• International Journal of Internet, Broadcasting and Communication
• /
• 제13권3호
• /
• pp.124-129
• /
• 2021

As the 4th industrial era is in full swing, the public's interest in related technologies such as artificial intelligence, big data, and block chain is increasing. As artificial intelligence technology is used in various industrial fields, the need for research methods incorporating artificial intelligence technology in related fields is also increasing. Evidence collection among digital forensic investigation techniques is a very important procedure in the investigation process that needs to prove a specific person's suspicions. However, there may be cases in which evidence is damaged due to intentional damage to evidence or other physical reasons, and there is a limit to the collection of evidence in this situation. Therefore, this paper we intends to propose an artificial intelligence-based evidence collection system that analyzes numerous image files reported by citizens in real time to visually check the location, user information, and shooting time of the image files. When this system is applied, it is expected that the evidence expected data collected in real time can be actually used as evidence, and it is also expected that the risk area analysis will be possible through big data analysis.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.25-27
• /
• 2021

최근 딥러닝 기술의 발전으로 CCTV 카메라를 통해 획득한 영상 정보에서 객체의 이상행동을 분석하기 위한 컴퓨터 비전 기반 AI 기술들이 연구되었다. 위험 지역이나 보안 지역에는 범죄 예방 및 경계 감시를 위해 감시카메라가 설치되어 있는 경우가 다수 존재한다. 이러한 이유로 기업들에서는 감시카메라 환경에서 침입, 배회, 낙상, 폭행 같은 주요한 상황을 판단하기 위한 연구들이 진행되고 있다. 본 논문에서는 객체 검출 및 추적 방법을 사용한 실시간 이상 행위 분석 알고리즘을 제안한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.313-315
• /
• 2019

국내 패션 시장이 마이너스 성장을 전망하였으나 2018년도부터 다시 성장하고 있는 추세이다. 이러한 현상은 사람들이 패션에 대한 관심도가 증가하고 있다는 것을 의미한다. 패션에 대한 관심도가 증가함에 따라 사람들은 자신에게 어울리는 코디를 찾기 위해 여러 커뮤니티 사이트에 방문하여 참고하고 있다. 그러나 대부분의 커뮤니티 사이트들은 각각의 의류에 대해 카테고리 분류 작업을 수작업으로 하고 있다. 이러한 작업은 시간이 많이 소요될 뿐만이 아니라 여러 의류를 동시에 검색을 못 한다는 불편함이 있다. 즉 상의와 하의를 내가 원하는 것을 동시에 선택할 수 없고 상의를 선택하면 상의를 제외한 나머지 옷들은 모델이 입은 것을 보고 참고 해야 한다는 것이다. 이것에 대한 문제점은 제공되는 모델이 입은 코디가 사용자가 원하지 않는 코디일 확률이 높으므로 도움이 되지 않을 수 있다. 본 논문에서는 해당 문제점을 개선하기 위해 이미지를 업로드 하면 의류를 AI 분석 모델로 분석하여 자동으로 카테고리를 분류하여 저장한다. 따라서 기존의 방식대로 의류 1개로만 검색할 수 있을 뿐만이 아니라 자신이 원하는 의류를 여러 개 동시에 검색할 수 있다는 장점이 있다. 해당 서비스를 통해 기존보다 더 많은 사람들이 손쉽게 자신에게 맞는 코디를 찾아 참고할 수 있을 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.1-7
• /
• 2023

딥러닝의 발전은 의료 분야에서도 다양한 응용을 가능하게 하고 있으며 이러한 애플리케이션 중에 심박수 측정은 개인의 건강을 관리하기 위한 필수적인 아이템이라 할 수 있다. 광혈류 측정을 이용한 기존 방법의 경우 스마트워치 같은 장비의 착용이 필수적이다. 그러나 최근 딥러닝 기술의 발전은 비침습식으로 원격에서 사용자의 얼굴 이미지를 분석하여 심박수를 높은 성능으로 측정가능하게 한다. 본 연구에서는 모바일 환경에서 사용 가능한 경량화된 심박수 추정 방법론을 제안한다. 이 방법론은 2D 컨볼루션에 기반한 특화된 2채널 네트워크 구조를 사용하여, 혈류와 근육 수축으로 인한 얼굴의 미세한 움직임과 색상 변화를 고려한다. 제안하는 네트워크 구조는 이미지 특성을 분석하는 인코더와 혈류량 파동을 예측하는 회귀 레이어로 구성되어있다. 이러한 복합적인 특성을 동시에 분석함으로써, 제한된 컴퓨팅 리소스를 가진 환경에서도 심박수를 정확하게 추정할 수 있다. 이 연구의 접근 방식은 침습적인 기술 없이도 심박수를 효과적으로 모니터링 할 수 있는 새로운 경로를 제공할 것으로 예상한다.

