• 한국융합학회논문지
• /
• 제12권4호
• /
• pp.43-50
• /
• 2021

최근 포항시를 비롯한 일부 지역의 지진 발생 빈도가 증가함에 따라, 대한민국 내에서 발생한 지진에 대한 대응책에 대한 필요성이 여러 가지 측면으로 요구되고 있다. 지진 발생 이후 액상화 현상이 발생하였고, 지진에 대한 사전대비와 대처에 대한 미흡함으로 인해, 지역 주민의 불안감이 가중 되었다. 이러한 현상에 대한 대처와 지역 주민에 대한 불안감을 해소하기 위해, 우리는 기존 지진 대응에 대한 시스템에 대한 한계를 분석하고, 그것을 해결하기 위한 하나의 방법을 마련하고자 한다. 이에 우리는 재난 상황에 적극적으로 대처할 수 있는 평가 기반의 지진 정보를 표출하고 확산할 수 있는 원스톱 모바일 지원 확산 시스템을 제안하고, 구현하여, 그 가능성을 증명한다.

• Journal of Microbiology and Biotechnology
• /
• 제31권7호
• /
• pp.956-966
• /
• 2021

To prevent the outbreak of infectious diseases that inflict huge economic and social losses, domestic livestock farms and related facilities have introduced automatic and semiautomatic disinfectant solution-spraying systems for vehicles. However, the facility standards and specifications vary by manufacturer, and no scientific performance evaluation has been conducted. The puropose of this study is to develop physical and biological evaluation methods. Physical and biological appraisals were conducted using two types of disinfection facilities (tunnel- and U-type) and two types of vehicles (passenger car, truck). Water-sensitive paper was used to evaluate the physical performance values for the disinfection facilities. In addition, to assess their biological performance, carriers containing low-pathogenic avian influenza virus were attached to vehicles, and the viral reduction was measured after the vehicles moved through the facility. The tunnel-type had rates of coverage in the range of 70-90% for the passenger car and 60-90% for the truck. At least 4-log virus reduction after spraying for 1-5 min was shown for both vehicles. For the U-type facility evaluation, the coverage rates were in the range of 60-90% for the passenger car and at least 90% for the truck. More than 4-log viral reduction was estimated within a spraying time of 5 min. To reduce viruses on the surface of vehicles by at least 4 log within a short period, the disinfectant solution should cover at least 71% of the pathogens. In conclusion, we were able to assess the physical and biological performance criteria for disinfection facilities aboard transportation vehicles.

• 한국정보통신학회논문지
• /
• 제24권3호
• /
• pp.341-348
• /
• 2020

인간의 눈과 같이 이미지에서 유용한 정보를 추출하는 기능은 인공지능 컴퓨터 구현에 필수적인 인터페이스 기술이다. 이미지에서 건물을 인식하여 추론하는 기술은 다양한 형태의 건물 외관, 계절에 따른 주변 잡음 이미지의 변화, 각도 및 거리에 따른 왜곡 등으로 다른 이미지 인식 기술 보다 인식률이 떨어진다. 지금까지 제시된 컴퓨터 비전(Computer Vision) 기반의 건물 인식 알고리즘들은 건물 특성을 수작업으로 정의하기 때문에 분별력과 확장성에 한계가 있다. 본 논문은 최근 이미지 인식에 유용한 딥러닝의 CNN(Convolutional Neural Network) 모델을 활용하는데 건물 외관에 나타나는 변화, 즉 계절, 조도, 각도 및 원근에 의해 떨어지는 인식률을 향상시키는 새로운 방법을 제안한다. 건물 전체 이미지와 함께 건물의 특징을 나타내는 부분 이미지들, 즉 창문이나 벽재 이미지의 데이터 세트를 함께 학습시키고 건물 인식에 활용함으로써 일반 CNN 모델 보다 건물 인식률을 약 14% 향상됨을 실험으로 증명하였다.

• 통합자연과학논문집
• /
• 제13권4호
• /
• pp.132-140
• /
• 2020

With the recent introduction of artificial intelligence (AI) technology, the use of data is rapidly increasing, and newly generated data is also rapidly increasing. In order to obtain the results to be analyzed based on these data, the first thing to do is to classify the data well. However, when classifying data, if only one classification technique belonging to the machine learning technique is applied to classify and analyze it, an error of overfitting can be accompanied. In order to reduce or minimize the problems caused by misclassification of the classification system such as overfitting, it is necessary to derive an optimal classification by comparing the results of each classification by applying several classification techniques. If you try to interpret the data with only one classification technique, you will have poor reasoning and poor predictions of results. This study seeks to find a method for optimally classifying data by looking at data from various perspectives and applying various classification techniques such as LDA and QDA, such as linear or nonlinear classification, as a process before data analysis in data analysis. In order to obtain the reliability and sophistication of statistics as a result of big data analysis, it is necessary to analyze the meaning of each variable and the correlation between the variables. If the data is classified differently from the hypothesis test from the beginning, even if the analysis is performed well, unreliable results will be obtained. In other words, prior to big data analysis, it is necessary to ensure that data is well classified to suit the purpose of analysis. This is a process that must be performed before reaching the result by analyzing the data, and it may be a method of optimal data classification.

