• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.453-454
• /
• 2021

본 논문에서는 딥아이(DIY) 블록 프로그래밍과 라즈베리파이의 피지컬 컴퓨팅을 활용해 엑츄에이터와 센서를 제어하고 센서를 통해 수집한 데이터를 전처리해 인공지능에 활용함으로써 효율적인 인공지능 교육 방식을 제안한다. 해당 방식은 블록코딩 방식을 사용함으로써 문자코딩 대비 오타을 줄이고 문법 구애율을 낮춤으로써 프로그래밍 입문자의 구문적 어려움을 최소화하고 개념과 전략적 학습을 극대화한다. 블록프로그래밍 사용언어로 파이썬을 채택해 입문자의 편의를 도모하고 파일처리, 크롤링, csv데이터 추출을 통해 인공지능 교육에 활용한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.451-452
• /
• 2021

본 논문에서는 머신러닝의 원리를 쉽게 이해할 수 있는 블록 기반 코딩 플랫폼을 내장한 LMS를 제안한다. 해당 LMS는 Moodle이라는 LMS 플랫폼을 기반으로 사이트가 구축되었으며, LTI를 통해 LMS 내부에 DIY라는 코딩 툴을 내장 시켰다. 또한, 사용자의 모든 로그데이터를 통해 추천시스템을 구상하였으며, DIY를 통해 실행되는 코드를 Python Pedal라이브러리를 백엔드에서 실행 시켜 사용자가 작성한 코드에 대해 즉각적인 피드백을 제공하게 구성되어 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.683-685
• /
• 2018

본 논문은 도로에서의 객체탐지를 위한 딥러닝(deep learning) 데이터셋을 자동으로 생성, 분류하는 시스템을 제안한다. 시스템의 작동 과정은 크게 두 가지이다. 먼저 딥러닝을 활용하여 촬영된 영상에 존재하는 객체를 검출한다. 이때, 실시간으로 하는 방법과 레코딩된 영상을 다루는 방법 두 가지가 있다. 다음으로 검출된 객체 중 예측 값(scroe)가 임계치 이상인 객체의 위치와 종류를 파일로 저장한다. 이 시스템은 차량 전방 카메라 위치에 장착된 웹캠을 이용해 영상을 취득하고 임베디드 보드인 TX2 board를 이용해 데이터 셋을 생성한다. 매트랩의 image labeler app과 비교를 통해 보다 적은 시간비용으로 데이터셋을 생성해 냄을 확인하였다.

• 터널과지하공간
• /
• 제29권3호
• /
• pp.184-196
• /
• 2019

본 연구에서는 화강암 시편에서 수압 파쇄법에 의해 생성된 미세균열의 3차원 형상을 X-ray CT 영상과 딥러닝을 이용하여 추출하였다. 실험으로 생성된 미세균열은 X-ray CT 영상 상에서 일반적인 영상처리방법으로는 추출하기 매우 어렵고 육안으로만 관찰이 가능한 형태를 지닌다. 하지만 본 연구에서 제안한 합성곱 신경망(Convolutional neural network) 기반 인코더-디코더(Encoder-Decoder) 구조의 딥러닝 모델을 통해 미세균열을 정량적으로 추출할 수 있었다. 특히 픽셀 단위의 미세균열 추출을 위해 인코딩 과정에서 소실되는 정보를 디코딩 과정으로 직접 전달하는 디코더 모델을 제안하였다. 또한, 딥러닝 기반 신경망 학습에 필요한 데이터의 수를 증가시키기 위해 이미지의 분할(Division), 회전(Rotation), 그리고 반전(Flipping) 등으로 데이터를 생성하는 영상 증대 방법을 적용하였으며 이때 최적의 조합을 확인하였다. 최적의 영상 학습 데이터 증대 방법을 적용하였을 때 검증 데이터뿐만 아니라 테스트 데이터에서의 성능 향상을 확인하였다. 학습 데이터의 원본 개수가 딥러닝 기반 신경망의 균열 추출 성능에 미치는 영향을 확인하고 딥러닝 기술을 사용하여 성공적으로 미세균열을 추출하였다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.1-17
• /
• 2017

