• Journal of information and communication convergence engineering
• /
• 제21권4호
• /
• pp.287-293
• /
• 2023

With the rapid development of domestic and international over-the-top markets, a large amount of video content is being created. As the volume of video content increases, consumers tend to increasingly check data concerning the videos before watching them. To address this demand, video summaries in the form of plot descriptions, thumbnails, posters, and other formats are provided to consumers. This study proposes an approach that automatically generates posters to effectively convey video content while reducing the cost of video summarization. In the automatic generation of posters, face recognition and clustering are used to gather and classify character data, and keyframes from the video are extracted to learn the overall atmosphere of the video. This study used the facial data of the characters and keyframes as training data and employed technologies such as DreamBooth, a text-to-image generation model, to automatically generate video posters. This process significantly reduces the time and cost of video-poster production.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권8호
• /
• pp.3567-3582
• /
• 2020

Human activities are often affected by weather conditions. Automatic weather recognition is meaningful to traffic alerting, driving assistance, and intelligent traffic. With the boost of deep learning and AI, deep convolutional neural networks (CNN) are utilized to identify weather situations. In this paper, a three-channel convolutional neural network (3C-CNN) model is proposed on the basis of ResNet50.The model extracts global weather features from the whole image through the ResNet50 branch, and extracts the sky and ground features from the top and bottom regions by two CNN5 branches. Then the global features and the local features are merged by the Concat function. Finally, the weather image is classified by Softmax classifier and the identification result is output. In addition, a medium-scale dataset containing 6,185 outdoor weather images named WeatherDataset-6 is established. 3C-CNN is used to train and test both on the Two-class Weather Images and WeatherDataset-6. The experimental results show that 3C-CNN achieves best on both datasets, with the average recognition accuracy up to 94.35% and 95.81% respectively, which is superior to other classic convolutional neural networks such as AlexNet, VGG16, and ResNet50. It is prospected that our method can also work well for images taken at night with further improvement.

• 스마트미디어저널
• /
• 제8권3호
• /
• pp.95-103
• /
• 2019

세계 제조업은 장기적인 경기침체, 노동 원가 및 원자재 가격 상승으로 성장 한계에 봉착하게 되었으며, 이에 대한 해결방안으로 ICT와 센서 기술을 바탕으로 제조업의 4차 산업혁명을 진행하고 있다. 이러한 흐름에 따라 화학 산업에서의 스마트공장보급 확산과 스마트제조 기술 향상을 위해, 본 논문은 스마트 제조혁신을 위한 보호필름 공정 제조데이터 활용모델의 설계를 제안한다. 보호필름 공정 중에서 원료 배합 및 교반, 압출, 그리고 검수 공정에 대해서 온도, 압력, 습도, 그리고 동영상 및 열화상의 제조 데이터를 획득한다. 또한 획득된 제조 데이터는 대용량 스토리지에 저장되며, AI 서비스에 의한 시계열 및 이미지 분석과 시각화가 진행된다.

• Journal of Platform Technology
• /
• 제9권4호
• /
• pp.90-96
• /
• 2021

현재 개발중인 그리고 운행중인 대부분의 자동차에는 다양한 IoT 센서들이 탑재되어 있지만, 자동차 사고를 일으키는 요인 중 몇몇 요인들은 상대적으로 탐지하기 힘들다. 이러한 요소 중 대표적인 위험 요인 중 하나가 블랙 아이스이다. 블랙 아이스는 블랙 아이스가 깔린 부분을 지나가는 모든 차량에 영향을 줄 수 있어 대형 사고를 유발할 가능성이 가장 높은 요인 중 하나이다. 따라서 대형 사고를 막기 위해 블랙 아이스 검출기법은 꼭 필요하다. 이를 위해 몇몇 연구가 과거 진행되었으나 몇몇 부분에서 현실적이지 않는 요소들이 반영된 경우가 있어, 이를 보충하기 위한 연구가 필요하다. 본 논문에서는 CNN 기법으로 컬러 이미지를 분석하여 블랙 아이스를 탐지하고자 하였으며, 일정 수준의 블랙 아이스 탐지에 성공하였다. 다만 기존 연구 와 차이가 있어 그 이유를 분석하였다.

