• 대한지구과학교육학회지
• /
• 제14권1호
• /
• pp.33-47
• /
• 2021

최근 빅데이터에 기반한 교육의 활성화가 요구됨에 따라, 이 연구에서는 2015 개정 과학과 교육과정에서 '태양계', '별과 우주' 내용 요소를 중심으로, WWT 빅데이터를 활용한 천문교육 STEAM 프로그램을 개발하고, 이에 대한 효과성을 알아보고자 무선 표집된 1개의 중학교 176명의 학생들에게 이를 적용하여 창의적 문제해결, STEAM 태도 및 STEAM 만족도를 분석하였다. 이 연구의 결과는 다음과 같다. 첫째, 천문 데이터 시각화 플랫폼인 WWT(World Wide Telescope) 빅데이터를 활용하여 학생들이 적극적이고 자발적으로 학습에 참여할 수 있도록 프로그램을 개발하였다. 둘째, 창의적 문제해결 측정 검사의 사전·사후 점수 차에 의한 대응표본 t 검정에서 '과제집중' 구인을 제외한 '아이디어 수정', '이미지화', '비유', '아이디어 생성', '정교성' 구인에서 유의미한 통계적 검정 결과(p < .05)를 얻었다. 셋째, STEAM 태도 검사의 사전·사후 점수 차에 의한 대응표본 t 검정에서는 '배려', '유용성·가치 인식' 구인을 제외한 '흥미', '소통', '자아 개념', '자아 효능감', '이공계 진로선택' 구인에서 유의미한 통계적 검정 결과(p < .05)를 얻었다. 넷째, STEAM 프로그램 적용 후에 실시한 STEAM 만족도 검사에서는 하위구인들의 평균값의 범위가 3.16 ~ 3.90으로, WWT 빅데이터를 활용한 STEAM 프로그램을 통해 학생들의 과학교과에 대한 이해와 관심이 향상되었음을 확인할 수 있었다.

• 한국산학기술학회논문지
• /
• 제22권4호
• /
• pp.621-628
• /
• 2021

본 논문에서는 3개의 시점을 가진 열화상 카메라의 캘리브레이션을 수행하는 방법을 제안하고, 카메라의 내부 파라미터 추정 및 그 결과의 정확도를 파악하기 위해 역투영 오류값을 제시한다. 3개의 시점을 가진 카메라는 일반 카메라와 다르게 각 시점마다 겹치는 영상이 존재하지 않고, 획득한 영상의 화질은 일반 카메랄 획득한 영상보다 낮다. 카메라 캘리브레이션은 3차원 실제 영상의 좌표 정보 또는 카메라와 목표물체 사이의 거리를 계산하기 전에 반드시 수행되어야 하는 작업이다. 카메라 캘리브레이션 작업을 통해 얻는 것은 카메라의 내부 및 외부 파라미터이며 내부 파라미터는 카메라의 초점거리, 비대칭계수, 이미지 중심점으로 구성되어 있고, 외부 파라미터는 사용되는 카메라들 사이 또는 사용되는 카메라의 상대적 위치인 회전행렬과 변위벡터로 구성되어 있다. 본 논문에서는 열화상 카메라의 캘리브레이션을 수행하는 방법을 제안하며, 열화상 카메라의 캘리브레이션 수행을 위해 온도에 반응하는 열상 체커보드를 활용한다. 캘리브레이션이 안정적으로 수행되기 위해 본 논문에서는 심층 학습 기반 촬영대상 물체의 화질을 개선하여 코너 추출의 정확도를 높인 후 캘리브레이션 파라미터 계산을 수행하고, 개선된 화질의 영상이 캘리브레이션을 개선한 결과를 제시한다.