딥러닝 프레임워크의 대표적인 기능으로는 '자동미분'과 'GPU의 활용' 등을 들 수 있다. 본 논문은 파이썬의 라이브러리 형태로 사용 가능한 프레임워크 중에서 구글의 텐서플로와 마이크로소프트의 CNTK, 그리고 텐서플로의 원조라고 할 수 있는 티아노를 비교하였다. 본문에서는 자동미분의 개념과 GPU의 활용형태를 간단히 설명하고, 그 다음에 logistic regression을 실행하는 예를 통하여 각 프레임워크의 문법을 알아본 뒤에, 마지막으로 대표적인 딥러닝 응용인 CNN의 예제를 실행시켜보고 코딩의 편의성과 실행속도 등을 확인해 보았다. 그 결과, 편의성의 관점에서 보면 티아노가 가장 코딩 하기가 어렵고, CNTK와 텐서플로는 많은 부분이 비슷하게 추상화 되어 있어서 코딩이 비슷하지만 가중치와 편향을 직접 정의하느냐의 여부에서 차이를 보였다. 그리고 각 프레임워크의 실행속도에 대한 평가는 '큰 차이는 없다'는 것이다. 텐서플로는 티아노에 비하여 속도가 느리다는 평가가 있어왔는데, 본 연구의 실험에 의하면, 비록 CNN 모형에 국한되었지만, 텐서플로가 아주 조금이지만 빠른 것으로 나타났다. CNTK의 경우에도, 비록 실험환경이 달랐지만, 실험환경의 차이에 의한 속도의 차이의 편차범위 이내에 있는 것으로 판단이 되었다. 본 연구에서는 세 종류의 딥러닝 프레임워크만을 살펴보았는데, 위키피디아에 따르면 딥러닝 프레임워크의 종류는 12가지가 있으며, 각 프레임워크의 특징을 15가지 속성으로 구분하여 차이를 특정하고 있다. 그 많은 속성 중에서 사용자의 입장에서 볼 때 중요한 속성은 어떤 언어(파이썬, C++, Java, 등)로 사용가능한지, 어떤 딥러닝 모형에 대한 라이브러리가 잘 구현되어 있는지 등일 것이다. 그리고 사용자가 대규모의 딥러닝 모형을 구축한다면, 다중 GPU 혹은 다중 서버를 지원하는지의 여부도 중요할 것이다. 또한 딥러닝 모형을 처음 학습하는 경우에는 사용설명서가 많은지 예제 프로그램이 많은지 여부도 중요한 기준이 될 것이다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.67-70
• /
• 2022

최근 딥러닝 방법의 발전하면서 영상처리 및 컴퓨터 비전의 다양한 분야에서 딥러닝 기반의 알고리즘들이 그 이전의 방법들에 비하여 큰 성능 향상을 보이고 있다. 손실 영상 압축의 경우 최근 encoder-decoder 형태의 네트웍이 영상 압축에서 사용되는 transform을 대체하고 있고, transform 결과들의 엔트로피 코딩을 위한 추가적인 encoder-decoder 네트웍을 사용하여 HEVC 수준에 버금가는 성능을 내고 있다. 무손실 압축의 경우에도 매 픽셀 예측을 CNN으로 수행하는 경우, 기존의 예측방법들에 비하여 예측성능이 크게 향상되어 JPEG-2000 Lossless, FLIF, JEPG-XL 등의 딥러닝을 사용하지 않는 방법들에 비하여 우수한 성능을 내는 것으로 보고되고 있다. 그러나 모든 픽셀에 대하여 예측값을 CNN을 통하여 계산하는 방법은, 영상의 픽셀 수 만큼 CNN을 수행해야 하므로 HD 크기 영상에 대하여 지금까지 알려진 가장 빠른 방법이 한 시간 이상 소요되는 등 비현실적인 것으로 알려져 있다. 따라서 최근에는 성능은 이보다 떨어지지만 속도를 현실적으로 줄인 방법들이 제안되고 있다. 이러한 방법들은 초기에는 FLIF나 JPEG-XL에 비하여 성능이 떨어져서, GPU를 사용하면서도 기존의 방법보다 좋지 않은 성능을 보인다는 면에서 여전히 비현실적이었다. 최근에는 신호의 특성을 더 잘 활용하는 방법들이 제안되면서 매 픽셀마다 CNN을 수행하는 방법보다는 성능이 떨어지지만, 짧은 시간 내에 FLIF나 JPEG-XL보다는 좋은 성능을 내는 현실적인 방법들이 제안되었다. 본 연구에서는 이러한 최근의 몇 가지 방법들을 살펴보고 이들보다 성능을 더 좋게 할 수 있는 보조적인 방법들과 raw image에 대한 성능을 평가한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2017년도 제29회 한글 및 한국어 정보처리 학술대회
• /
• pp.82-84
• /
• 2017