• 대한원격탐사학회지
• /
• 제39권5_4호
• /
• pp.1111-1123
• /
• 2023

원격탐사 영상을 이용한 지표 속성의 변화를 모니터링 하기 위해서 딥러닝(deep learning) 모델을 이용한 의미론적 영상 분할 방법이 최근에 널리 사용되고 있다. 대표적인 의미론적 영상 분할 딥러닝 모델인 UNet 모델을 비롯하여 다양한 종류의 UNet 기반의 딥러닝 모델들의 성능 향상을 위해서는 학습 데이터셋의 크기가 충분해야 한다. 학습 데이터셋의 크기가 커지면 이를 처리하는 하드웨어 요구 사항도 커지고 학습에 소요되는 시간도 크게 증가되는 문제점이 발생한다. 이런 문제를 해결할 수 있는 방법인 전이학습은 대규모의 학습 데이터 셋이 없어도 모델 성능을 향상시킬 수 있는 효과적인 방법이다. 본 논문에서는 UNet 기반의 딥러닝 모델들을 대표적인 사전 학습 모델(pretrained model)인 VGG19 모델 및 ResNet50 모델과 결합한 세 종류의 전이학습 모델인 UNet-ResNet50 모델, UNet-VGG19 모델, CBAM-DRUNet-VGG19 모델을 제시하고 이를 건물 추출에 적용하여 전이학습 적용에 따른 정확도 향상을 분석하였다. 딥러닝 모델의 성능이 학습률의 영향을 많이 받는 점을 고려하여 학습률 설정에 따른 각 모델별 성능 변화도 함께 분석하였다. 건물 추출 결과의 성능 평가를 위해서 Kompsat-3A 데이터셋, WHU 데이터셋, INRIA 데이터셋을 사용하였으며 세 종류의 데이터셋에 대한 정확도 향상의 평균은 UNet 모델 대비 UNet-ResNet50 모델이 5.1%, UNet-VGG19 모델과 CBAM-DRUNet-VGG19 모델은 동일하게 7.2%의 결과를 얻었다.

• 융합신호처리학회논문지
• /
• 제22권4호
• /
• pp.193-198
• /
• 2021

최근 4차 산업에 대한 관심으로 농업 분야의 벼농사에서 농민의 방제에 대한 요구수준이 증가하고 농업용 방제 드론의 관심과 활용이 증가하고 있다. 따라서 고농도의 농약을 살포하는 농업용 방제 드론 제품의 다양화와 드론 국가자격증 취득으로 인한 방제사의 증가로 인하여 드론 산업 분야에서 농업 분야가 급성장하고 있다. 세부 사업으로 농약 관리, 방제사 관리, 정밀살포, 방제 작업 물량 분류, 정산, 토양관리, 병충해 예찰 및 감시 등으로 방대한 빅데이터를 구축하고 데이터를 처리하기 위한 효과적인 플랫폼을 요구하고 있다. 그러나 데이터 분석알고리즘, 영상 분석 알고리즘, 생육 관리 알고리즘, AI 알고리즘 등 이를 통합하고 빅데이터를 처리하기 위한 모델과 프로그램 개발에 대한 국내외 연구는 미흡한 실정이다. 본 논문에서는 농업 분야에서의 관리자와 농민 요구도를 만족하고 드론을 활용한 농업용 드론방제 프로세서를 기반으로 정밀 AI 방제를 실현화시키기 위하여 온라인 드론 방제 관리 정보 플랫폼을 제안하고 실증 실험을 통하여 종합 관리 시스템 개발의 토대를 제시하였다.

