• 디지털산업정보학회논문지
• /
• 제19권2호
• /
• pp.69-78
• /
• 2023

In this paper, IO+5G dedicated hardware is developed and an AI device communication system equipped with a 5G is designed and tested. The AI device communication system equipped with a 5G receives the collected real-time images and the information collected from the IoT sensor in real time is to analyze the information and generates the risk detection events in the AI processing board. The event generated in the AI processing board creates a 5G channel in the dedicated hardware equipped with IO+5G. The created 5G channel delivers event video to the control video server. The 5G based dongle network enables faster data collection and more precise data measurement compared to wireless LAN and 5G routers. As a result of the experiment in this paper, the average test result of the 5G dongle network is about 51% faster than the Wi-Fi average test result in downlink and about 40% faster in uplink. In addition, when comparing the test result with terms of the 5G rounter to be set to 80% upload and 20% download, the average test result is that the 5G dongle network is about 11.27% faster when downloading and about 17.93% faster when uploading. when comparing the test result with terms of the the router to be set to 60% upload and 40% download, the 5G dongle network is about 11.19% faster when downlinking and about 13.61% faster when uplinking. Therefore, in this paper it describes that the developed 5G dongle network can improve the results by collecting data and analyzing it faster than wireless LAN and 5G routers.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.827-829
• /
• 2019

본 논문에서는 최근 소개된 구글 TPU 보드를 사용하여 AI 알고리듬을 적용하고 성능 분석을 통하여 TPU 를 통한 AI 에 기반한 영상처리 시스템의 구현 가능성을 검증 하고자 하였다. 구글 TPU 보드는 기계 학습에 특화된 Coral Dev 보드를 사용하였고. 수행하는 인공지능 알고리즘은 객체 인식 알고리즘인 SSD 알고리즘을 사용하였다. 이 후 동일한 알고리즘을 GPU 가 장착되어 있는 고성능 데스크탑과 처리속도를 비교하여, TPU 에 기반한 임베디드 AI 시스템의 활용 가능성을 검증 하였다.

• International journal of advanced smart convergence
• /
• 제11권2호
• /
• pp.7-12
• /
• 2022

Safety and security are the topmost priority in every environment. With the aid of Artificial Intelligence (AI), many objects are becoming more intelligent, conscious, and curious of their surroundings. The recent scientific breakthroughs in autonomous vehicular designs and development; powered by AI, network of sensors and the rapid increase of Internet of Things (IoTs) could be utilized in maintaining safety and security in our environments. AI based on deep learning architectures and models, such as Deep Neural Networks (DNNs), is being applied worldwide in the automotive design fields like computer vision, natural language processing, sensor fusion, object recognition and autonomous driving projects. These features are well known for their identification, detective and tracking abilities. With the embedment of sensors, cameras, GPS, RADAR, LIDAR, and on-board computers in many of these autonomous vehicles being developed, these vehicles can properly map their positions and proximity to everything around them. In this paper, we explored in detail several ways in which these enormous features embedded in these autonomous vehicles, such as the network of sensors fusion, computer vision and natural image processing, natural language processing, and activity aware capabilities of these automobiles, could be tapped and utilized in safeguarding our lives and environment.

