• 대한토목학회논문집
• /
• 제41권4호
• /
• pp.441-447
• /
• 2021

건설현장에서는 수많은 중장비와 작업자가 다양한 작업을 동시다발적으로 수행하기 때문에 복잡하고 위험한 상황이 자주 발생한다. 복잡한 현장에서 중장비가 단독으로 작업할 경우 운전자의 시야제한, 판단오류 등으로 인해 안전사고가 발생할 수 있으며, 이에 따라 중장비는 신호수와의 상호작용을 통해 주변 상황에 대한 정보를 수집하면서 작업을 수행해야 한다. 중장비를 자동으로 모니터링하고 위험상황을 탐지하기 위해 많은 컴퓨터비전 기술들이 개발되었지만, 기존의 방법들은 중장비 단독작업 인식에 필요한 중장비와 신호수 간 상호작용을 고려하지 않았다는 한계가 있다. 이러한 한계를 보완하기 위해 본 연구는 중장비-신호수 간의 상호작용을 고려한 컴퓨터비전 기반 중장비의 단독작업 자동 인식 모델을 제안함을 목표로 한다. 개발된 모델을 검증하기 위해 실제 건설현장으로부터 영상 데이터를 수집하여 실험을 수행하였다. 그 결과, 학습된 모델은 중장비와 사람을 83.4 %의 정확도로 인식하였고, 일반 작업자와 신호수를 84.2 %의 정확도로 분류하였으며, 중장비-신호수 간 상호작용 또한 95.1 %의 높은 정확도로 분석하였다. 본 연구결과는 건설현장에서 위험한 상황을 초래할 수 있는 중장비의 단독작업을 사전에 탐지하여 안전사고를 예방할 수 있다.

• 인터넷정보학회논문지
• /
• 제20권5호
• /
• pp.95-104
• /
• 2019

사물인터넷 서비스를 위해 다양한 종류의 디바이스가 사용되고 있으며, 사물인터넷 디바이스들은 주로 비면허 대역의 주파수를 사용하는 통신기술을 활용하고 있다. 비면허 대역의 통신기술에는 몇 가지가 있지만, 현재 WiFi가 가장 대표적으로 사용된다. 사물인터넷 서비스를 위해 사용되는 디바이스는 제한된 기능을 가진 디바이스부터 스마트폰까지 컴퓨팅 리소스가 다양하고, WiFi 와 같은 무선 네트워크를 통해 서비스를 제공한다. 대부분의 사물인터넷 장치는 네트워크 제어를 위한 복잡한 연산을 할 수 없기 때문에 신호세기에 의존하여 WiFi 액세스 포인트를 선정하고 있다. 이는 사물인터넷 서비스 효율을 떨어뜨리는 원인으로 작용한다. 따라서, 본 논문에서는 액세스 포인트를 통해 사물이터넷 디바이스의 WiFi 연결을 제어할 수 있는 지능형 액세스 포인트 시스템을 구현한다. 사물인터넷 디바이스에서 측정된 네트워크 정보를 통해 액세스 포인트에서 피드 포워드 신경망 (feed forward neural network) 알고리즘을 사용하여 학습을 하고, 네트워크 연결 상태를 예측하여 디바이스의 WiFi연결을 제어한다. 이렇게 함으로써 사물인터넷 디바이스의 서비스 효율을 높일 수 있다.