• 식품과학과 산업
• /
• 제52권4호
• /
• pp.401-409
• /
• 2019

대기업과 중소기업 간의 도움이 필요한 부분을 서로 보완시키는 상생협력방안은 우리나라 실정에 맞게 선진국의 장점을 토대로 구성하며 중소업체를 선정하는 데에 필요한 여러 항목들이 일반기업체들과는 달리 식품안전이라는 문제를 다룬다는 특징이 있어 이 부분은 통괄적인 지원이 적용되기도 한다. 협력을 통해 지원함에 있어서 기술, 자본, 교육외에도 다양한 영역을 고려하여 발전시켜 나아가야 할 것이다. 식품산업에서 미래의 상생협력의 방향은 각 개인의 특성에 따른 맞춤형 형태를 취하게 되므로 인공지능, 사물인터넷, 블록체인, 5G, 3D프린터 등 미래 유망 혁신기술을 바탕으로 하여 상생협력이 가능할 것으로 보인다. 제도 운영에 따른 비리 발생 가능성을 차단할 수 있는 방안도 모색하여 지속적으로 발전할 수 있는 방향으로 운영되었으면 한다. 여기서 언급된 사항들의 일부는 이미 기업에서 부분적으로 시행하고 있는 것들도 있다. 앞으로 많은 기업체들이 상생협력 프로그램에 적극 참여하길 바라면서 아울러 그런 시행을 하기에 앞서 참고가 될 만한 사항을 정리한 것이다. 아무쪼록 대기업의 매력적인 부분과 중소기업의 능력들이 서로 조화를 이루면서 부족한 부분을 채워 최대한의 효과를 산출함으로써 우리나라 식품산업체의 발전을 가져 오기를 기대한다.

• 정보화정책
• /
• 제27권4호
• /
• pp.47-66
• /
• 2020

머신러닝과 딥러닝 등 인공지능 기술의 급속한 발전은 행정-정책 분야에도 영향을 확대하고 있다. 이 논문은 데이터분석과 알고리즘의 발전으로 자동화된 구성과 운용을 설계하는 인공지능 시대의 정책의사결정에 관한 탐색적 연구이다. 이 연구의 의의는 정책의사결정에서의 주요 연구 중 하나인 정책 문제의 문제구조화를 기반으로 하여, 문제정의가 잘 구조화된 정도에 따른 유형으로 이론적 틀을 구성하여 성공과 실패 사례를 구분하고 분석해서 시사점을 도출하였다. 즉 문제구조화가 어려운 유형일수록 인공지능을 활용한 의사결정의 실패 혹은 부작용의 우려가 크다는 것이다. 또한 알고리즘의 중립성여부에 대한 우려도 제시하였다. 정책적 제언으로는 우리나라 인공지능 추진체계구축 시 기술적 측면과 사회적 측면의 전문가들이 전문적으로 역할을 하는 소위원회를 병렬적으로 두고 이 소위원회들이 종합적, 융합적으로도 작동할 수 있는 운영의 묘를 발휘하는 거버넌스 추진체계 구축이 필요함을 제시하고 있다.

• 한국정보통신학회논문지
• /
• 제24권9호
• /
• pp.1224-1230
• /
• 2020

스마트폰의 보급 이후 웨어러블 디바이스에 대한 관심이 높아지고 다양화되면서 사용자들의 생활에 밀접하게 연관되고 있으며, 개인화된 서비스를 제공하기 위한 방법으로 사용되고 있다. 본 논문에서는 스마트폰에 내장된 3축 가속도 센서와 3축 자이로 센서의 정보를 합성곱 신경망에 적용하여 사용자의 행동을 검출하는 방법을 제안한다. 인간의 행동은 동작의 크기와 범위에 따라서 동작을 구성하는 신호 데이터의 지속시간을 포함한 시작 시점과 끝나는 시점이 다르다. 이로 인해 합성곱 신경망에 그대로 적용하면 행동 인식 정확도에 대한 성능상의 문제가 있다. 따라서 센서 데이터를 시간의 구간에 따라 분할된 특징을 학습하는 시분할 특징 융합 합성곱 신경망(TDFFCNN: Time-Division Feature Fusion Convolutional Neural Network)을 제안하였다.

