• 전기전자학회논문지
• /
• 제28권2호
• /
• pp.168-173
• /
• 2024

화자인식은 개개인마다 다른 음성 주파수를 분석하여 미리 저장된 음성과 비교해 본인 여부를 판단하는 하나의 기술을 의미한다. 딥러닝 기반의 화자인식은 여러 분야에 적용되고 있으며, 펫 로봇도 그 중 하나이다. 하지만 펫 로봇의 하드웨어 성능은 딥러닝 기술의 많은 메모리 공간과 연산에 있어 매우 제한적인 상황이다. 이는 펫 로봇이 사용자와 실시간 상호작용에 있어 해결해야 할 중요한 문제점이다. 딥러닝 모델의 경량화는 위와 같은 문제를 해결하기 위한 하나의 중요한 방법으로 자리하였으며, 최근 많은 연구가 진행되고 있다. 이 논문에서는 특정한 명령어 형태인 펫 로봇용 음성 데이터 세트를 구축하고 잔차(Residual)를 활용한 모델들의 결과를 비교해 펫 로봇용 화자인식의 경량화 연구의 결과를 서술하며, 결론에서는 제안한 방법에 대한 결과와 향후 연구방안에 대해 서술한다.

• 한국초지조사료학회지
• /
• 제38권1호
• /
• pp.53-60
• /
• 2018

본 연구는 혼파초지 수량예측모형에서 기후특성이 뚜렷한 지역의 자료 제거 및 지역별 구분을 통해 건물수량과 하고일수 간 상관관계를 검토하였다. 데이터세트는 총 582점으로 11개 지역으로 분류되며 혼파조합은 총 41가지였다. 변수에서 반응변수는 건물수량 이었으며 설명변수는 하고일수를 포함한 5가지의 기상변수를 이용하였다. 통계방법은 산점도, 기술통계량 및 상관분석을 거쳐 다중회귀분석을 통해 건물수량과 하고일수 간 상관관계를 확인하였다. 산점도 분석 결과 데이터세트를 지역별로 구분하였을 때 9개 지역 중 7개에서 건물수량과 하고일수 간 부(-)의 상관관계가 나타나 지역을 구분할 필요가 있었으며 대표본 근사이론을 적용할 수 있었던 5개 지역(화성, 수원, 대전, 시흥 및 광주)을 선정하였다. 5개 지역의 상관분석 결과 3개 지역(화성, 수원 및 시흥)에서, 다중회귀분석결과 화성에서 건물수량에 대한 하고일수의 효과가 부(-)로 나타났다. 따라서 혼파초지의 건물수량에 대한 하고일수의 상관관계는 지역별로 구분하였을 때 풀사료 생산이론과 일치하여 수량예측모형의 정밀도를 높일 수 있을 것으로 판단하였다.

• 대한토목학회논문집
• /
• 제42권2호
• /
• pp.249-256
• /
• 2022

최근 BIM (Building Information Modeling)과 AR (Augmented Reality)을 결합한 실시간 시각화 기술이 건설관리 의사 결정 및 처리 효율성을 높이는 데 도움이 된다는 것을 보여주기 위한 다양한 연구가 활발히 진행되고 있다. 그러나, 대용량 BIM 데이터는 AR에 적용할 경우 데이터 전송 문제, 이미지 단절, 영상 끊김 등과 같은 다양한 문제가 발생함으로 3차원(3D) 모델의 메쉬 최적화를 통해 시각화의 효율성을 향상시켜야 한다. 대부분의 기존 메쉬 경량화 방법은 복잡하고 경계가 많은 3D 모델의 메쉬를 적절하게 처리할 수 없다. 이에 본 연구에서는 고성능 AR 시각화를 위해 BIM 데이터를 재구성하기 위한 k-최근접이웃(KNN) 분류 프레임워크 기반 메쉬 경량화 알고리즘을 제안하였다. 제안 알고리즘은 선정된 BIM 모델을 삼각형 중심 개념 기반의 Unity C# 코드로 경량화하였고 모델의 데이터 세트를 활용하여 정점 사이의 거리를 정의할 수 있는 KNN로 분류되었다. 그 결과 전체 모델과 각 구조의 경량화 메쉬 점 및 삼각형 개수가 각각 약 56 % 및 약 42 % 감소됨을 확인할 수 있었다. 결과적으로, 원본 모델과 비교했을 때 경량화한 모델은 시각적인 요소 및 정보 손실이 없었고, 따라서, AR 기기 활용 시 고성능 시각화를 향상시킬 수 있을 것으로 기대된다.

