• 벤처혁신연구
• /
• 제5권1호
• /
• pp.107-127
• /
• 2022

본 연구는 네덜란드의 지역별 혁신 클러스터정책을 통해 네덜란드 경제의 성장동인을 찾고자 한다. 전통적으로 농업과 물류중심의 경제구조를 가진 네덜란드는 1990년대 지역 클러스터를 만들면서 첨단 허브 국가로서 역할을 충실하게 해왔고 작은 나라임에도 세계 수출의 7위를 차지하는 등 혁신국가의 이미지를 만드는데 성공했다. 그 바탕에는 혁신을 위한 체계적인 분석 접근법으로 '지역 혁신 시스템(Rational Innovation System)'의 개념을 도입하고 지역의 특색을 살린 산학연 모델이 가장 큰 요인으로 작용했다. 여기에는 적절한 중앙정부의 혁신 생태계 조성을 위한 정책적 방향 제시와 지역을 중심으로 한 산학연 모델이 크게 작용한 것으로 평가받고 있다. 이런 점을 종합적으로 살펴 볼 때 본고에서는 다음과 같은 시사점을 발견할 수 있다. 첫째, 혁신 클러스터의 활성화이다. 둘째, Top 9을 중심으로 한 신산업육성정책과 미래산업 전략을 활성화하고 있다. 셋째, 산학연 협력을 구체화하고 있다. 넷째, 스타트업의 창업을 육성하고 있다. 이를 종합하면 네덜란드는 2019년 설립된 TechLeap은 네덜란드의 기술 생태계를 정량화하고 가속화하는 데 도움을 주는데 자본, 시장 및 인재에 대한 접근성을 개선하기 위한 프로그램 및 이니셔티브를 통해 기술 기업이 확장할 수 있는 최적의 환경을 조성해 네덜란드를 미래의 기술 선도기업들을 위한 보금자리로 만들기 위해 노력하고 있다. 첨단농업과 물류국가로 알려진 네덜란드는 4차 산업혁명시대를 맞이하여 로테르담을 중심으로 하는 물류의 항구에서 ICT 기술을 기반으로 하는 '지식항구(brainport)'로 확장하고 있다. 네덜란드는 물류 국가에서 산업화에 성공했지만 최근 지역혁신 생태계를 만들기 위한 중앙정부의 비전 제시와 지역의 특화산업을 연계한 산학연 클러스터 모델이 가장 큰 디딤돌 역할을 하고 있음을 확인할 수 있다. 네덜란드의 혁신정책은 혁신 클러스터 생태계를 중심으로 지역을 개발하고 일자리 창출과 새로운 산업을 위한 투자를 통해 유럽의 '디지털 관문'으로서 역할에 보다 충실할 것으로 전망된다.

