• 한국산업정보학회논문지
• /
• 제26권5호
• /
• pp.1-9
• /
• 2021

아동 그림은 내면의 감정을 표현할 수 있는 수단으로 아동 심리 진단에 널리 이용되고 있다. 본 논문에서는 아동 그림 분석에 적용할 수 있는 아동 그림 기반의 객체 탐지 알고리즘을 제안한다. 먼저 사진에서의 그림 영역을 추출하였고 데이터 라벨링 과정을 수행하였다. 이후 라벨링된 데이터 셋를 사용하여 Faster R-CNN 기반 객체 탐지모델을 학습하고 평가하였다. 탐지된 객체 결과를 기반으로 그림 면적 및 위치 또는 색상 정보를 계산하여 그림에 대한 기초정보를 쉽고 빠르게 분석할 수 있도록 설계하였다. 이를 통해 아동 그림을 이용한 심리분석에 있어 인공지능 기반 객체 탐지 알고리즘의 활용성을 보였다.

• 한국프랜차이즈경영연구
• /
• 제11권4호
• /
• pp.31-44
• /
• 2020

Purpose: The purpose of this study is to examine the effects of CEO's self-determination on entrepreneurship, business performance (operational and financial performance). Also, this research provide some strategic insights for improving business performance. In the proposed model, self-determination consists of autonomy, competence, and relatedness, and entrepreneurship consists of innovation, initiative and risk sensitivity, and proactiveness. More specifically, this study proposes a framework that entrepreneurship and operational performance will play mediating roles between self-determination and financial performance. Research design, data, methodology: In this study, an online survey was conducted on SME CEOs for analysis, and a total of 122 samples were used. In the analysis process for hypothesis verification and evaluation, frequency analysis was first performed to identify the demographic characteristics of the respondents, and confirmatory factor analysis was conducted to assess the reliability and validity of the measurement model. In addition, a structural model analysis was conducted to examine the structural relationships between CEO's self-determination, entrepreneurship, and business performance (operational and financial performance) using SmartPLS 3.0. Results: The findings and summary are as follows. First, the autonomy of self-determination has a positive effect on entrepreneurship. Second, the competence of self-determination affects entrepreneurship and operational performance. Third, it affects the innovation, initiative and risk sensitivity of the CEO's entrepreneurship, and ultimately, its operational performance. The results show that the business performance of Start-up also increases when self-determination can be a factor in increasing entrepreneurship in three sub-dimensionalities. Conclusions: The conclusion of this study is that in order for SMEs to develop into a sustainable company by securing competitiveness after start-up, external motivation such as external help and support from the state (local government) is important, but competence and relationship, which are components of self-determination. The intrinsic motivation of the CEO may be more important. To this end, CEO's should prioritize learning for competency development, and the government should pay attention to providing various educational programs through establishment of education policies and education systems to enhance the competency of start-up CEO's.

• 디지털융복합연구
• /
• 제19권11호
• /
• pp.85-93
• /
• 2021

정부는 새로운 영역의 전자정부 서비스를 창출하기 위한 계획을 추진 중이다. 업무절차 개선 측면에서 dBrain과 e-사람, 전자결재 및 업무관리를 위한 온나라 등은 상당한 성과를 이루었으며, 현재는 새로이 부각된 정보기술을 도입하여 기존의 행정서비스를 개선하고 지능형 전자정부를 구현하기 위한 노력을 지속하고 있다. 본고에서는 그중 자가학습기반의 지능형 행정서비스 구축이 실제 업무를 추진하는 공무원들의 업무프로세스에 효율적인지, 지속사용하는데 영향을 미치는지를 파악하고자 하였다. 인공지능, 빅데이터, 블록체인 등의 발전된 정보기술에 대한 개인의 인식 및 태도를 바탕으로 개인 혁신성을 선행변수로 하여 UTAUT 변수들이 지속사용의도에 영향을 미치는 지에 대해 공무원 대상 설문 결과를 이용하여 지능형 정부서비스를 대상으로 검증하여 행정서비스에 대한 영향요소를 파악하였다. 정부행정서비스 사용자들은 혁신적인 행정서비스의 구축 및 도입이 국민에게 더욱 효율적으로 활용될 수 있다고 믿으며, 정보기술 발전에 따라 서비스의 활용 및 제공에 대한 기대감을 높게 가지고 있다고 파악되었다. 향후 전자정부 서비스를 활용하는 국민을 대상으로도 모형을 적용하여 연구할 예정이다.