• 한국정보통신학회논문지
• /
• 제26권11호
• /
• pp.1577-1585
• /
• 2022

최근 4차산업혁명과 함께 메타버스에 대한 관심이 증가하는 가운데, 메타버스를 구축하는 멀티 에지 기반의 구조가 제시된다. 메타버스는 멀티 에지 시스템에서 많은 양의 영상처리와 데이터 전송을 통해 디지털 의사와 같은 시스템을 만들어 낼 수 있는 구조이다. 하지만 에지는 부족한 연산능력이라는 제약이 있으므로, 런타임 스트리밍이 가능한 서비스제공을 위해서는, 에지에서만 이루어졌던 영상처리와 데이터 전송을 에지-클라우드 협동을 통해 처리하여 저전력 시스템을 구축해야한다. 많은 에지들이 연결되는 시스템에서는, 그 무엇보다도 에지 경량화를 통해 효율적인 전체 시스템의 경량화 및 소모전력의 감소를 이루어낼 수 있다. 본 논문에서는 원격영상 처리방법과 Region of Interest (RoI) 기법을 사용하여, AI 소프트웨어의 저전력 런타임 스트리밍이 가능해지는, 에지-클라우드 협동 메타버스 애플리케이션을 제안한다. 에지-클라우드 협동 메타버스의 구조는 PC와 임베디드 보드를 사용하여 구현하였으며, 본 논문의 후반부에서는 에지의 시간 감소와 그에따른 전력 소모, 네트워크 통신량 감소를 검증하였다.

• 융합신호처리학회논문지
• /
• 제23권3호
• /
• pp.137-142
• /
• 2022

해마다 야생동물이 인간의 거주지에 출몰하는 횟수가 증가하여 재산 및 인명 피해가 증가하고 있다. 특히, 고속도로나 농가에 야생동물이 출몰하는 경우에 그 피해가 더 심하다. 이런 문제점을 해결하기 위해 고속도로에는 생태통로와 유도펜스를 설치하였다. 또한, 농가에서도 문제를 해결하기 위해 센서를 이용한 경적 퇴치기, 그물망 설치, 배설물로 퇴치 하는 등방법을 쓰고 있으나 고가의 비용이 들며 그 효과가 높지 않다. 본 논문에서는 AI 기반 영상분석 방법인 YOLO(You Only Live Once)를 이용하여 유해동물을 실시간 분석하여 오작동을 줄였고, 퇴치장치로 고휘도 LED와 초음파 주파수 스피커를 이용였다. 스피커는 동물들만 들을 수 있는 가청주파수를 출력하여 야생동물만 퇴치하도록 효율성을 높였다. 제안하는 시스템은, 경제적으로 설치할 수 있도록 범용 보드를 사용하여 설계되어 있으며 기존의 센서를 이용한 장치들보다 감지 성능이 높다.

• 센서학회지
• /
• 제29권1호
• /
• pp.19-26
• /
• 2020

Electrocardiogram (ECG) classification has become an essential task of modern day wearable devices, and can be used to detect cardiovascular diseases. State-of-the-art Artificial Intelligence (AI)-based ECG classifiers have been designed using various artificial neural networks (ANNs). Despite their high accuracy, ANNs require significant computational resources and power. Herein, three different ANNs have been compared: multilayer perceptron (MLP), convolutional neural network (CNN), and spiking neural network (SNN) only for the ECG classification. The ANN model has been developed in Python and Theano, trained on a central processing unit (CPU) platform, and deployed on a PYNQ-Z2 FPGA board to validate the model using a Jupyter notebook. Meanwhile, the hardware accelerator is designed with Overlay, which is a hardware library on PYNQ. For classification, the MIT-BIH dataset obtained from the Physionet library is used. The resulting ANN system can accurately classify four ECG types: normal, atrial premature contraction, left bundle branch block, and premature ventricular contraction. The performance of the ECG classifier models is evaluated based on accuracy and power. Among the three AI algorithms, the SNN requires the lowest power consumption of 0.226 W on-chip, followed by MLP (1.677 W), and CNN (2.266 W). However, the highest accuracy is achieved by the CNN (95%), followed by MLP (76%) and SNN (90%).