본 논문에서는 한국어 이미지 캡션을 학습하기 위한 데이터를 작성하고 딥러닝을 통해 예측하는 모델을 제안한다. 한국어 데이터 생성을 위해 MS COCO 영어 캡션을 번역하여 한국어로 변환하고 수정하였다. 이미지 캡션 생성을 위한 모델은 CNN을 이용하여 이미지를 512차원의 자질로 인코딩한다. 인코딩된 자질을 LSTM의 입력으로 사용하여 캡션을 생성하였다. 생성된 한국어 MS COCO 데이터에 대해 어절 단위, 형태소 단위, 의미형태소 단위 실험을 진행하였고 그 중 가장 높은 성능을 보인 형태소 단위 모델을 영어 모델과 비교하여 영어 모델과 비슷한 성능을 얻음을 증명하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.353-356
• /
• 2010

본 논문에서는 C언어를 이용한 자료구조를 자기 주도적으로 학습할 수 있는 원격 교육 시스템을 설계 및 구현하였다. 각 단원별로 이론 강의 및 실습 강의, 형성평가로 이루어져 있으며, 실습 강의에서는 코딩 영역에 직접 코딩한 소스를 온라인 상에서 컴파일 및 실행이 가능하도록 구현하였다. 특히 한 화면에서 따라가기 형태로 화면의 이동을 하지 않고 실습하는 것이 가능하고 코드의 실행 결과 보기를 할 수 있으므로, 자료구조 학습 내용을 학습자 스스로 충분히 숙지하고 실습할 수 있는 웹 기반 실습 환경을 제공한다. 이론과 실습을 겸함으로써 학습자는 이해하기 어려운 자료구조의 이해도를 높일 수 있고, 학습자가 주도적으로 실습에 참여하도록 유도함으로써 학습의 흥미를 높일 수 있게 하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.1-2
• /
• 2022

본 논문은 4차 산업혁명의 핵심기술인 인공지능과 IoT를 피지컬 컴퓨팅을 이용해 교육을 할 수 있는 플랫폼을 설계하였다. 플랫폼은 파이썬 비주얼 블록 프로그래밍을 기반으로 사용자의 코딩 언어의 구문적인 어려움을 감소시키며 데이터 분석과 머신러닝을 쉽게 응용할 수 있다. 피지컬 컴퓨팅을 위한 AIoT 타겟 보드로는 라즈베리파이를 활용하였으며 타겟보드의 하드웨어에 대한 선수 지식을 최소화해서 원하는 시스템을 개발할 수 있다. 응용에서는 센서로 수집한 데이터를 분석하고 인공지능 모델 생성을 할 수 있으며 학습된 모델을 액추에이터 제어에 활용하는 등 AIoT 피지컬 컴퓨팅 교육에 여러 장벽을 낮추었다.

• 한국ITS학회 논문지
• /
• 제17권4호
• /
• pp.150-158
• /
• 2018

본 논문에서는 전력선 통신을 이용하는 전기자동차 충전 시스템에 대해 소개하고 전력선 통신을 이용하는 전기자동차 충전 시스템의 제어 신호에 오류가 발생했을 때 딥 러닝 알고리즘을 적용하여 오류를 정정하는 방식을 제안한다. 제어 신호의 오류 발견과 정정은 기존의 오류정정부호 기법을 통해 해결할 수 있으나 딥 러닝 기반의 오류정정부호 기법을 이용하여 더욱 효율적으로 오류를 발견하고 정정한다. 그래서 딥 러닝 기반의 오류정정부호 기법에 대해 소개하며 이 기법을 전력선 통신을 이용하는 전기자동차 충전 시스템에 적용하여 시뮬레이션을 진행하고 비트 오류율로 성능을 확인하여 딥 러닝 기반의 오류정정부호 기법이 기존의 기법보다 효율적인지를 판단한다.