• 한국유통학회지:유통연구
• /
• 제17권5호
• /
• pp.1-23
• /
• 2012

대기업과 중소기업의 갈등이 심화되고 있고 낙수효과 또한 제대로 작동하지 않고 있으며 사업조정제도의 실효성에 대한 논란이 이어지고 있는 가운데 중소기업의 사업영역을 보호하고 중소 대기업간 양극화를 해소하며 더불어 골목상권도 보호하기 위한 방안으로 도입된 것이 중소기업 적합업종 지정제도이다. 중소기업 적합업종의 추진현황은 제조업분야로 중소기업 적합업종 품목 중 234개 품목을 신청 접수 받아 실태조사 및 분석하여 조정협의체의 품목을 선정하였다. 서비스업분야에서의 적합업종 지정은 사회적 갈등이 있는 업종부터 지정할 계획인데, 중소기업 및 소상공인의 생업과 관련된 3개 대분류 서비스업종을 대상으로 우선 지정하고 추후 순차적으로 확대할 예정이다. 하지만 중소기업 적합업종 품목으로 선정될 경우에는 중소기업의 성장 동기가 저해될 우려가 있으며, 중소기업 적합업종 품목 지정은 소비자 후생 감소가 나타날 수 있다. 또한 사전적 규제로 작용할 소지가 높을 뿐만 아니라 경쟁을 제도적으로 제한함으로써 부작용이 나타날 우려가 있으며 FTA 체제의 주요 규정에 대한 위배 가능성도 있다. 뿐만아니라 대기업에 대한 역차별 요인이 충분히 반영되지 않고 있다는 점도 문제점으로 지적된다. 특히 중소기업 적합업종제도가 대기업의 주력분야와 관계없는 서비스업에 대한 진출 확대로 인해 중소기업 및 소상공인과의 갈등을 초래하고 있는 실정이므로 중소기업이나 중소상인의 보호를 위해서는 프랜차이즈시스템을 통해서 지역 중소기업을 발전시키고 마스터 프랜차이즈나 지역 프랜차이즈 시스템과 같은 선진 계약 방식을 도입하는 것이 필요하다. 하지만 이러한 방식은 기업들의 경쟁력과 운영방식을 한층 더 진일보 시켜 중소 프랜차이즈기업의 경쟁력 강화에 기여하는 효과도 있지만 부정적 측면이 더 많다고 볼 수 있다. 첫째, 지식경제부가 밝히고 있듯이, 프랜차이즈산업은 자영업자의 창업 성공률을 높여주고, 기존 자영업자를 조직화하여 규모의 경제를 통한 경쟁력 강화에 기여할 뿐만 아니라 다양한 서비스를 소비자에게 제공함으로써 내수시장을 확대하고, 일자리 창출에 기여하는 등 자영업자 경쟁력 제고와 서비스 산업 활성화를 위한 '유용한 수단'임을 강조하고 정부 서민안정 대책으로 밝힌바 있다. 이러한 관점에서 본다면, 프랜차이즈는 적합업종 제도의 취지에 부합하는 것이며 이에 반하는 것이 아님을 알 수 있다. 둘째, 적합업종으로 지정될 경우 국제적 경쟁력을 갖고 있는 국내 프랜차이즈 대기업들의 위축과 사기저하로 인하여 해외진출과 R&D, 식품안전에 대한 투자 감소와 더불어 국내 진출한 해외 기업들의 사업 확장에 부정적 영향을 끼칠 수 있다. 또한 국내 진출한 다국적 해외 프랜차이즈기업들과의 경쟁력을 확보하는 것이 무엇보다도 시급한 국내 프랜차이즈산업 현실에서 국제적 경쟁력 확보의 어려움뿐만 아니라 국내에 진출한 해외 프랜차이즈기업들과의 역차별이 발생할 수도 있다. 셋째, 중소기업 적합업종 품목 지정은 지금까지 제품을 사용해 왔던 소비자들의 선택의 기회를 제한함과 동시에 소비자의 후생을 감소시키는 부정적인 효과를 초래한다. 또한 중소기업 간의 역차별 문제를 발생시켜 소수 중소기업이 시장을 독점함으로써 소비자 선택의 폭이 줄어들 가능성이 있으므로 제품의 효용을 판단하는 역할은 국가가 아닌 소비자의 몫으로 남겨두어야 한다. 마지막으로는 프랜차이즈와 관련하여 이미 가맹사업법과 그리고 공정거래위원회의 모범거래기준 등의 시행으로 공정거래는 확보하고 있으므로 앞으로도 부족한 부분은 이들을 보완하여 진행하는 것이 바람직하다고 본다. 중소기업 적합업종 지정으로 이중삼중으로 규제하는 것은 오히려 프랜차이즈 분야에 과도한 제한이 될 것이다. 이제 국내 프랜차이즈산업에서도 한국의 문화를 전파하는 세계적 프랜차이즈기업이 성장할 수 있는 환경조성과 정부의 적극적인 지원이 필요하다. 따라서 프랜차이즈 기업의 성장 과정이나 배경을 고려하지 않고 현재 대기업이라는 이유만으로 이들에게 불이익을 주는 일은 없어야 한다. 프랜차이즈기업의 성장억제로 인하여 결국 가맹점의 매출감소는 물론이고 심지어는 폐업하는 가맹점의 숫자를 증가시키는 또 다른 문제를 발생시킬 수 있다는 것이다. 따라서 중소기업 적합업종제도가 대기업의 발목을 잡는 것이 아니라 소상공인과 중소기업의 경쟁력 제고와 동반성장을 목표로 하고 있는 만큼 대기업과 소상공인 및 중소기업이 상생과 협력을 바탕으로 거래관계를 지속하는 프랜차이즈 기업들이 포함되지 않도록 하는 것이 타당할 것이다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.