• 한국위성정보통신학회논문지
• /
• 제11권3호
• /
• pp.92-99
• /
• 2016

AIS(Automatic Identification System)는 VHF 통신 대역을 이용하여 선박의 속도, 위치 및 항행정보를 AIS를 설치한 다른 선박 및 해안 기지국이 공유하는 근거리 해상 교통관리 시스템이다. 기존의 시스템은 AIS 신호를 수집하는 기지국이 해안 및 섬에 위치하였기 때문에 선박 정보를 획득하는데 제한적이었다. 이런 문제점을 해결하기 위해 저궤도 위성에 AIS 탑재체를 장착하여 넓은 범위의 선박 정보를 획득할 수 있다. 현재 저궤도 위성에 장착되는 AIS 탑재체는 UART를 통해 위성탑재컴퓨터와 연결되고, 위성탑재소프트웨어가 이를 제어하여 운영된다. 위성탑재소프트웨어는 지상에서 전송한 Command를 AIS 탑재체로 전달해야 하고, AIS 탑재체로부터 전송되는 Response, OBP, OGP 데이터를 효율적으로 관리하여 지상으로 내려 보내야 한다. 이에 본 논문에서는 AIS 탑재체 운영을 위한 위성탑재소프트웨어의 설계 및 검증 내용에 대해 기술한다.

• 정보교육학회논문지
• /
• 제25권5호
• /
• pp.673-681
• /
• 2021

본 연구는 교육대학원에서의 인공지능 교육 과목의 운영사례이다. 교육 과정은 머신러닝의 이해와 실습, 데이터 분석, 엔트리를 이용한 인공지능의 실제, 인공지능과 피지컬 컴퓨팅 등으로 구성되었다. 교육효과에 대한 설문 조사 결과, 수강생들은 초등학교 현장으로의 적용 용이성과 수업 우선순위로 엔트리 인공지능 블록의 활용, 피지컬 컴퓨팅 도구로써 대장장이 보드의 활용을 선호하였다. 데이터 분석 영역은 수학교과의 데이터와 그래프 교육과의 연계 등에서 그 효과성이 있으며. 피지컬 컴퓨팅 도구로 허스키 렌즈는 고유의 이미지 처리 기능을 활용하면 자율주행차 메이커 교육에 유용한 것으로 나타났다. 바람직한 인공지능교육으로는 수준별 교육과정, 데이터 수집 및 분석 교육의 강화 등이 요구되었다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.401-409
• /
• 2021

본 연구는 교육 대학원의 인공 지능 교육 과목의 운영사례이다. 주요 교육내용은 머신러닝의 이해와 실습, 데이터 분석, 엔트리를 이용한 인공지능의 실제, 인공지능과 피지컬 컴퓨팅 등으로 구성되었다. 교육과정 적용후 교육효과에 대한 설문 조사 결과, 수강생들은 초등교육 현장에 적용 용이성 등을 고려하여 우선순위로 엔트리 인공지능 블록의 활용, 피지컬 컴퓨팅 도구로써 대장장이 보드의 활용 등을 선호함을 알 수 있었다. 데이터 분석 영역은 수학교과의 데이터와 그래프 교육과의 연계 등에서 그 효과성이 있으며. 피지컬 컴퓨팅 도구로 허스키 렌즈는 고유의 이미지 처리 기능을 활용하면 자율주행차 메이커 교육에 유용하다고 하였다. 그 외의 바람직한 인공지능교육으로 수준별 교육과정, 데이터 수집 및 분석 교육의 강화 등의 필요성이 대두되었다.

• 한국멀티미디어학회논문지
• /
• 제25권1호
• /
• pp.39-51
• /
• 2022

Image-based gender classification and age estimation of human are classic problems in computer vision. Most of researches in this field focus just only one task of either gender classification or age estimation and most of the reported methods for each task focus on accuracy performance and are not computationally light. Thus, running both tasks together simultaneously on low cost mobile or embedded systems with limited cpu processing speed and memory capacity are practically prohibited. In this paper, we propose a novel light-weight gender classification and age estimation method based on ensemble multitasking deep learning with light-weight processing neural network architecture, which processes both gender classification and age estimation simultaneously and in real-time even for embedded systems. Through experiments over various well-known datasets, it is shown that the proposed method performs comparably to the state-of-the-art gender classification and/or age estimation methods with respect to accuracy and runs fast enough (average 14fps) on a Jestson Nano embedded board.