• 한국산학기술학회논문지
• /
• 제21권7호
• /
• pp.616-624
• /
• 2020

본 연구의 목적은 노인 운수사고 입원 환자의 운수사고 유형과 사망 사이의 연관성을 분석하여, 노인 운수사고 입원 및 사망 환자를 줄이기 위한 운수사고 유형에 따른 체계적이고 효과적인 정책 개발 및 수립에 기여하기 위함이다. 본 연구의 방법은 2013-2017년의 질병관리본부 퇴원손상심층조사 데이터세트 중 운수사고를 입은 노인 입원환자를 추출하여 기술통계분석, 카이제곱검정과 다중 로지스틱 회귀분석을 실시하였다. 인구사회학적, 의료기관, 의료이용 특성을 보정한 상태에서 분석한 결과 운수사고로 인한 노인의 입원 사망은 승용차 사고에 비하여 보행자 사고(OR : 2.522 95% CI 1.291-4.927), 자전거/카트 사고(OR : 2.809 95% CI 1.328-5.942), 오토바이 사고(OR : 2.330 95% CI 1.126-4.819)로 인한 사망이 각각 통계적으로 유의하게 높았다. 이와 같이 노인의 경우 승용차 사고로 인한 사망에 비하여 다른 유형의 운수사고로 인한 사망의 위험이 높지만, 우리나라 노인의 운수사고 관련 정책은 승용차 사고에 집중되어 있다. 따라서 증가하는 노인 집단의 운수사고 사망자를 줄이기 위하여 노인 집단의 운수사고 유형별 특성에 따른 효과적인 정책적 고려가 필요할 것으로 사료된다.

• 방송공학회논문지
• /
• 제24권5호
• /
• pp.713-725
• /
• 2019

번호판 자동인식(ALPR: Automatic License Plate Recognition)은 지능형 교통시스템 및 비디오 감시 시스템 등 많은 응용 분야에서 필요한 기술이다. 대부분의 연구는 자동차를 대상으로 번호판 감지 및 인식을 연구하였고, 오토바이를 대상으로 번호판 감지 및 인식은 매우 적은 편이다. 자동차의 경우 번호판이 차량의 전방 또는 후방 중앙에 위치하며 번호판의 뒷배경은 주로 단색으로 덜 복잡한 편이다. 그러나 오토바이의 경우 킥 스탠드를 이용하여 세우기 때문에 주차할 때 오토바이는 다양한 각도로 기울어져 있으므로 번호판의 글자 및 숫자 인식하는 과정이 훨씬 더 복잡하다. 본 논문에서는 다양한 각도로 주차된 오토바이 데이터세트에 대하여 번호판의 문자 인식 정확도를 높이기 위하여 2-스테이지 YOLOv2 알고리즘을 사용하여 오토바이 영역을 선 검출 후 번호판 영역을 검지한다. 인식률을 높이기 위해 앵커박스의 사이즈와 개수를 오토바이 특성에 맞추어 조절하였다. 그 후 기울어진 번호판을 검출한 후 영상 워핑 알고리즘을 적용하였다. 모의실험 결과, 기존 방식의 인식률이 47.74%에 비해 제안된 방식은 80.23%의 번호판의 인식률을 얻었다. 제안된 방법은 전체적으로 오토바이 번호판 특성에 맞는 앵커박스와 이미지 워핑을 통해서 다양한 기울기의 오토바이 번호판 문자 인식을 높일 수 있었다.

