• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.47-50
• /
• 2023

본 논문에서는 딥러닝 CNN 알고리즘을 이용하여 사람의 얼굴 이미지를 학습한 다음 나이와 성별을 예측하는 시스템을 제안한다. 이 시스템은 개개인 마다 각기 다른 외형적 특성을 고려하여 이를 분석한 다음 이에 맞는 헤어 스타일, 옷차림을 추천할 수 있다. 해당 기술을 활용하여 메타버스 아바타 생성에 사용자의 얼굴과 같은 신체적 특성을 고려할 수 있다. 향후에는 신체 전체를 이미지화하여 보다 더 다양한 정보를 인식할 수 있도록 연구를 진행할 것이다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.739-740
• /
• 2023

코로나19 의 여파로 생활 폐기물은 급속도로 늘어나는 반면 재활용 사업장의 여건은 개선되지 않고 있어 재활용 산업의 인력난 해결의 필요성이 떠오르고 있다. 이를 위해 본 논문에서는 딥러닝 모델을 활용하여 재활용 폐기물을 분류하는 방법을 제시한다. 딥러닝 모델은 최신 객체 탐지 모델인 YOLOv5를 사용하고, 객체 탐지 성능을 향상시키기 위해 실제 환경에서 수집된 학습용 데이터를 직접 라벨링하여 사용한다. 실험 결과 종류별 평균 0.69의 mAP50 스코어를 기록하였으며 이를 통해 딥러닝 모델을 활용하여 재활용 폐기물을 효율적으로 분류하는 것이 가능함을 확인하였다.

• Annual Conference of KIPS
• /
• 2015.04a
• /
• pp.824-827
• /
• 2015

최근 자연어처리에 딥 러닝이 적용되고 있다. 딥 러닝은 기존의 기계학습 방법들과 달리, 자질 추출 및 조합 등과 같이 사람이 직접 수행해야 했던 부분들을 자동으로 처리할 수 있는 장점이 있다. 본 논문에서는 기존 상호참조해결에 적용했던 SVM 대신 딥 러닝을 이용할 것을 제안한다. 실험결과, 딥 러닝을 이용한 시스템의 성능이 57.96%로 SVM을 이용한 것보다 약 9.6%만큼 높았다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.19 no.2
• /
• pp.41-45
• /
• 2019

In this paper, we propose the interference cancellation scheme of end-to-end method algorithm for power line communication (PLC) systems in smart grid. The proposed scheme estimates the channel noise information of receiver by applying a deep learning model at the receiver. Then, the estimated channel noise is updated in database. In the modulator, the channel noise which reduces the power line communication performance is effectively removed through interference cancellation technique. As an impulsive noise model, Middleton Class A interference model was employed. The performance is evaluated in terms of bit error rate (BER). From the simulation results, it is confirmed that the proposed scheme has better BER performance compared to the theoretical model based on additive white Gaussian noise. As a result, the proposed interference cancellation with deep learning improves the signal quality of PLC systems by effectively removing the channel noise. The results of the paper can be applied to PLC for smart grid and general communication systems.

• The Journal of the Convergence on Culture Technology
• /
• v.9 no.6
• /
• pp.301-307
• /
• 2023

Deep learning requires building a deep neural network, collecting a large amount of training data, and then training the built neural network for a long time. If training does not proceed properly or overfitting occurs, training will fail. When using deep learning tools that have been developed so far, it takes a lot of time to collect training data and learn. However, due to the rapid advent of the mobile environment and the increase in sensor data, the demand for real-time deep learning technology that can dramatically reduce the time required for neural network learning is rapidly increasing. In this study, a real-time deep learning system was implemented using an Arduino system equipped with a fine dust sensor. In the implemented system, fine dust data is measured every 30 seconds, and when up to 120 are accumulated, learning is performed using the previously accumulated data and the newly accumulated data as a dataset. The neural network for learning was composed of one input layer, one hidden layer, and one output. To evaluate the performance of the implemented system, learning time and root mean square error (RMSE) were measured. As a result of the experiment, the average learning error was 0.04053796, and the average learning time of one epoch was about 3,447 seconds.