• 지능정보연구
• /
• 제28권3호
• /
• pp.185-207
• /
• 2022

최근 딥 러닝 기술의 발전으로 인해, 텍스트, 이미지 등 비정형 데이터 분석에 딥 러닝 알고리즘을 적용하는 연구가 활발히 수행되고 있다. 그중 텍스트 분류는 학계 및 업계에서 오랜 기간 연구되어 온 분야로, 분류의 성능을 향상시키기 위해 계층형 레이블 등 데이터 자체의 특성을 활용하기 위한 다양한 시도가 이루어지고 있다. 하지만 계층적 분류를 위해 주로 사용되는 하향식 접근법은 상위 레벨의 오분류가 하위 레벨의 정분류 기회를 차단한다는 한계가 있다. 따라서, 본 연구에서는 레이블의 계층적인 관계를 고려하면서도 상위 레벨의 분류가 하위 레벨의 분류를 차단하지 않도록 하여 분류 성능을 향상시키기 위해, 오토인코더 기반 심층 지도 네트워크를 활용한 계층형 데이터 분류 방법론을 제안한다. 제안 방법론은 오토인코더의 잠재변수에 하위 레이블을 예측하는 주 분류기를 추가하고, 인코더의 은닉층에 상위 레벨의 레이블 예측하는 보조 분류기를 추가하여 End-to-End 학습을 진행한다. 제안 방법론의 성능을 평가하기 위하여 국내 논문 데이터 총 22,512건에 대한 실험을 수행한 결과, 제안 모델이 기존의 지도 오토인코더 및 DNN 모델에 비해 분류 정확도와 F1-Score에서 우수한 성능을 나타냄을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.1-12
• /
• 2022

안과 환자의 질병을 판단하기 위해서는 특수 촬영 장비를 통해 찍은 안구영상을 이용한 안과의사의 주관적 판단의 개입이 전통적으로 활용되고 있다. 본 연구에서는 안과 의료진이 질병을 판단할 때 보조적 도움이 될 수 있도록 객관적 진단결과를 제시해주는 각막궤양 의미론적 분할방법에 대하여 제안하였다. 이를 위해 DeepLab 모델을 활용하였고 그 중 Backbone network으로 Xception과 ResNet 네트워크를 이용하였다. 실험결과를 나타내기 위한 평가지표로 다이스 유사계수와 IoU 값을 이용하였고 ResNet101 네트워크를 사용하였을 때 'crop & resized' 이미지에 대해 최대 평균 정확도 93%의 다이스 유사계수 값을 보였다. 본 연구는 객체 검출을 위한 의미론적 분할모델 또한 안구의 각막궤양 부분과 같은 불규칙하고 특이한 모양을 추출하고 분류하는데 뛰어난 결과를 도출할 수 있는 성능을 보유하고 있음을 보여주었다. 향후 학습용 Dataset을 양적으로 보강하여 실험결과의 정확도를 제고할 수 있도록 하고 실제 의료진단 환경에서 구현되어 사용되어 질 수 있도록 할 계획이다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.329-346
• /
• 2022

최근 소셜 미디어의 숏폼(Short form) 동영상(인스타그램, 틱톡, 유튜브) 시장이 점차 증가하면서 인공지능 영역에서는 이를 활용한 연구가 활발히 진행되고 있다. 대표적인 연구분야로 동영상 내의 패션 상품을 탐지하고 상품 이미지를 검색하는 Video to shop 을 들 수 있다. 이와 같은 동영상 기반 인공지능 모델에서는 Convolution 연산을 사용하여 상품의 특징을 추출한다. 하지만 연산 자원의 제한으로 인해, 동영상의 모든 프레임을 사용하여 특징을 추출하는 것은 현실적으로 불가능하다. 이로 인해, 기존 연구에서는 전체 프레임 중 일부만 샘플링해서 사용하거나, 주제의 특성을 활용한 샘플링 방법을 개발하여 이를 통해 위 문제점을 개선하고, 모델의 성능도 향상시켰다. 기존의 Video to shop 연구에서는 프레임을 샘플링 할 때, 무작위로 일부분의 프레임을 샘플링하거나 균등한 간격으로 샘플링 한다. 하지만 이러한 샘플링 방법은 상품이 존재하지 않는 노이즈 프레임을 샘플링 하면서 패션 상품 검색 모델의 성능을 저하시킨다. 이에 본 연구는 노이즈 프레임을 제거하고 검색 모델의 성능을 향상시키는 샘플링 방법 MF(Missing Fashion items on frame) sampler를 제안한다. MF sampler는 키 프레임 메커니즘(Mechanism)을 발전시켜 자원 한계의 문제점을 개선했다. 또한, 노이즈 탐지 모델을 활용한 노이즈 프레임 제거를 통해 검색 모델의 성능을 향상시켰다. 이와 같은 결과는 실험을 통해 확인되었고, Video to shop 패션 상품 검색에 있어 성능 향상과 효과적인 학습이 가능하다는 것을 확인할 수 있었다.