• 방송공학회논문지
• /
• 제27권1호
• /
• pp.3-12
• /
• 2022

영상 블러 제거(deblurring)는 피사체의 움직임, 카메라의 흔들림, 초점의 흐림 등으로 인해 촬영 도중 발생한 영상 블러(blur)를 제거하는 것을 목표로 한다. 최근 스마트폰이 보급되며 휴대용 디지털카메라를 들고 다니는 것이 일상인 시대가 오면서 영상 블러 제거 기술은 그 필요성을 점점 더해가고 있다. 기존의 영상 블러 제거 기술들은 전통적인 최적화 기법을 활용하여 연구되어 오다가 최근에는 딥러닝이 주목받으며 합성곱 신경망 기반의 블러 제거 방법들이 활발하게 제안되고 있다. 하지만 많은 방법들이 성능에 먼저 초점을 맞추어 개발되어 알고리즘의 속도로 인하여 현실에서 실시간 활용이 어렵다는 문제점을 안고 있다. 이를 해결하고자 본 논문에서는여러 신경망 설계 기법을 활용하여 HD 영상에서도 30 FPS 이상의 실시간 구동이 가능한 딥러닝 기반 블러 제거 알고리즘을 설계하여 이를 제안한다. 또한 학습 및 추론 과정을 개선하여 속도에 별다른 영향 없이 신경망의 성능을 높이고 동시에 성능에 별다른 영향없이 신경망의 속도를 높였다. 이를 통해 최종적으로 1280×720 해상도에서 초당 33.74장의 프레임을 처리하며 실시간 동작이 가능함을 보여주었고 GoPro 데이터 세트를 기준으로 PSNR 29.79, SSIM 0.9287의 속도 대비 우수한 성능을 보여주었다.

• 한국인터넷방송통신학회논문지
• /
• 제19권6호
• /
• pp.227-233
• /
• 2019

최근 딥러닝 기술의 발달과 함께 신경 네트워크는 컴퓨터 비전에서도 성공을 거두고 있다. 컨볼루션 신경망은 단순한 영상 분류 작업뿐만 아니라 객체 분할 및 검출 등 난이도가 높은 작업에서도 탁월한 성능을 보였다. 그러나 그러한 많은 심층 학습 모델은 지도학습에 기초하고 있으며, 이는 이미지 라벨보다 주석 라벨이 더 많이 필요하다. 특히 semantic segmentation 모델은 훈련을 위해 픽셀 수준의 주석을 필요로 하는데, 이는 매우 중요하다. 이 논문은 이러한 문제를 해결하기 위한 네트워크 훈련을 위해 영상 수준 라벨만 필요한 약지도 semantic segmentation 방법을 제안한다. 기존의 약지도학습 방법은 대상의 특정 영역만 탐지하는 데 한계가 있다. 반면에, 본 논문에서는 우리의 모델이 사물의 더 다른 부분을 인식하도 multi-classifier 심층 학습 아키텍처를 사용한다. 제안된 방법은 VOC 2012 검증 데이터 세트를 사용하여 평가한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권8호
• /
• pp.331-342
• /
• 2019

본 논문은 신뢰성 있는 임베디드 시스템 소프트웨어 개발을 위해 제한된 자연어 형식으로 작성된 소프트웨어 요구사항으로부터 테스트 케이스 및 테스트 스크립트를 생성하는 방안을 제안한다. 제안하는 방법에서는 자연어로 기술된 요구사항을 제한된 자연어 형식으로 작성하고, 이를 파싱하여 테스트에 사용되는 입력, 출력 및 연산자를 추출한다. 추출된 정보를 이용하여 Decision Coverage, Condition Coverage, Modified Condition/Decision Coverage와 같은 테스트 케이스 생성 전략을 적용하여 테스트 케이스를 생성한다. 또한 테스트 명령어 사전을 이용하여 임베디드 시스템의 물리적인 입력 값인 테스트 스크립트를 생성한다. 제안한 방법을 이용하면, 개발된 소프트웨어가 요구사항에 적합하게 개발되었는지를 직접적으로 테스트하는 것이 가능하다. 제안한 방법의 효과는 요구사항 세트에 적용하여 실험적으로 보인다.