• 한국정보통신학회논문지
• /
• 제26권8호
• /
• pp.1130-1135
• /
• 2022

서울특별시는 25개 구청에 7만5천여대의 CCTV가 설치되어 있다. 각 구청은 CCTV관제를 위한 관제센터를 구축하고 시민의 안전을 위해 24시간 CCTV영상관제를 수행하고 있다. 서울특별시는 유관기관과 MOU를 체결하여 긴급/응급 상황에 신속한 대응이 가능하도록 구청의 CCTV영상을 제공하여 시민이 안전한 스마트시티통합플랫폼을 구축하고 있다. 본 논문에서는, 서울특별시 관할구청에서 사건 발생 시, CCTV영상에 대해 인공지능 DNN 기반의 Template Matching 기술, MLP 알고리즘과 CNN 기반으로 YOLO SPP DNN모델을 사용하여 사람과 차량을 판별하여 도주경로를 예측한다. 또한, 관할구청을 이탈하여, 차량 및 사람이 도주 시, 인접 구청에 영상정보와 상황정보를 자동전파 하도록 설계한다. 인공지능을 활용한 도주경로 예측 및 추적 시스템은 스마트시티 통합플랫폼을 전국으로 확장시킬 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.277-280
• /
• 2021

최근 높은 접근성을 기반으로 다양한 콘텐츠가 양산됨에 따라 미디어 콘텐츠 시장이 더욱 활성화되고 있다. 사용자들은 취향에 맞는 콘텐츠를 찾고자 하며, 각 플랫폼에서 콘텐츠의 개인화 추천을 위해 경쟁하고 있다. 효율적인 추천시스템을 위해서는 양질의 메타데이터가 필요하다. 기존의 플랫폼들은 영상의 메타데이터를 사용자가 직접 입력하는 방식을 취하고 있다. 이는 많은 양의 데이터를 처리하는 데에 시간과 비용을 낭비하게 할 것이다. 본 논문에서는 미디어 초개인화 추천을 위해서 영화예고편을 바탕으로, 영상의 YCrCb 컬러 모델을 기반으로 키프레임을 추출하고, 인공지능의 지도학습을 통해 영화 장르를 구별하고 추후 메타데이터 생성을 위한 활용방안을 제안하고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.67-77
• /
• 2023

본 연구는 스마트팜 환경에서 진행된 혁신적인 연구로, 딥러닝을 기반으로 한 질병 및 해충 탐지 모델을 개발하고, 이를 지능형 사물인터넷(IoT) 플랫폼에 적용하여 디지털 농업 환경 구현의 새로운 가능성을 탐색하였다. 연구의 핵심은 Pseudo-Labeling, RegNet, EfficientNet 등 최신 ImageNet 모델과 전처리 방식을 통합하여, 복잡한 농업 환경에서 다양한 질병과 해충을 높은 정확도로 탐지하는 것이었다. 이를 위해 앙상블 학습 기법을 적용하여 모델의 정확도와 안정성을 극대화했으며, 평균 정밀도(mAP), 정밀도, 재현율, 정확도, 박스 손실 등의 다양한 성능 지표를 통해 모델을 평가하였다. 또한, SHAP 프레임워크를 활용하여 모델의 예측 기준에 대한 깊은 이해를 도모하였고, 이를 통해 모델의 결정 과정을 보다 투명하게 만들었다. 이러한 분석은 모델이 어떻게 다양한 변수들을 고려하여 질병 및 해충을 탐지하는지에 대한 중요한 통찰력을 제공하였다.