• 응용통계연구
• /
• 제36권2호
• /
• pp.101-114
• /
• 2023

데이터 증강 기법은 학습용 데이터셋을 다양한 관점에서 볼 수 있게 해주어 모형의 과적합 문제를 해결하는데 효과적으로 사용되고 있다. 이미지 데이터 증강기법으로 회전, 잘라내기, 좌우대칭, 상하대칭등의 증강 기법 외에도 occlusion 기반 데이터 증강 방법인 Cutmix, Cutout 등이 제안되었다. 음성 데이터에 기반한 모형들에 있어서도, 1D 음성 신호를 2D 스펙트로그램으로 변환한 후, occlusion 기반 데이터 기반 증강기법의 사용이 가능하다. 특히, SpecAugment는 음성 스펙트로그램을 위해 제안된 occlusion 기반 증강 기법이다. 본 연구에서는 위조 음성 탐지 문제에 있어서 사용될 수 있는 데이터 증강기법에 대해 비교 연구해보고자 한다. Fake audio를 탐지하기 위해 개최된 ASVspoof2017과 ASVspoof2019 데이터를 사용하여 음성을 2D 스펙트로그램으로 변경시켜 occlusion 기반 데이터 증강 방식인 Cutout, Cutmix, SpecAugment를 적용한 데이터셋을 훈련 데이터로 하여 CNN 모형을 경량화시킨 LCNN 모형을 훈련시켰다. Cutout, Cutmix, SpecAugment 세 증강 기법 모두 대체적으로 모형의 성능을 향상시켰으나 방법에 따라 오히려 성능을 저하시키거나 성능에 변화가 없을 수도 있었다. ASVspoof2017 에서는 Cutmix, ASVspoof2019 LA 에서는 Mixup, ASVspoof2019 PA 에서는 SpecAugment 가 가장 좋은 성능을 보였다. 또, SpecAugment는 mask의 개수를 늘리는 것이 성능 향상에 도움이 된다. 결론적으로, 상황과 데이터에 따라 적합한 augmentation 기법이 다른 것으로 파악된다.

• 한국빅데이터학회지
• /
• 제7권1호
• /
• pp.15-27
• /
• 2022

최근 5년간 차량 단독사고 교통사고 치사율이 전체 사고보다 4.7배 높은 것으로 집계되고 있으며, 차량 단독사고를 즉각적으로 감지하고 대응할 수 있는 시스템 구축이 필요하다. 본 연구는 가드레일에 충격과 차량 진입 감지 IoT(Internet of Thing) 센서를 부착하여 가드레일 충격 발생 시 사고 현장의 영상을 인공지능 기술을 통해 분석하고 구조기관에 전송하여 빠른 구조작업을 수행하여 피해를 최소화 시킬 수 있는 방법론을 제시한다. 해당 구간 내 차량 진입과 가드레일 충격 감지를 위한 IoT 센서 모듈과 차량 이미지 데이터 학습을 통한 인공지능 기반 객체 탐지 모듈을 구현하였다. 그리고, 센서 정보와 영상 데이터 등을 통합적으로 관리하는 모니터링 및 운영 모듈도 구현하였다. 시스템 유효성 검증을 위하여 충격 감지 전송속도와 자동차 및 사람 객체 탐지 정확도, 센서 장애감지 정확도를 측정한 결과, 모두 목표치를 충족하였다. 향후에는 실제 도로에 적용하여 실데이터를 적용한 유효성을 검증하고 상용화할 계획이다. 본 시스템은 도로 안전 향상에 이바지할 것이다.

• 한국엔터테인먼트산업학회논문지
• /
• 제13권6호
• /
• pp.187-202
• /
• 2019

본 연구에서는 체육교사 신뢰와 체육수업 몰입 경험이 중학생의 체육교과에 대한 태도와 체육수업 만족에 미치는 영향을 규명함으로써 체육교과에 요구되어지는 사회적 역할에 부응하고 학교체육 활성에 기여하는 데 목적이 있다. 본 연구는 광주광역시에 소재하는 중학교 학생을 대상으로 863명의 유효표본 자료를 분석하였다. 자료 분석은 SPSS window Ver 25 프로그램을 사용하여 빈도분석, 탐색적 요인분석, 신뢰도분석, 상관분석, 다중회귀분석을 실시하였다. 도출된 연구 결과는 다음과 같다. 첫째, 체육교사 신뢰의 하위 요인은 체육교과 태도의 하위 요인에 부분적으로 유의한 정(+)과 부(-)의 영향을 미쳤다. 둘째 체육교사 신뢰의 하위 요인은 체육수업 만족에 하위 요인에 따라 부분적으로 유의한 정(+)의 영향을 미치는 것을 나타났다. 셋째, 체육수업 몰입의 하위 요인은 체육교과 태도에 부분적으로 유의한 정(+)적 영향을 미치는 것으로 확인되었다. 넷째, 체육수업 몰입의 하위 요인은 체육수업 만족의 하위 요인에 부분적인 정(+)의 영향을 미치는 것으로 나타났다. 결과를 종합하면 중학교 학생들의 체육교과에 대한 긍정적 태도 형성과 체육수업 만족 향상에는 체육교사에 대한 학생의 신뢰와 체육수업에 대한 몰입 경험이 중요한 요인으로 작용한다. 관련하여 체육교사는 학생과의 신뢰를 형성하기 위한 노력 즉 다양한 상호작용을 통한 친근한 이미지 구축, 흥미롭고 체계적인 수업구성과 진행, 학생의 특성과 능력을 고려한 수준별 수업 적용 등의 노력이 지속되어야 한다. 또한 학생의 체육수업 몰입 경험을 제고하기 위해서 성과 및 순위 위주의 교육 방식을 지양하고 신체활동 자체에 의미를 부여하는 수업 분위기를 조성하여야 한다. 더불어 학생의 능력을 고려한 운동학습 과제 부여, 수업 집중도를 높일 수 있는 수업내용 선정 등의 노력이 함께 이루어져야 할 것으로 사료된다.