• Smart Structures and Systems
• /
• 제31권4호
• /
• pp.335-349
• /
• 2023

Bridges constantly undergo deterioration and damage, the most common ones being concrete damage and exposed rebar. Periodic inspection of bridges to identify damages can aid in their quick remediation. Likewise, identifying components can provide context for damage assessment and help gauge a bridge's state of interaction with its surroundings. Current inspection techniques rely on manual site visits, which can be time-consuming and costly. More recently, robotic inspection assisted by autonomous data analytics based on Computer Vision (CV) and Artificial Intelligence (AI) has been viewed as a suitable alternative to manual inspection because of its efficiency and accuracy. To aid research in this avenue, this study performs a comparative assessment of different architectures, loss functions, and ensembling strategies for the autonomous segmentation of bridge components and damages. The experiments lead to several interesting discoveries. Nested Reg-UNet architecture is found to outperform five other state-of-the-art architectures in both damage and component segmentation tasks. The architecture is built by combining a Nested UNet style dense configuration with a pretrained RegNet encoder. In terms of the mean Intersection over Union (mIoU) metric, the Nested Reg-UNet architecture provides an improvement of 2.86% on the damage segmentation task and 1.66% on the component segmentation task compared to the state-of-the-art UNet architecture. Furthermore, it is demonstrated that incorporating the Lovasz-Softmax loss function to counter class imbalance can boost performance by 3.44% in the component segmentation task over the most employed alternative, weighted Cross Entropy (wCE). Finally, weighted softmax ensembling is found to be quite effective when used synchronously with the Nested Reg-UNet architecture by providing mIoU improvement of 0.74% in the component segmentation task and 1.14% in the damage segmentation task over a single-architecture baseline. Overall, the best mIoU of 92.50% for the component segmentation task and 84.19% for the damage segmentation task validate the feasibility of these techniques for autonomous bridge component and damage segmentation using RGB images.

• 한국인터넷방송통신학회논문지
• /
• 제22권6호
• /
• pp.51-56
• /
• 2022

산업화의 발전으로 음식물 및 쓰레기 배출량이 급격히 증가하고 있다. 이에 정부도 심각성을 인지하고 이를 줄이고자 다방면으로 노력을 하고 있다. 그 일환으로 음식물 종량제을 도입을 하였고 도입 초기 여러 시행착오가 있었지만 20 ~ 30%의 감량 효과를 보여주고 있다. 이러한 실적은 음식물 종량제가 정착이 되고 있음을 암시하고 있다.하지만 1차 수거에서 2차 수거과정을 통해 집하장으로 모여서 자원 순환을 과정에서 이물질로 인한 폐해가 발생하고 있다. 이에 본 연구에서는 이러한 문제점을 근본적으로 해결하고자 인공지능을 적용하여 개선하고자 한다. 음식물쓰레기 특성상 많은 이미지를 구하는데는 한계가 있어 CNN을 기반으로 한 여러 모델을 비교하여 이를 이상 데이터 분류 즉, CNN 기반 모델들에 여러 유형의 이물질에 대한 학습을 시킨 후 그 중 정확도가 놓은 모델을 적용하여 설비 보호와 이물질 구분을 위해 투입되는 인력 등 유지보수에 대한 개선책을 마련하고자 한다.

• 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.

• 한국수자원학회논문집
• /
• 제56권5호
• /
• pp.311-323
• /
• 2023

집중호우, 홍수 및 도시침수와 같은 재해를 저감시키기 위하여 자연 재난으로 인한 재해의 발생 여부를 사전에 파악하는 것은 중요하다. 현재 국내는 기상청에서 운영하고 있는 호우주의보 및 호우경보를 발령하고 있지만, 이는 전국에 일괄적인 기준으로 적용하고 있어 사전에 호우로 인한 피해를 명확하게 인지하지 못하고 있는 실정이다. 따라서, 일괄된 기준을 지역적 특성을 반영한 호우특보 기준으로 재설정하고 1시간 후에 강우로 발생할 수 있는 피해의 규모를 예측하고자 하였다. 연구 대상 지역으로는 호우피해가 가장 빈번하게 발생하였던 경기도 지역으로 선정하였고, 강우량 및 호우 피해액 자료를 활용하여 지역적 특성을 고려한 시간단위 재해 유발 강우를 설정하였다. 강우에 의한 호우피해 발생 여부를 예측하는 모형을 개발하기 위해 재해 유발 강우 및 강우 자료를 활용하였으며, 머신러닝 기법인 의사 결정 나무 모형과 랜덤 포레스트 모형을 활용하여 분석 및 비교하였다. 또한 1시간 후의 강우를 예측하기 위한 모형으로는 장단기 메모리, 심층 신경망 모형을 활용하여 분석 및 비교하였다. 최종적으로 예측 모형을 통해 예측된 강우를 훈련된 분류 모형에 적용하여 1시간 후 호우에 의한 규모별 피해 발생 여부를 예측하였고, 이를 1ST-모형이라고 정의하였다. 본 연구를 통해 개발된 1ST-모형을 활용하여 예방 및 대비 차원의 재난관리를 실시한다면 호우로 인한 피해를 저감하는데 기여 할 수 있을 것으로 판단된다.

