• 자동차안전학회지
• /
• 제14권4호
• /
• pp.6-15
• /
• 2022

In this study, a traffic light recognition algorithm was implemented and validated for low-speed special purpose vehicles in an urban environment. Real-time image data using a camera and YOLO algorithm were applied. Two methods were presented to increase the accuracy of the traffic light recognition algorithm, and it was confirmed that the second method had the higher accuracy according to the traffic light type. In addition, it was confirmed that the optimal YOLO algorithm was YOLO v5m, which has over 98% mAP values and higher efficiency. In the future, it is thought that the traffic light recognition algorithm can be used as a dual system to secure the platform safety in the traffic information error of C-ITS.

• Structural Monitoring and Maintenance
• /
• 제9권2호
• /
• pp.157-177
• /
• 2022

In this paper, an innovative finite element updating method is presented based on the variation wavelet transform coefficients of Auto/cross-correlations function (WTCF). The Quasi-linear sensitivity of the wavelet coefficients of the WTCF concerning the structural parameters is evaluated based on incomplete measured structural responses. The proposed algorithm is used to estimate the structural parameters of truss and plate models. By the solution of the sensitivity equation through the least-squares method, the finite element model of the structure is updated for estimation of the location and severity of structural damages simultaneously. Several damage scenarios have been considered for the studied structure. The parameter estimation results prove the high accuracy of the method considering measurement and mass modeling errors.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.57-60
• /
• 2021

본 논문에서는 기지 설비 중 주요 회전기기인 펌프의 이상탐지 알고리즘을 제안한다. 현재 인공지능을 활용하여 생산현장을 혁신하고자 하는 시도가 진행되고 있으나 외산 솔루션에 대한 의존도가 높은 것에 비해 국내 실정에 맞지 않는 경우가 많다. 이에 따라, 선행 연구를 통해 국내 실정에 맞는 인공지능 기술 도입이 필요하다. 본 연구에서는 VAE(Variational Auto Encoder) 알고리즘을 활용해 회전기기의 고장을 진단하는 알고리즘을 개발하였다. 본 연구 수행을 통한 회전기기의 고장 예지·진단 시스템 개발로 설비의 이상 징후 포착, 부품의 교환 시기 등 보수 일정을 예측하고 최종적으로 이를 통한 설비 가동의 효율 증대와 에너지 비용 감소의 효과를 기대한다.

• 자동차안전학회지
• /
• 제13권2호
• /
• pp.35-41
• /
• 2021

In this study, improved path tracking control algorithm based on pure pursuit algorithm is newly proposed by using improved lane detection algorithm through real time post-processing with interpolation methodology. Since the original pure pursuit works well only at speeds below 20 km/h, the look-ahead distance is implemented as a sigmoid function to work well at an average speed of 45 km/h to improve tracking performance. In addition, a smoothing filter was added to reduce the steering angle vibration of the original algorithm, and the stability of the steering angle was improved. The post-processing algorithm presented has implemented more robust lane recognition system using real-time pre/post processing method with deep learning and estimated interpolation. Real time processing is more cost-effective than the method using lots of computing resources and building abundant datasets for improving the performance of deep learning networks. Therefore, this paper also presents improved lane detection performance by using the final results with naive computer vision codes and pre/post processing. Firstly, the pre-processing was newly designed for real-time processing and robust recognition performance of augmentation. Secondly, the post-processing was designed to detect lanes by receiving the segmentation results based on the estimated interpolation in consideration of the properties of the continuous lanes. Consequently, experimental results by utilizing driving guidance line information from processing parts show that the improved lane detection algorithm is effective to minimize the lateral offset error in the diverse maneuvering roads.

• 정보보호학회논문지
• /
• 제33권4호
• /
• pp.687-697
• /
• 2023

공격 양상이 더욱 지능화되고 다양해진 봇넷은 오늘날 가장 심각한 사이버 보안 위협 중 하나로 인식된다. 본 논문은 UGR과 CTU-13 데이터 셋을 대상으로 반지도 학습 딥러닝 모델인 오토엔코더를 활용한 봇넷 검출 실험결과를 재검토한다. 오토엔코더의 입력벡터를 준비하기 위해, 발신지 IP 주소를 기준으로 넷플로우 레코드를 슬라이딩 윈도우 기반으로 그룹화하고 이들을 중첩하여 트래픽 속성을 추출한 데이터 포인트를 생성하였다. 특히, 본 논문에서는 동일한 흐름-차수(flow-degree)를 가진 데이터 포인트 수가 이들 데이터 포인트에 중첩된 넷플로우 레코드 수에 비례하는 멱법칙(power-law) 특징을 발견하고 실제 데이터 셋을 대상으로 97% 이상의 상관계수를 제공하는 것으로 조사되었다. 또한 이러한 멱법칙 성질은 오토엔코더의 학습에 중요한 영향을 미치고 결과적으로 봇넷 검출 성능에 영향을 주게 된다. 한편 수신자조작특성(ROC)의 곡선아래면적(AUC) 값을 사용해 오토엔코더의 성능을 검증하였다.