• 기호학연구
• /
• 제54호
• /
• pp.7-36
• /
• 2018

마이클 폴라니의 암묵적 지식이라는 개념은 비판철학 전통 안에서 과학적 객관성이 철학적 사유를 제한하고 있다는 취지에서 나온 것으로, 사회 속에서 살아가는 사람들이 명시적으로 증명되어 학습한 지식 이외에도 의미의 영역에 묻혀 살고 있음을 강조한 개념이다. 특히, 한 사회 안에서 사람들이 공유하고 있고 증명의 대상으로 판단되지 않아서 언변으로 표면화하지 않는 지식을 그는 암묵적 지식이라고 규정하였다. 이 개념을 통해 폴라니는 비판철학 전통 안에서의 의심과 회의의 역할이 시공간적 맥락에 따라 변화함을 지적하고 비판철학을 극복한 포스트-비판철학을 구상하였다. 퍼스도 근본적인 회의가 가능하지 않음을 지적하면서 데카르트를 비판했으며, 의심과 믿음의 관계에 대한 고찰을 통해 인식의 확실성이 어디에서 오는지 탐구하였다. 이 논문은 퍼스와 폴라니의 반회의론적 입장을 비교하여 공통점과 차이점을 분석하고, 퍼스가 과학철학뿐만 아니라 과학사회학의 영역에서도 중요한 의미를 가짐을 강조한다. 폴라니의 철학적 사유는 자신의 경험에 대한 사회학적 분석에서 출발하는 것에 비해, 퍼스의 가추법은 논리학과 수학에 바탕을 두고 엄밀한 인식과 사유에 초점을 맞추고 있는 것으로 보인다. 그러나, 퍼스의 믿음과 습관에 대한 고찰을 세부적으로 살펴보면 믿음과 습관에 대한 설명에서 퍼스도 과학적 탐구의 과정을 사회적으로 파악하고 있다는 점을 발견할 수 있다. 폴라니는 과학적 인식이 명확한 원칙이나 엄밀함으로만 가능하지는 않다는 입장을 가지고 있으며, 자연과학 분야 과학자들의 공동체에 대한 구체적인 논의를 중심으로 자신의 이론을 펼친다는 점이 퍼스와의 가장 큰 차이점이다. 퍼스는 당시까지의 논리학과 수학에 대한 비판과 자신이 정의한 가추법을 지속적인 탐구의 과정과 과학자들의 공동체에 적용했으나, 폴라니는 현실 공동체에서 시작한 암묵적 지식의 개념을 충분히 발전시키지 못하고 개인적 지식이라는 영역 자체의 사회적 구조와 함의를 모호하게 남겨둔 한계를 가지고 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권3호
• /
• pp.99-108
• /
• 2021

차량 내부에는 조명 변화, 부분적인 가림 및 운전자의 상태 변화와 같은 제한되지 않은 조건들이 존재한다. 본 논문에서는 비 제약적인 차량 환경에서의 운전자 얼굴 인증 시스템을 제안한다. 제안한 방법은 차량 내부 및 외부의 조명 변화에 따라 발생하는 얼굴 이미지의 변화를 최소화하기 위해서 근적외선(NIR) 카메라를 사용한다. 특히 정면에서의 강한 빛에 노출된 얼굴 이미지를 처리하기 위해서, 학습 이미지의 평균과 분산을 사용하여 정상적인 얼굴 이미지로부터 빛에 과다하게 노출된 이미지로 변환하여 사용한다. 따라서 정상적인 조명에서의 얼굴 분류기와 강한 정면광에서의 얼굴 분류기를 각각 동시에 만들어진다. 제안하는 얼굴 분류기는 얼굴 랜드마크를 추출하고 각 랜드마크의 신뢰도 점수를 합산하여 얼굴을 최종적으로 식별한다. 특히 각 랜드마크를 인식하여 부분적인 얼굴 가림에 강하기 때문에 안경이나 선글라스를 착용하는 상황에서도 높은 성능 향상이 가능하다. 즉 가려지지 않은 남은 랜드마크의 점수를 사용하여 운전자를 인식할 수 있다. 또한 등록 운전자와 미등록 운전자 간의 관계를 고려한 새로운 인식 거부 방법과 새로운 평가 방법을 논문에서 제안한다. 자체 취득한 데이터 셋, 공인된 PolyU 및 ORL 데이터 셋으로 실험한 결과 제안한 방법이 효과적임을 확인할 수 있었다.

• 문화기술의 융합
• /
• 제7권1호
• /
• pp.640-645
• /
• 2021

딥러닝 기반 종단간 TTS 시스템은 텍스트에서 스펙트로그램을 생성하는 Text2Mel 과정과 스펙트로그램에서 음성신호를 합성하는 보코더 등 두 가지 과정으로 구성되어 있다. 최근 TTS 시스템에 딥러닝 기술을 적용함에 따라 합성음의 명료도와 자연성이 사람의 발성과 유사할 정도로 향상되고 있다. 그러나 기존의 방식과 비교하여 음성을 합성하는 추론 속도가 매우 느리다는 단점을 갖고 있다. 최근 제안되고 있는 비-자기회귀 방식은 이전에 생성된 샘플에 의존하지 않고 병렬로 음성 샘플을 생성할 수 있어 음성 합성 처리 속도를 개선할 수 있다. 본 논문에서는 비-자기회귀 방식을 적용한 Text2Mel 기술인 FastSpeech, FastSpeech 2, FastPitch와, 보코더 기술인 Parallel WaveGAN, Multi-band MelGAN, WaveGlow를 소개하고, 이를 구현하여 실시간 처리 여부를 검증한다. 실험 결과 구한 RTF로 부터 제시된 방식 모두 실시간 처리가 충분히 가능함을 알 수 있다. 그리고 WaveGlow를 제외하고 학습 모델 크기가 수십에서 수백 MB 정도로, 메모리가 제한되어 있는 임베디드 환경에 적용 가능함을 알 수 있다.

