• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 춘계학술발표대회
• /
• pp.1002-1005
• /
• 2009

정보 통신 기술의 발달은 전산화, 정보화, 지식 정보화 과정을 거쳐 현재 차세대 패더다임인 유비쿼터스화 단계에 이르렀다. 시간과 장소에 구애받지 않고 언제 어디서나 창의적이고 효율적인 학습자 중심의 교육환경을 제공할 수 있는 u-러닝 기술은 7차 교육과정 수행과 함께 필수적인 요소로 부각되고 있다. 최근 교육과정이 u-러닝 환경으로의 변화에 따라 교수 학습 체계 역시 변화가 예상된다. 그리고 ICT를 활용한 교수 학습 모형과 교과별 콘텐츠에 대한 개발이 활발한 이유도 현재 u-러닝이 적극 추진되면서 교육환경에 대한 새로운 요구와 필요성이 증대되고 있기 때문이다. 따라서 교육환경인 u-러닝 시대에 맞추어 교과목에 대한 교수-학습 모형 연구가 이루어 져야 할 것이다. 본 연구에서는 선행 연구된 학습모형을 비교, 분석하여 유비쿼터스와 u-러닝에 대한 특성과 기능, 유비쿼터스 컴퓨팅 기술에 대해 고찰한다. 그리고 기존 컴퓨터 교과 분석을 통하여 컴퓨터교과의 중요성과 교육방법 영역, 컴퓨터교과 교수-학습 모형에 대한 연구를 통해 u-러닝 환경에서의 컴퓨터 교육을 위한 프로젝트 기반 교수-학습 모형을 설계하고 구현한다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2008년도 동계학술대회
• /
• pp.228-235
• /
• 2008

21세기 인류는 디지털 기술 혁신과 정보 통신 혁명으로 물리적 공간과 가상공간이 통합되는 새로운 유비쿼터스 시대를 맞이하고 있다. 미국, 일본, 유럽 등 많은 선진 국들은 유비쿼터스 컴퓨팅 혁명을 자국의 경쟁력 강화를 위한 핵심 패러다임으로 인식하고 유비쿼터스 관련 연구에 박차를 가하고 있다. 이에 본 연구에서는 엄선된 u-러닝 분석 사례의 고찰을 통해 'u-러닝 연구 방향 설정 시 고려할 사항','u-러닝 학습 모델 개발 시 고려할 사항' 및 'u-러닝 환경 조성 시 고려할 사항'등을 도출해 U-러닝 활성화 방안을 모색하였다.

• Composites Research
• /
• 제36권6호
• /
• pp.395-401
• /
• 2023

본 연구에서는 지도학습 기반 분할기법을 이용하여 단층 촬영된 단방향 복합재료의 유한요소모델링을 실시하였다. 우선, 단방향 복합재료의 형상 정보를 얻기 위해 Micro-CT 스캔을 수행하여 단방향 복합재료의 순수 체적(raw volume)을 획득하였고 여기에 몇 개의 단면을 선택하여 재료의 마이크로 구조인 섬유의 형상을 라벨링하였다. 이후 재료의 단면 이미지와 라벨링한 이미지를 각각 입출력으로 U-net 모델을 훈련시켰다. 이를 사용하여 선택되지 않은 단층촬영 이미지를 섬유형상을 구분하는 분할을 수행하였고 이렇게 생성된 3차원 정보를 이용해서 유한요소모델을 생성하였다. 최종적으로 단방향 복합재료 시편과 유한요소모델의 섬유체적비를 비교하여 제안된 방법의 적절성을 확인하였다.

• 정보교육학회논문지
• /
• 제13권4호
• /
• pp.497-508
• /
• 2009

최근 지능형 교육서비스로봇을 이용한 교육적 효과가 입증되면서, 유치원에 상용화가 시작되었으며, 2010년에는 초등학교 방과후 학교 영어수업을 위한 기술 개발과 필드 적용 연구가 진행되어 로봇보조학습, 즉 서비스로봇에 의한 r-Learning 패러다임의 본격적인 도래를 예고하고 있다. 이에 본 연구에서는 교육용 로봇의 개념과 종류를 정의하고, 관련 연구 동향을 살펴보았다. 또한 서비스 로봇에 의한 로봇보조학습으로서의 r-Learning의 특성을 살펴보고, u-Learning과의 차별성을 분석하였다. 그리고 로봇보조학습의 콘텐츠와 서비스에 대해 정의하였으며, 로봇보조학습 서비스 모델과 서비스 현황을 살펴보고 관람 진화적인 측면을 비교하였다. 마지막으로 빠르게 성장하고 있는 로봇보조학습 서비스 시장을 위하여 교육 및 연구기관, 정부기관, 로봇산업체가 준비해야할 사항들을 제언하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권10호
• /
• pp.15-22
• /
• 2020

본 연구에서는 가중치 오차 함수를 적용하여, 미세한 콘크리트 균열을 감지하는 U-Net 모델을 만들 수 있도록 개선 방안을 제안한다. 콘크리트 균열은 안전을 위협하는 요소이기 때문에 그 상태를 주기적으로 파악하고 신속하게 초기 대응을 하는 것이 중요하다. 하지만 현재는 점검자가 직접 육안으로 검사하고 평가하는 외관 검사법이 주로 사용되고 있다. 이는 정확성뿐만 아니라 비용과 시간, 안전성 측면에서도 한계점을 가진다. 이에 콘크리트 구조물에 생성되는 미세한 균열을 신속하고 정밀하게 탐지할 수 있도록 딥러닝을 활용한 기술들이 연구되고 있다. 본 연구에서 U-Net을 활용한 균열 탐지를 시도한 결과, 미세한 균열을 탐지하지 못하는 것을 확인하였다. 이에 제시한 가중치 오차 함수를 적용하여 학습한 모델에 대해 성능을 검증한 결과, 정확도(Accuracy) 99% 이상, 조화평균(F1_Score) 89%에서 92%의 신뢰성 높은 수치를 도출해내었고, 미세한 균열을 정확하고 선명하게 탐지한 결과를 통해 학습 개선 방안의 성능을 검증하였다.