• 융합신호처리학회논문지
• /
• 제23권4호
• /
• pp.241-248
• /
• 2022

SRD(Shear Reinforcement of Dual Anchorage)는 건축 현장에서 철근 콘크리트 구조물의 안전성을 보강하는 데 사용된다. 전단 보강재를 만들 때에는 용접이 사용되며, 용접은 제품의 생산성 및 경쟁력을 좌우하는 데 중요한 역할을 한다. 따라서 용접 비드 검출 검사가 필요하다. 본 연구에서는 용접 비드의 영상 자료를 이용하여 용접 비드를 검사하는 알고리즘을 제안한다. 제안한 알고리즘은 먼저 영상 내 수직 방향으로 밝깃값을 계산한 뒤, 밝깃값 분포의 50% 높이 지점에 해당하는 위치를 영상에서 찾아서 수직 방향으로 용접 비드를 분할한다. 그리고 수평 방향에 대해서도 동일한 방법으로 용접 비드 영역을 분할한 뒤, 분할 영상을 분석하여 용접비드 유무를 검사한다. 제안한 알고리즘은 관심 영역을 먼저 지정한 뒤 분석을 수행하여 연산량을 감소시켰다. 또한 SRD 영상에서 모재와 용접 비드 영역 사이에 밝깃값의 차이 특징을 이용하여 수직 및 수평 방향의 모든 밝깃값을 이용함으로써 정확도를 높일 수 있었다. 실험에서는 용접 비드 유무를 검출하기 위한 방법들로써 K-평균, k-최근접 이웃 등 5개의 알고리즘을 이용하여 분석 결과들을 비교하였으며, 타 알고리즘들에 비해 제안한 알고리즘의 정확도가 가장 높음을 보였다.

• 사물인터넷융복합논문지
• /
• 제8권6호
• /
• pp.85-92
• /
• 2022

빅데이터 분석 및 AI 개발자에 대한 수요가 증가하지만 이를 공급할 교육 기반이 부족한 실정이다. 본 논문에서는 클라우드 기반 인공지능 교육 플랫폼을 개발하여 교육기관 및 IT기업에서 실무 중심의 실습 교육을 저비용, 고효율로 학습할 수 있는 환경 구축에 목표를 두었다. 교육 플랫폼의 개발은 사용자별 시나리오 기획, 아키텍처 설계, 화면 설계, 개발 기능 구현, 하드웨어 구축으로 진행하였다. 본 교육 플랫폼은 쿠버네티스 기반으로 컨테이너화된 워크 로드와 서비스관리 플랫폼, 강사·수강생을 위한 강의 및 개발 플랫폼으로 구성되어 있으며, 실시간 알람 시스템과 에이지 테스트로 클라우드 안정성을 확보하였고, CI/CD 개발 환경을 제공하며, 도커 이미지 배포를 통한 신뢰성을 확보하였다. 본 교육 플랫폼의 개발로 교육분야 신사업 진출의 기회를 확대하고 AI 및 빅데이터 분야의 실무 인력양성에 기여할 것으로 판단된다.

• International Journal of Computer Science & Network Security
• /
• 제23권7호
• /
• pp.155-164
• /
• 2023

Machine learning with its high precision algorithms, Precision agriculture (PA) is a new emerging concept nowadays. Many researchers have worked on the quality and quantity of PA by using sensors, networking, machine learning (ML) techniques, and big data. However, there has been no attempt to work on trends of artificial intelligence (AI) techniques, dataset and crop type on precision agriculture using internet of things (IoT). This research aims to systematically analyze the domains of AI techniques and datasets that have been used in IoT based prediction in the area of PA. A systematic literature review is performed on AI based techniques and datasets for crop management, weather, irrigation, plant, soil and pest prediction. We took the papers on precision agriculture published in the last six years (2013-2019). We considered 42 primary studies related to the research objectives. After critical analysis of the studies, we found that crop management; soil and temperature areas of PA have been commonly used with the help of IoT devices and AI techniques. Moreover, different artificial intelligence techniques like ANN, CNN, SVM, Decision Tree, RF, etc. have been utilized in different fields of Precision agriculture. Image processing with supervised and unsupervised learning practice for prediction and monitoring the PA are also used. In addition, most of the studies are forfaiting sensory dataset to measure different properties of soil, weather, irrigation and crop. To this end, at the end, we provide future directions for researchers and guidelines for practitioners based on the findings of this review.

• Korean Journal of Radiology
• /
• 제24권11호
• /
• pp.1061-1080
• /
• 2023

Artificial intelligence (AI) in radiology is a rapidly developing field with several prospective clinical studies demonstrating its benefits in clinical practice. In 2022, the Korean Society of Radiology held a forum to discuss the challenges and drawbacks in AI development and implementation. Various barriers hinder the successful application and widespread adoption of AI in radiology, such as limited annotated data, data privacy and security, data heterogeneity, imbalanced data, model interpretability, overfitting, and integration with clinical workflows. In this review, some of the various possible solutions to these challenges are presented and discussed; these include training with longitudinal and multimodal datasets, dense training with multitask learning and multimodal learning, self-supervised contrastive learning, various image modifications and syntheses using generative models, explainable AI, causal learning, federated learning with large data models, and digital twins.