• 융합신호처리학회논문지
• /
• 제22권4호
• /
• pp.149-155
• /
• 2021

본 연구에서는 전동 이동기기를 이용하는 교통약자의 이동을 제한하는 노면 불량 요소를 딥러닝을 이용해 자동 검출하는 불량 노면객체 인식모델을 개발하고자 한다. 이를 위하여 부산시 관내 5개 지역에서 실제 전동 이동 보조 장치가 이동할 것으로 예상되는 보행로, 주행로를 대상으로 하여 노면 정보를 수집하였으며 이때 도로 정보 수집은 데이터 수집을 보다 용이하게 하기 위하여 소형 차량을 이용하였다. 데이터는 노면과 주변을 그 주변을 구성하는 객체로 구분하여 영상을 수집하였다. 수집된 데이터로부터 교통약자의 이동을 저해하는 정도에 따라 분류하여 보도블록의 파손등급 검출과 같은 일련의 인식 항목을 정의하였고, YOLOv5 딥러닝 알고리즘을 해당 데이터에 적용하여 실시간으로 객체를 인식하는 불량노면 객체 인식 딥러닝 모델을 구현하였다. 연구의 최종단계에서 실제 주행을 통해 객체 단위로 분리 수집된 영상 데이터의 가공, 정제 및 어노테이션 과정을 수행한 후 모델 학습과 검증을 거쳐 불량노면객체를 자동으로 검출하는 딥러닝 모델의 성능 검증 과정을 진행하였다.

• 정보교육학회논문지
• /
• 제26권2호
• /
• pp.105-120
• /
• 2022

팬데믹으로 인한 급격한 시대적 변화와 더불어 새로운 교육과정의 개정이 맞물리며 교육과정을 구성하는 학습자, 사회, 교과의 세 요소의 비중 변화가 불가피한 현실이다. 특히 교육과정에서 '사회'의 비중과 함께 '교육공동체'라는 단어의 범위가 커지고 이를 중심으로 한 교육과정 재구성의 허용 범위가 넓어졌다. 새로운 교육과정에서 의도하는 교육의 방향이 제대로 정착되기 위해서는 새롭게 등장한 역량과 문해력 등을 함양하기 위한 다양한 교육 방법적 연구가 필요하다. 본 연구에서는 교과 선정의 다양한 기준을 중심으로 융합 교과 내용과 목표를 선정한 후 이를 바탕으로 리빙랩의 PDIE 방법론을 재구성하여 데이터 과학 프로그램을 설계하였다. 이에 대한 평가 요소로 교육과정에서 강조하는 미래 역량 중 '창의성', '문제해결력', '의사소통 능력', '협업능력'에 대한 효과성을 분석하고자 하였다. 연구 결과 창의성과 의사소통능력 향상에 효과가 있었으며, 본 연구는 학교 교육과정내의 문제를 해결하는 스쿨 리빙랩의 효과성 검증에 초점을 두고 연구를 진행하여 일반화에 제한이 있다는 측면에서 연구의 적용 공간을 넓히고 교육공동체 주체의 역할 비중을 다양화 시킨 사후 연구 진행의 필요성을 제언한다.