• 전기전자학회논문지
• /
• 제27권4호
• /
• pp.486-493
• /
• 2023

본 논문에서는 FMCW 레이다 기반의 포인트 클라우드와 LSTM을 이용한 자동 핸드 제스처 영역 추출 및 인식 기법을 제안한다. 제안한 기법은 기존의 방식과 다른 다음과 같은 독창성이 있다. 첫 번째, 기존의 range-doppler 등의 2D 이미지를 입력 벡터로 하는 방식과 다르게 시계열 형태의 포인트 클라우드 입력 벡터는 레이다 전방에서 발생하는 시간에 따른 움직임을 좌표계 형태로 인식할 수 있는 직관적인 입력 데이터이다. 두 번째, 입력 벡터의 크기가 작기 때문에 인식에 쓰이는 딥러닝 모델도 가볍게 설계할 수 있다. 제안하는 기법의 수행 과정은 다음과 같다. FMCW 레이다로 측정된 거리, 속도, 각도 정보를 활용해 x, y, z 좌표 형식과 도플러 속도 정보를 포함한 포인트 클라우드를 활용한다. 제스처 영역은 속도 정보를 통해 얻어진 도플러 포인트를 이용하여 제스처의 시작과 끝 지점을 파악해 자동으로 핸드 제스처 영역을 추출하게 된다. 추출된 제스처 영역의 시점에 해당하는 시계열 형태의 포인트 클라우드는 최종적으로 본 논문에서 사용한 LSTM 딥러닝 모델의 학습 및 인식에 활용되게 된다. 제안하는 기법의 객관적인 신뢰성을 평가하기 위해 다른 딥러닝 모델들과 MAE를 산출하는 실험과 기존 기법들과 인식률을 산출하는 실험을 수행하여 비교하였다. 실험 결과, 시계열 형태의 포인트 클라우드 입력 벡터 + LSTM 딥러닝 모델의 MAE 값이 0.262, 인식률이 97.5%로 산출되었다. MAE는 낮을수록, 인식률은 높을수록 우수한 결과를 나타내므로 본 논문에서 제안한 기법의 효율성이 입증되었다.

• 마이크로전자및패키징학회지
• /
• 제30권4호
• /
• pp.44-49
• /
• 2023

탄소중립을 위한 세계적인 노력 속에서 전기자동차의 사용이 급속하게 증가함에 따라 배터리에 대한 수요도 증가하고 있다. 따라서, 전기자동차의 높은 효율을 달성하기 위해 차체 무게 감소와 배터리에 대한 고려가 중요한 요소로 부각되고 있다. 경량 소재로 알려진 구리와 알루미늄은 레이저 용접을 통해 효과적으로 접합될 수 있다. 그러나 두 소재의 물리적 특성이 서로 다르기 때문에 이를 접합하는 것은 여전히 기술적인 어려움이 존재한다. 본 연구에서는 구리와 알루미늄을 레이저 용접으로 접합하기 위한 최적의 레이저 파라미터를 찾기 위해 시뮬레이션을 수행하였다. 또한, 결과를 시각적으로 제시하기 위해서 Python 언어를 활용하여 GUI(Graphic User Interface) 프로그램을 개발하였다. 이 프로그램은 기계 학습 이미지 데이터를 활용하여 접합 성공을 예측하며, 안전하고 효율적인 레이저 용접 가이드로 활용될 것으로 예상되어, 전기차 배터리 조립 공정의 안전성과 효율성에 기여할 것으로 기대된다.