• Journal of the Korea Convergence Society
• /
• v.12 no.4
• /
• pp.23-30
• /
• 2021

An Automated Industry and Occupation Coding System assigns statistical classification code to the enormous amount of natural language data collected from people who write about their industry and occupation. Unlike previous studies that applied information retrieval, we propose a system that does not need an index database and gives proper code regardless of the level of classification. Also, we show our model, which utilized KoBERT that achieves high performance in natural language downstream tasks with deep learning, outperforms baseline. Our method achieves 95.65%, 91.51%, and 97.66% in Occupation/Industry Code Classification of Population and Housing Census, and Industry Code Classification of Census on Basic Characteristics of Establishments. Moreover, we also demonstrate future improvements through error analysis in the respect of data and modeling.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.21 no.3
• /
• pp.43-50
• /
• 2021

Recently, researches and projects of companies based on artificial intelligence have been actively carried out. Various services and systems are being grafted with artificial intelligence technology. They become more intelligent. Accordingly, interest in deep learning, one of the techniques of artificial intelligence, and people who want to learn it have increased. In order to learn deep learning, deep learning theory with a lot of knowledge such as computer programming and mathematics is required. That is a high barrier to entry to beginners. Therefore, in this study, we designed and implemented a web-based deep learning platform called DeepBlock, which enables beginners to implement basic models of deep learning such as DNN and CNN without considering programming and mathematics. The proposed DeepBlock can be used for the education of students or beginners interested in deep learning.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.25-26
• /
• 2018

이 논문에서는 고소 작업자의 위험 행동 분석을 위해 딥러닝 기법 중 연속적인 데이터 분석에 적합하며 매우 뛰어난 성능을 보여주는 LSTM 알고리즘을 이용해 모니터링 하는 시스템을 개발하였다. 모델을 위해 학습 데이터는 안전벨트에 자이로센서 등을 부착해서 실험하였다. 시스템은 작업자의 5가지의 행동 패턴을 분석할 수 있으며, 96%의 정확도를 얻었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.01a
• /
• pp.51-52
• /
• 2018

산업 현장에서 작업자의 잘못된 작업행동으로 인한 안전사고가 꾸준히 발생하고 있다. 현재는 관리자가 육안으로 작업자의 위험행동 여부를 관리하고 있지만, 모든 작업자를 관리자 한명이 관리하기에는 현실적으로 어려움이 있다. 본 논문에서는 이 문제를 해결하기 위해 고소 작업자의 안전벨트에 IoT 장치를 부착하여 행동 데이터를 클라우드에 업로드하고, 딥러닝을 통해 작업자 위험행동 여부를 분석한다. 분석한 결과를 관리자가 쉽게 모니터링 할 수 있도록 하여, 안전사고를 예방하도록 하는 시스템을 설계하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1261-1264
• /
• 2022

최근 본인에게 어울리는 색상을 배경으로 촬영하는 감성 증명사진이 유행하고 있다. 개인마다 퍼스널 컬러를 찾아 배경색에 적용하는 것은 시간, 비용, 인력적으로 어려움이 있으므로 자동으로 개인에 따른 배경색을 찾아서 사진을 합성하여 감성 증명사진을 제작해 주는 딥러닝 기반 시스템을 구축하였다. 본 논문에서는 Convolution Neural Network 를 기반으로 한 딥러닝 기술을 이용해 Image Matting 과 Multi-Label Classification 을 수행하여 기존 감성 증명사진들을 학습하여 모델을 구축하였으며, 해당 시스템으로 사용자에게 새로운 배경색이 적용된 감성 증명사진을 제공하는 웹 애플리케이션을 제안한다.