• 한국엔터테인먼트산업학회논문지
• /
• 제15권1호
• /
• pp.207-220
• /
• 2021

본 연구는 신임 119구급대원의 출동경험을 바탕으로 응급구조학 교육의 현장 적용 및 효용성을 파악한 후 대학교육의 한계점과 개선점 및 발전방향을 도출해내고자 한 질적 연구이다. 연구대상자는 응급구조학과를 졸업한 119 구급대원으로 구급활동을 시작한 지 3년 이내의 신임구급 대원 6명이다. 내러티브 인터뷰(narrative interview)방식으로 심층면담을 진행한 후 현상학적 방법 중 하나인 Colaizzi방법으로 분석하였다. 의미있는 진술에서 82개의 구성된 의미가 도출되었다. 구성된 의미로 부터 23개의 theme, 4개의 theme cluster, 2개의 category가 확인되었다. 4개의 주제모음은 '대학교육의 효용성', '대학교육의 한계점', '교육방법론에서의 개선방향', '교육내용에서의 개선방향'으로 신임구급대원들은 대학교육이 전반적으로는 도움이 되었으나 소방 현장보다는 병원 쪽에 치우친 이론교육이 주입식 강의로 이루어진 한계점을 지적하였다. 이에 신임대원들은 사례중심의 학습, 현장사례리뷰, 역할극방식 교육, 시뮬레이션 교육의 확대와 함께 실습위주로 장비를 활용한 술기교육을 강화할 것을 제안하였다. 또한 신임대원들은 대학교육과 현장사이에서 이론과 실제사이의 괴리감을 토로하며 소방현장에 맞는 교육의 도입을 제안하고 다양한 시각을 위한 다양한 지도를 언급하였다. 응급구조학 대학교육은 전반적으로 도움이 되었으나 제한점이 동시에 관찰되므로 교육방법론과 교육내용의 개선을 통해 발전해가야 한다.

• 한국재난정보학회 논문집
• /
• 제17권2호
• /
• pp.245-253
• /
• 2021

연구목적: 본 연구는 화재발생 건축물 정보, 신고자 취득 정보 등 초기 정보를 활용하여 화재현장의 위험도를 예측하여, 재난 발생 초기에 효과적인 소방자원 동원 및 적절한 대응을 위한 피해최소화 전략 수립을 지원하는 위험도 예측 모델을 개발하고자 한다. 연구방법: 화재 통계 데이터 상에서 화재의 피해규모와 관련된 변수 규명을 위해 머신러닝 알고리즘을 이용한 변수간 상관성 분석을 실시하여 예측 가능성을 검토하고, 데이터 표준화 및 이산화 등의 전처리를 통해 학습 데이터 셋을 구축하였다. 이를 활용하여 예측 정확도가 높은 것으로 평가 받고 있는 복수의 머신러닝 알고리즘을 테스트하여 가장 정확도가 높은 알고리즘을 적용한 위험도 예측 모델을 개발하였다. 연구결과: 머신러닝 알고리즘 성능 테스트 결과 랜덤포레스트 알고리즘의 정확도가 가장 높게 나왔으며, 위험도 등급에 대해서는 중간치에 대한 정확성이 상대적으로 높은 것으로 확인되었다. 결론: 화재 통계 상 피해규모 데이터의 편향성에 의해 예측모델 정확도가 제한적으로 나타났으며, 예측 모델 성능 개선을 위해 데이터 정합성 및 결손치 보완 등을 통한 데이터 정제가 필요하다.

• 인터넷정보학회논문지
• /
• 제23권2호
• /
• pp.53-59
• /
• 2022

3단계 자율주행 차량 이후, 4, 5단계의 자율주행 기술은 차량의 완벽한 주행뿐만 아니라 탑승객의 상태를 최적으로 유지하기 위해 노력하고 있다. 그러나 현재 자율주행 기술은 LiDAR, 전방 카메라 등 시각적 정보에 과하게 의존하기 때문에 지정된 도로 이외의 도로에서 완벽하게 자율주행을 실행하기 힘들다. 따라서 본 논문은 차량이 시각 정보 외의 데이터를 사용하여 도로의 상태를 분류하고, 도로 상태와 주행 상태에 따라 최적의 제동 강도를 계산하는 BSCS (Braking Strength Calculation System)를 제안한다. 본 논문에서 제안하는 BSCS는 KNN 알고리즘을 기반으로 도로의 상태를 분류하는 RCDM (Road Condition Definition Module)과 RCDM의 결과와 현재 주행 상태를 통해 주행 중 최적의 제동 강도를 계산하는 BSCM (Braking Strength Calculation Module)로 구성된다. 본 논문의 실험 결과, KNN 알고리즘에 가장 적합한 K의 수를 찾을 수 있었고, 비지도 학습인 K-means 알고리즘보다 본 논문에서 제안한 RCDM이 더 정확한 것이 증명되었다. 해당 논문의 BSCS는 시각 정보뿐만 아니라 서스펜션에 가해지는 진동 데이터를 사용함으로써, 시각 정보가 제한되는 여러 환경에서 자율주행 차량의 제동을 더 원활하게 만들 수 있다.