• 로봇학회논문지
• /
• 제14권2호
• /
• pp.139-149
• /
• 2019

In this paper, we present auto-annotation tool and synthetic dataset using 3D CAD model for deep learning based object detection. To be used as training data for deep learning methods, class, segmentation, bounding-box, contour, and pose annotations of the object are needed. We propose an automated annotation tool and synthetic image generation. Our resulting synthetic dataset reflects occlusion between objects and applicable for both underwater and in-air environments. To verify our synthetic dataset, we use MASK R-CNN as a state-of-the-art method among object detection model using deep learning. For experiment, we make the experimental environment reflecting the actual underwater environment. We show that object detection model trained via our dataset show significantly accurate results and robustness for the underwater environment. Lastly, we verify that our synthetic dataset is suitable for deep learning model for the underwater environments.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제52차 하계학술대회논문집 23권2호
• /
• pp.187-190
• /
• 2015

주행 중 차선 이탈 경고 시스템은 사고 발생 예방 차원에서 매우 높은 효과가 인정되어서 차선이탈 경고 장치(LDWS) 제품들이 출시되고 있다. 본 논문은 블랙박스의 영상을 이용하여 차선 검출에 정확도를 향상하기 위한 알고리즘을 연구한 것으로 특히 차량에 장착되어 있는 블랙박스 영상을 영상 변환 없이, 실시간 소프트웨어 만 으로 처리할 수 있는 알고리즘을 연구한다. 차선인식을 위한 최적의 영상 ROI를 결정하고, 차선 인식 정확도를 향상하기 위한 전 처리 과정을 적용하고, 동영상의 연속성을 잘못된 차선인식에 대한 보정, 인식이 되지 않는 차선에 대한 후보 차선 추천 알고리즘과 시점 변환에 의한 야간, 곡선 도로에 대한 오인식율을 최소화 하는 방법을 제안한다. 도로주행의 다양한 환경에 대한 실험을 진행했으며, 각각의 방법 적용에 의한 오인식율의 감소와 많은 인식 알고리즘 적용에 의한 처리 속도 저하를 개선하기 위한 연구를 진행했으며, 본 논문은 블랙박스 영상을 이용하여 주행 차선 인식을 위한 최적 알고리즘을 제안한다.

• 한국시뮬레이션학회논문지
• /
• 제19권3호
• /
• pp.1-6
• /
• 2010

MANET(Mobile Ad-hoc NETwork)은 실제 구현이나 동작과정에 많은 변수가 내재되어 있기 때문에 모델링 및 시뮬레이션 적용의 중요한 대상이 된다. MANET에서는 노드의 이동성으로 인해 다른 MANET과 중첩되거나 병합될 경우가 발생하며, 이 경우 다른 전달 방식을 가진 노드와의 통신을 위하여 새로운 경로 및 주소 설정이 선행되어야 한다. 이 과정은 새로 구성되는 네트워크에 있어서 오버헤드이기 때문에 이를 최소화하여 네트워크의 전달성능을 향상시킬 수 있도록 하기 위한 네트워크의 성능분석과 검증에 대한 연구가 필요하다. 본 논문에서는 오버헤드를 최소화할 수 있는 on-demand방식의 주소 자동설정 기법의 제안과, 제안한 기법의 타당성과 성능 검증을 위한 모델링 및 성능분석 내용을 제시하였다. NS-2에 의한 시뮬레이션은 기존의 방법에 비해 제안한 방법이 오버헤드를 줄이고 또한 시간적으로 분산되는 결과를 보였다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.925-938
• /
• 2022

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다.

• 한국ITS학회 논문지
• /
• 제3권1호
• /
• pp.53-65
• /
• 2004

도로에서 발생하는 비반복적이며 예측불가능한 일련의 사건을 돌발상황(incident)이라고 하며 이러한 돌발상황이 발생하게 되면 교통류의 정상 흐름이 와해되고 이로써 도로의 용량감소를 일으키며 교통혼잡과 대기오염 등 막대한 사회$\cdot$경제적 손실을 초래한다. 돌발상황으로 인한 피해를 최소화하고자 국내외 각종 교통관리센터에서는 자동 돌발감지 알고리즘에 의한 자동감지 방법을 사용하고 있다. 그러나 현재 운영중인 돌발상황 감지 알고리즘들은 어느 정도의 감지율은 확보하고 있으나 오경보율이 높아 대체적인 성능은 낮은 것으로 판단된다. 유출입램프 수요과다로 인해 도로용량이 다른 구간에 비해 현저히 떨어지는 병목(bottleneck)구간의 경우, 돌발상황이 빈번하게 발생함에도 불구하고 진출입차량으로 인한 대기행렬과 차로변경등의 유사 돌발상황이 발생하여 자동 돌발상황 감지가 더욱 어려운 실정이다. 본 연구에서는 진출입영향권내에서 발생하는 돌발상황을 정확히 감지하기 위해 돌발상황시 혼잡상황 구분을 통한 자동감지 알고리즘을 바탕으로 램프구간의 혼잡 감지시 인접한 본선의 차로를 돌발상황 판단모듈에서 제외함으로써 모형의 성능을 향상시킬 수 있음을 살펴보았다.