• 한국멀티미디어학회논문지
• /
• 제24권8호
• /
• pp.1044-1058
• /
• 2021

Tempered electronic contents have multiplied in last few years, thanks to the emergence of sophisticated artificial intelligence(AI) algorithms. Deepfakes (fake footage, photos, speech, and videos) can be a frightening and destructive phenomenon that has the capacity to distort the facts and hamper reputation by presenting a fake reality. Evidence of ownership or authentication of digital material is crucial for combating the fabricated content influx we are facing today. Current solutions lack the capacity to track digital media's history and provenance. Due to the rise of misrepresentation created by technologies like deepfake, detection algorithms are required to verify the integrity of digital content. Many real-world scenarios have been claimed to benefit from blockchain's authentication capabilities. Despite the scattered efforts surrounding such remedies, relatively little research has been undertaken to discover where blockchain technology can be used to tackle the deepfake problem. Latest blockchain based innovations such as Smart Contract, Hyperledger fabric can play a vital role against the manipulation of digital content. The goal of this paper is to summarize and discuss the ongoing researches related to blockchain's capabilities to protect digital content authentication. We have also suggested a blockchain (smart contract) dependent framework that can keep the data integrity of original content and thus prevent deepfake. This study also aims at discussing how blockchain technology can be used more effectively in deepfake prevention as well as highlight the current state of deepfake video detection research, including the generating process, various detection algorithms, and existing benchmarks.

• 대한원격탐사학회지
• /
• 제38권1호
• /
• pp.103-110
• /
• 2022

Since satellite images generally include clouds in the atmosphere, it is essential to detect or mask clouds before satellite image processing. Clouds were detected using physical characteristics of clouds in previous research. Cloud detection methods using deep learning techniques such as CNN or the modified U-Net in image segmentation field have been studied recently. Since image segmentation is the process of assigning a label to every pixel in an image, precise pixel-based dataset is required for cloud detection. Obtaining accurate training datasets is more important than a network configuration in image segmentation for cloud detection. Existing deep learning techniques used different training datasets. And test datasets were extracted from intra-dataset which were acquired by same sensor and procedure as training dataset. Different datasets make it difficult to determine which network shows a better overall performance. To verify the effectiveness of the cloud detection network such as Cloud-Net, two types of networks were trained using the cloud dataset from KOMPSAT-3 images provided by the AIHUB site and the L8-Cloud dataset from Landsat8 images which was publicly opened by a Cloud-Net author. Test data from intra-dataset of KOMPSAT-3 cloud dataset were used for validating the network. The simulation results show that the network trained with KOMPSAT-3 cloud dataset shows good performance on the network trained with L8-Cloud dataset. Because Landsat8 and KOMPSAT-3 satellite images have different GSDs, making it difficult to achieve good results from cross-sensor validation. The network could be superior for intra-dataset, but it could be inferior for cross-sensor data. It is necessary to study techniques that show good results in cross-senor validation dataset in the future.

• 한국정보통신학회논문지
• /
• 제26권6호
• /
• pp.850-858
• /
• 2022

리소스가 제한된 임베디드 장치에 GRU를 배포하기 위해 이 논문은 구조적 압축을 가능하게 하는 재구성 가능한 FPGA 기반 GRU 가속기를 설계한다. 첫째, 조밀한 GRU 모델은 하이브리드 양자화 방식과 구조화된 top-k 프루닝에 의해 크기가 대폭 감소한다. 둘째, 본 연구에서 제시하는 재사용 컴퓨팅 패턴에 의해 외부 메모리 액세스에 대한 에너지 소비가 크게 감소한다. 마지막으로 가속기는 알고리즘-하드웨어 공동 설계 워크플로의 이점을 얻는 구조화된 희소 GRU 모델을 처리할 수 있다. 또한 모든 차원, 시퀀스 길이 및 레이어 수를 사용하여 GRU 모델에 대한 추론 작업을 유연하게 수행할 수 있다. Intel DE1-SoC FPGA 플랫폼에 구현된 제안된 가속기는 일괄 처리가 없는 구조화된 희소 GRU 네트워크에서 45.01 GOPs를 달성하였다. CPU 및 GPU의 구현과 비교할 때 저비용 FPGA 가속기는 대기 시간에서 각각 57배 및 30배, 에너지 효율성에서 300배 및 23.44배 향상을 달성한다. 따라서 제안된 가속기는 실시간 임베디드 애플리케이션에 대한 초기 연구로서 활용, 향후 더 발전될 수 있는 잠재력을 보여준다.