• 한국조경학회지
• /
• 제51권2호
• /
• pp.68-80
• /
• 2023

최근 사회의 변화와 새로운 기술 등의 도입으로 공원 이용행태가 다양해지면서 공원 관리의 복잡성이 증가하고 있으며, 이에 따른 유연하고 다양한 공원관리가 요구되고 있다. 그러나 이러한 새로운 요구에 대한 현황이 어떠한지, 도시공원 운영관리 정책이 이러한 수요에 대응가능한지에 대한 논의는 미흡한 실정으로, 공원 이용행태가 어떻게 다변화되고 있는지 실증적인 연구가 필요한 시점이다. 이에 본 연구는 다양한 사람들이 개인의 경험을 작성한 블로그 데이터를 활용하여 의미네트워크 분석과 토픽분석을 통해 공간 소비 양상을 고찰하고, 이러한 공간 소비 양상이 체험경제이론에 따른 경험적 소비 특성을 보이는지 살펴보았다. 연구 결과 피크닉 세트 대여, 식음료 배달 등 소비행위가 두드러지며, 감성적 경험을 추구하는 것으로 나타났다. 또한 이는 체험경제이론에 따른 경험적 소비 특성과도 부합하였다. 이는 다변화되고 있는 공원이용 수요에 맞춰 계획 및 유지관리 방법이 보다 더 유연해지고 다양해질 필요가 있다는 것을 시사한다.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.191-203
• /
• 2022

화장품 및 뷰티산업에서 고객 맞춤형 제품과 서비스를 제공하는 것은 주요 기술 트렌드이고, 피부상태 진단과 관리는 중요한 필수기능이다. 고객의 요구 수준은 더욱더 높아지고 있으며 이에 대한 다양하고 섬세한 고민과 요구 사항이 소셜미디어 커뮤니티에서 활발하게 다루어지고 있다. 소셜미디어 상의 이미지는 매우 다양하고 비정형적이므로 피부상태 진단 및 관리에 필요한 체계적인 피부 이미지 식별을 위한 시스템이 필요하다. 본 논문에서는 소셜미디어 인스타그램에서 수집한 빅데이터로부터 피부 이미지 데이터를 지능적으로 식별하고, 피부상태 진단 및 관리를 위한 정형화된 피부 샘플 데이터를 추출하는 시스템을 개발하였다. 본 논문에서 제안한 시스템은 빅데이터수집분석단계, 피부이미지분석단계, 훈련데이터준비단계, 인공신경망훈련단계, 피부이미지식별단계로 구성된다. 빅데이터수집분석단계에서는 인스타그램으로부터 빅데이터를 수집하고 피부 상태 진단 및 관리를 위한 이미지 정보를 분석결과로 저장한다. 피부이미지분석단계에서는 전통적인 이미지 처리 기법을 사용하여 피부 이미지의 평가 및 분석 결과를 획득한다. 훈련데이터준비단계에서는 피부이미지 분석결과로부터 피부 샘플데이터를 추출하여 훈련데이터를 준비하였다. 그리고 인공신경망훈련단계에서는 이 훈련데이터를 사용하여 지능적으로 피부 이미지 유형을 예측하는 인공신경망 AnnSampleSkin을 단계별 고도화와 훈련을 통해 모델을 완성하였다. 피부이미지식별단계에서는 소셜미디어로부터 수집된 이미지에 대해 피부샘플을 추출하고, 훈련된 인공신경망 AnnSampleSkin의 이미지 유형 예측 결과들을 통합하여 최종 피부 이미지 유형을 지능적으로 식별한다. 본 논문에서 제안된 피부이미지식별 방법은 약 92% 이상의 높은 피부 이미지 식별 정확도를 나타내고 있고, 정형화된 피부 샘플 이미지 빅데이터를 제공할 수 있게 되었다. 추출된 피부샘플 세트는 피부 상태를 진단하고 관리하는데 매우 효율적이고 유용한 정형화된 피부 이미지 데이터로 사용될 것으로 기대된다.