• 한국멀티미디어학회논문지
• /
• 제23권4호
• /
• pp.539-548
• /
• 2020

Deep learning technology is currently being used and applied in many different fields. Convolution neural network (CNN) is a method of artificial neural networks in deep learning, which is commonly used for analyzing different types of images through classification. In the conventional classification of histopathology images of prostate carcinomas, the rating of cancer is classified by human subjective observation. However, this approach has produced to some misdiagnosing of cancer grading. To solve this problem, CNN based classification method is proposed in this paper, to train the histological images and classify the prostate cancer grading into two classes of the benign and malignant. The CNN architecture used in this paper is based on the VGG models, which is specialized for image classification. However, color normalization was performed based on the contrast enhancement technique, and the normalized images were used for CNN training, to compare the classification results of both original and normalized images. In all cases, accuracy was over 90%, accuracy of the original was 96%, accuracy of other cases was higher, and loss was the lowest with 9%.

• 한국콘텐츠학회논문지
• /
• 제12권9호
• /
• pp.27-39
• /
• 2012

본 연구는 인문사회과학을 통합하는 간 학문적 실천적 녹색성장 융합 교육을 효과적으로 실시하기 위하여 u-프로젝트 교수 학습 모형을 개발 제시하는데 목적이 있다. 연구의 목적을 달성하기 위하여 교사, 예비교사, 중학생을 대상으로 녹색성장에 대한 인식수준 조사, 녹색성장 10대 정책방향과 중등/사범대학 교육과정 간 연관성 분석, 녹색성장 융합교육을 위한 교수 학습 내용요소를 추출하였다. 그리고 녹색성장 u-프로젝트 교수 학습의 핵심활동 요소와 절차를 구안한 후 중등학교 상황에 적용하기 용이하도록 교수 학습의 세부 진행모형을 개발하였다. 본 연구에서 개발된 모형을 통해 녹색성장의 필요성과 타당성에 대한 이해를 증진시키는 것과 동시에 인문사회과학을 통합하는 간 학문적 실천적 교육이 가능할 것으로 예상된다.

• International Journal of Contents
• /
• 제16권2호
• /
• pp.8-18
• /
• 2020

Data is critical in deep learning but the scarcity of data often occurs in research, especially in the preparation of the paired training data. In this paper, document image binarization with unpaired data is studied by introducing adversarial learning, excluding the need for supervised or labeled datasets. However, the simple extension of the previous unpaired training to binarization inevitably leads to poor performance compared to paired data training. Thus, a new deep learning approach is proposed by introducing a multi-diversity of higher quality generated images. In this paper, a two-stage model is proposed that comprises the generative adversarial network (GAN) followed by the U-net network. In the first stage, the GAN uses the unpaired image data to create paired image data. With the second stage, the generated paired image data are passed through the U-net network for binarization. Thus, the trained U-net becomes the binarization model during the testing. The proposed model has been evaluated over the publicly available DIBCO dataset and it outperforms other techniques on unpaired training data. The paper shows the potential of using unpaired data for binarization, for the first time in the literature, which can be further improved to replace paired data training for binarization in the future.

• Smart Structures and Systems
• /
• 제31권4호
• /
• pp.383-392
• /
• 2023

Post-earthquake building condition assessment is crucial for subsequent rescue and remediation and can be automated by emerging computer vision and deep learning technologies. This study is based on an endeavour for the 2nd International Competition of Structural Health Monitoring (IC-SHM 2021). The task package includes five image segmentation objectives - defects (crack/spall/rebar exposure), structural component, and damage state. The structural component and damage state tasks are identified as the priority that can form actionable decisions. A multi-task Convolutional Neural Network (CNN) is proposed to conduct the two major tasks simultaneously. The rest 3 sub-tasks (spall/crack/rebar exposure) were incorporated as auxiliary tasks. By synchronously learning defect information (spall/crack/rebar exposure), the multi-task CNN model outperforms the counterpart single-task models in recognizing structural components and estimating damage states. Particularly, the pixel-level damage state estimation witnesses a mIoU (mean intersection over union) improvement from 0.5855 to 0.6374. For the defect detection tasks, rebar exposure is omitted due to the extremely biased sample distribution. The segmentations of crack and spall are automated by single-task U-Net but with extra efforts to resample the provided data. The segmentation of small objects (spall and crack) benefits from the resampling method, with a substantial IoU increment of nearly 10%.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2011년도 동계학술대회
• /
• pp.139-146
• /
• 2011

본 연구는 스마트 기기를 바탕으로 한 학습 환경에서 창의적 체험활동 운영에 필요한 콘텐츠 개발 방법의 새로운 접근 방법을 제시한다. 창의적 체험활동은 학습 공간을 교실이 아닌 사회로 확장하였다는 점에서 매우 의미가 있다. 학생들은 언제 어디서나 창의적체험자원지도(CRM)을 바탕으로 스마트폰을 이용하여 풍부한 콘텐츠를 접할 수 있게 될 것이다. 이를 위해서는 교육과정과 연계된 다양한 콘텐츠가 필요하다. 이러한 콘텐츠 개발을 위하여 학교와 지역사회의 협력이 중요하며 스마트폰을 기반으로 한 u-러닝 콘텐츠 개발을 위한 지역 중심의 개발 역량을 제고할 필요가 있다.