 제안하였다. 제안한 모델은 최적의 e-러닝 하드웨어 및 소프트웨어, 그리고 다양한 e-러닝 서비스를 포함하고 있다. 여기에는 출결체크 서비스, 수업운영 서비스, 공용지식 서비스, 성적처리 서비스, 편의시설 서비스, 개인운영 서비스, 신용조회 서비스, 캠퍼스안내 서비스, 강의실운영 서비스 등이 있다. 또한, 실험.실습에 관련된 서비스도 포함하고 있다.

• 한국콘텐츠학회논문지
• /
• 제7권12호
• /
• pp.283-291
• /
• 2007

유비쿼터스 컴퓨팅의 시대로 접어들면서, 컴퓨터 시스템은 언제 어디서나 우리의 일상생활에서 필요로 하는 적절한 서비스와 정보를 제공할 수 있게 되었다. 이러한 유비쿼터스 컴퓨팅은 언제 어디서나 학습을 할 수 있는 유비쿼터스 학습의 개념으로 발전시켰다. 본 논문에서는 기존의 ERSS(Korea's Educational Resources Sharing System)를 발전시켜, 유비쿼터스 컴퓨팅 기술이 적용된 U-스쿨을 위한 프레임워크를 제안한다. 제안된 프레임워크는 기존의 ERSS를 기반으로 하여 모바일 기술, 센서 단말 기술과 상황 인식 기술을 적용하였고 사용자 중심의 시나리오를 사용하여 사용자 중심의 러닝 환경을 제공한다. 특히 유비쿼터스 교육 환경에서의 상황인식 서비스는 학생, 교사, 객체 및 환경의 동적인 상황 정보를 기반으로 즉시 학습 및 개인별 맞춤 학습에 적용될 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(D)
• /
• pp.35-37
• /
• 2012

원격교육과 e-러닝의 차세대 형태로 모바일 교육에 대한 관심이 급증하고 있다. 이러한 모바일 교육은 스마트폰을 중심으로 전개되고 있으며 사이버 대학교뿐만 아니라 일반 오프라인 대학에서도 적극적인 움직임을 보이고 있다. 본 논문에서는 u-캠퍼스 환경기반에서의 모바일 교육 서비스 시스템을 설계하였다. 모바일 교육 서비스 시스템은 u-캠퍼스 환경기반에서 교육 수요자들인 학생들에게 시공간의 제약 및 디바이스에 제약이 없는 학습 환경 시스템을 제공하고 모바일 캠퍼스 플랫폼 기반의 m-러닝 시스템을 설계한 것이다.