• 생물환경조절학회지
• /
• 제27권1호
• /
• pp.27-33
• /
• 2018

본 연구는 농업 및 정보 통신 기술의 융합을 기반으로 국내외 스마트 농장 서비스 모델을 검토하고 한국의 스마트 온실을 개선하기 위해 필요한 다양한 요인을 조사하기 위해 수행되었다. 국내 스마트 온실의 작물 생육모델 및 환경모델에 관한 연구는 제한적이었고, 연구를 위한 인프라를 구축하는 데는 많은 시간이 필요하다. 이러한 문제의 대안으로 클라우드 기반 연구 플랫폼이 필요하다. 제안된 클라우드 기반 연구 플랫폼은 통합 데이터, 생육환경모델, 구동기 제어 모델, 스마트 온실 관리, 지식 기반 전문가 시스템 및 농가 대시보드 모듈을 통해 통합적 데이터 저장 및 분석을 위한 연구 인프라를 제공한다. 또한 클라우드 기반 연구 플랫폼은 작물 생육환경, 생산성 및 액추에이터 제어와 같은 다양한 요인들 간의 관계를 정량화하는 기능을 제공하며, 연구자는 빅데이터, 기계 학습 및 인공지능을 활용하여 작물 생육 및 생장환경 모델을 분석할 수 있다.

• Journal of Korean Biological Nursing Science
• /
• 제25권1호
• /
• pp.20-31
• /
• 2023

Purpose: This study aimed to determine the consistency of 1-day and 3-day average dietary intake using the 24-hour diet recall method and to investigate the relationship of diet intake with physiological indicators potentially associated with diabetic complications in patients with diabetes. Methods: This study conducted a secondary data analysis using pretest data of a nursing intervention study entitled "Development of deep learning based AI coaching program for diabetic patients with high risk and examination of its effects." Data were analyzed through descriptive analysis, one-way repeated-measures analysis of variance, and Pearson correlation coefficients using SPSS 26.0. Results: The average total daily calorie intake over 3 days was 1,494.48 ± 436.47 kcal/day: 1,510.90 ± 547.76 kcal/day on the first day, 1,414.22 ± 527.58 kcal/day on the second day, 1,558.34 ± 645.83 kcal/ day on the third day, showing significant differences (F = 3.59, p = .031). The correlation coefficient between the 1-day and 3-day average dietary intake was 0.41-0.77 for each nutrient and 0.62-0.80 for each food group. Vegetable intake showed negative correlations with body mass index (BMI; r = -.19, p = .023) and triglycerides (r = -.18, p = .036), whereas dairy intake was positively associated with low-density lipoprotein-cholesterol (LDL; r = -0.18, p = .034) and triglycerides (r = .40, p<.001). Conclusion: This study demonstrated that 1-day dietary intake was highly correlated with 3-day average dietary intake using the 24-hour diet recall method. Food groups showed significant associations with physiological indicators of potential diabetic complications such as BMI, triglycerides, and LDL levels. Further studies are needed to improve the knowledge base on the relationships between physiological indicators and food groups.

• 경영정보학연구
• /
• 제25권1호
• /
• pp.111-128
• /
• 2023

인공지능(AI) 기술이 발전함에 따라 빅데이터 기반의 상품 선호도 추정 개인화 추천시스템에 관심이 증가하고 있는 추세이다. 하지만 개인화 추천이 적합하지 않은 경우 고객의 구매 의사를 감소시키고 심지어 금융상품의 특성상 막대한 재무적 손실로 확대될 수 있는 위험을 가지고 있다. 따라서 고객의 특성과 상품 선호도를 포괄적으로 반영한 추천시스템을 개발하는 것이 비즈니스 성과 창출과 컴플라이언스 이슈 대응에 매우 중요하다. 특히 금융상품의 경우 개인의 투자성향과 리스크 회피도에 따라 고객의 상품 선호도가 구분되므로 축적된 고객 행동 데이터를 활용하여 맞춤형 추천서비스를 제안하는 것이 필요하다. 이러한 고객의 행동 특성과 거래 내역 데이터를 사용하는 것뿐만 아니라, 고객의 인구통계정보, 자산정보, 종목 보유 정보를 포함하여 추천 시스템의 콜드 스타트 문제를 해결하고자 한다. 따라서, 본 연구는 고객의 거래 로그 기록을 바탕으로 고객의 투자성향과 같은 특성 정보와 거래 내역 및 금융상품 정보를 통해 고객별 금융상품 잠재 선호도를 도출하여 딥러닝 기반의 협업 필터링을 제안한 모형이 가장 성능 우수한 것을 확인하였다. 본 연구는 고객의 금융 투자 메커니즘을 기반으로 금융상품 거래 데이터를 통해 미거래 금융상품에 대한 예상 선호를 도출하는 추천 모델을 구축하여, 선호가 높을 것으로 예상되는 상위 상품군을 추천하는 서비스를 개발하는 것에 의의가 있다.