• 인터넷정보학회논문지
• /
• 제25권3호
• /
• pp.19-25
• /
• 2024

전 세계적인 인구 고령화 현상으로, 녹내장, 백내장, 황반변성과 같은 실명을 초래할 수 있는 주요 안질환의 발병률이 상승하고 있다. 이에 안과 분야에서는 실명률을 줄이기 위해 예방이 어려운 질환의 진단에 관심이 집중되고 있다. 본 연구는 기존보다 적은 양의 데이터를 활용하여 안저 사진 내의 안질환을 정확하게 진단하는 딥러닝 방안을 제안한다. 이를 위해 적은 데이터로도 효과적인 학습이 가능한 Convolutional Neural Network (CNN) 모델을 선정하여 다양한 안질환 환자의 Conventional Fundus Image (CFI)를 분류 한다. 선정된 CNN 모델들은 Accuracy, Precision, Recall, F1-score에서 우수한 성능을 기록함으로써 CFI 내 안질환의 정확한 분류에 탁월한 성능을 보였다. 이러한 접근법은 안과 전문의들의 수작업 분석을 줄이고, 진료 시간을 단축하며, 리소스가 제한된 환경에서도 일관성 있는 진단 결과를 제공함으로써 의료 현장에 효율적이고 정확한 진단의 보조 도구로 기여할 수 있다.

• 대한원격탐사학회지
• /
• 제38권3호
• /
• pp.225-236
• /
• 2022

도시의 인구 증가와 이에 따른 개발로 인한 도시화는 도시 내 열섬현상과 같은 다양한 환경문제를 유발할 수 있다. 특히 계획적으로 구축되는 신도시의 경우 짧은 기간에 진행되는 급격한 도시화로 인한 도시 기후의 변화를 분석하기에 적절한 연구대상지로 여겨진다. 본 연구에서는 Landsat-8 Operational Land Imager/Thermal Infrared Sensor (OLI/TIRS) 위성영상을 활용하여 세종특별자치시 내 행정중심복합도시의 2013년부터 2020년 개발계획에 의한 토지피복 변화와 이에 따른 표면 열섬현상의 변화를 분석하였다. 이를 위해 위성영상에서 제공하는 열적외선 밴드값과 방사율을 고려하여 지표면온도를 산출하고, 이를 기반으로 표면 열섬현상 강도와 Urban Thermal Field Variance Index (UTFVI)의 변화분석을 수행하였다. 개발이 진행됨에 따른 토지피복 변화 및 피복별 열섬현상 강도의 차이 확인을 위해 환경부에서 제공하는 중분류 토지피복지도를 활용하였다. 분석 결과, 연구지역의 시가화 면적은 15% 증가하였고 자연식생은 28% 이상 줄어든 것이 확인되었다. 또한 이에 따른 열섬현상의 확장 및 강도 증가가 관측되었고, 열섬현상이 발생된 지역의 생태적 수준은 매우 낮은 것을 확인하였다. 본 연구를 통해 급격한 도시화에 따른 열 환경의 정량적 변화 및 생태적 수준을 확인하고, 주거환경의 열 환경 개선을 위한 추가적인 정책의 필요성이 제시될 수 있다.

• 한국빅데이터학회지
• /
• 제8권1호
• /
• pp.99-109
• /
• 2023

최근에 우리나라에서 뿐만 아니라, 세계 곳곳에서 태풍, 산불, 장마 등으로 인한 재해가 끊이지 않고 있고, 우리나라 태풍 및 호우로 인한 재산 피해액만 1조원이 넘고 있다. 이러한 재난으로 인해 많은 인명 및 물적 피해가 발생하고, 복구하는 데도 상당한 기간이 걸리며, 정부 예비비도 부족한 실정이다. 이러한 문제점들을 사전에 예방하고 효과적으로 대응하기 위해서는 우선 정확한 데이터를 실시간 수집하고 분석하는 작업이 필요하다. 그러나, 센서들이 위치한 환경, 통신 네트워크 및 수신 서버들의 상황에 따라 지연 및 데이터 손실 등이 발생할 수 있다. 따라서, 본 논문에서는 이러한 통신네트워크 상황에서도 분석을 정확하게 할 수 있는 2단계 하이브리드 상황 분석 및 예측 알고리즘을 제안한다. 1단계에서는 이기종의 다양한 센서로부터 강, 하천, 수위 및 경사지의 경사각 데이터를 수집/필터링/정제하여 빅데이터 DB에 저장하고, 인공지능 규칙기반 추론 알고리즘을 적용하여, 위기 경보 4단계를 판단한다. 강수량이 일정값 이상인데도 불구하고 1단계 결과가 관심 이하 단계에 있으면, 2단계 딥러닝 영상 분석을 수행한 후 최종 위기 경보단계를 결정한다.