• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.59-67
• /
• 2021

AI 기술의 발달은 우리 삶의 큰 변화를 가져왔다. 생활 속에서부터 사회, 경제에 이르기 까지 AI의 영향력이 커짐에 따라 AI와 데이터에 대한 교육에 대한 중요성이 함께 커지고 있다. 특히 OECD 교육 연구 보고서 및 다양한 국내 정보과 교육과정 연구에서 데이터와 데이터 리터러시를 다루고 필수 역량으로 제시하고 있다. 국내외 연구를 살펴 보면 데이터 리터러시에 대한 정의는 연구자들 마다 그 구체적인 내용과 범위가 다른 것을 알 수 있다. 이에 데이터 리터러시 관련 주요 연구의 정의를 다각도로 분석하여 도출하고자 하였다. 주요 연구에서 데이터 리터러시를 정의를 하는데 사용된 단어 빈도 분석과 함께 Word2vec 자연어 처리 방법을 활용하여 의미 유사도를 분석하고 교육과정 연구의 내용요소를 바탕으로 최종적으로 유목화하여 '데이터를 읽고 쓸 수 있으며, 실생활의 문제를 해결하기 위해 데이터를 이해하고 사용하여 정보로 처리하는 지식 구성의 기초 능력' 의 정의를 도출하였다. 본 연구를 통해 도출된 데이터 리터러시의 정의를 바탕으로 내용이 수정 보완되고 더 많은 연구가 이루어져 학생들의 미래 역량을 키워주는 교육 연구에 좋은 기초 자료가 될 수 있기를 기대한다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1460-1463
• /
• 2003

In this study, plastic detection technique was developed, applying remote sensing technology as a method to extract plastic wastes, which is one of the big causes of concern contributing to environmental destruction. It is possible to extract areas where plastic (including polypropylene and polyethylene) wastes are prominent, using ASTER data by taking advantage of its absorptive characteristics of ASTER/SWIR bands. The algorithm is applicable to define large industrial wastes disposal sites and areas where plastic greenhouses are concentrated. However, the detection technique with ASTER/SWIR data has some research tasks to be tackled, which includes a partial secretion of reference spectral, depending on some conditions of plastic wastes and a detection error in a region mixed with vegetations and waters. Following results were obtained after making comparisons between several detection methods and plastic wastes in different conditions; (a)'spectral extraction method' was suitable for areas where plastic wastes exist separated from other objects, such as coastal areas where plastic wastes drifted ashore. (single plastic spectral was used as a reference for the 'spectral extraction method') (b)On the other hand, the 'spectral extraction method' was not suitable for sites where plastic wastes are mixed with vegetation and soil. After making comparison of the processing results of a mixed area, it was found that applying both 'separation method' using un-mixing and ‘spectral extraction method’ with NDVI masked is the most appropriate method to extract plastic wastes. Also, we have investigated the possibility of reducing the influence of vegetation and water, using ASTER/TIR, and successfully extracted some places with plastics. As a conclusion, we have summarized the relationship between detection techniques and conditions of plastic wastes and propose the practical application of remote sensing technology to the extraction of plastic wastes.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권2호
• /
• pp.311-326
• /
• 2024

The rapid development of neural network technology promotes the neural network model driven by big data to overcome the texture effect of complex objects. Due to the limitations in complex scenes, it is necessary to establish custom template matching and apply it to the research of many fields of computational vision technology. The dependence on high-quality small label sample database data is not very strong, and the machine learning system of deep feature connection to complete the task of texture effect inference and speculation is relatively poor. The style transfer algorithm based on neural network collects and preserves the data of patterns, extracts and modernizes their features. Through the algorithm model, it is easier to present the texture color of patterns and display them digitally. In this paper, according to the texture effect reasoning of custom template matching, the 3D visualization of the target is transformed into a 3D model. The high similarity between the scene to be inferred and the user-defined template is calculated by the user-defined template of the multi-dimensional external feature label. The convolutional neural network is adopted to optimize the external area of the object to improve the sampling quality and computational performance of the sample pyramid structure. The results indicate that the proposed algorithm can accurately capture the significant target, achieve more ablation noise, and improve the visualization results. The proposed deep convolutional neural network optimization algorithm has good rapidity, data accuracy and robustness. The proposed algorithm can adapt to the calculation of more task scenes, display the redundant vision-related information of image conversion, enhance the powerful computing power, and further improve the computational efficiency and accuracy of convolutional networks, which has a high research significance for the study of image information conversion.

• 대한방사선기술학회지:방사선기술과학
• /
• 제38권4호
• /
• pp.375-381
• /
• 2015

디지털 방사선 시스템은 영상의학에서 큰 비중을 차지하고 있다. 잘못된 영상이 제공 된다면 이는 환자의 건강에 나쁜 영향을 줄 수 있기에, 올바른 디지털 방사선 영상이 제공되어야만 한다. 또한, artifact는 오진으로 이어질 수 있다. 디지털 방사선 시스템에서 발생하는 artifact를 종류별로 분석하여 그 결과 분석하였다. 본 연구에서 사용된 artifact는 서울의 종합병원 급 의료기관에서 2007년부터 2014년까지 수집된 자료들이다. 수집된 자료는 발생 원인별로 구별하여 그 원인을 분석하였다. artifact는 하드웨어적 artifact, 소프트웨어적 artifact, 사용자 오류, 시스템 artifact 및 기타로 구분하였다. 하드웨어적 artifact는 Ghost가 가장 빈번하게 관찰되었으며, 이는 신호의 잔류에 의한 것이다. 다음은 RF 잡음에 의한 오류, 장비 내 이물질에 의한 오류 순이다. 소프트웨어 artifact는 많은 원인이 있다. 부정확한 영상 교정에 의한 artifact가 가장 많았으며, EDR 인식오류, 접합면 처리 오류 등이 있으며, 소프트웨어 artifact는 매우 다양한 경향을 나타낸다. 사용자 오류는 디지털 의료 영상 시스템을 바르게 이해하지 못해 발생시킨 것들이 많았다. 아울러, 시스템 artifact는 DICOM 헤더 정보 오류, 압축 오류가 있다. 분명하게 나타나는 artifact는 재촬영의 원인이 되어 환자의 피폭을 증가시키고, 불분명하게 나타나는 artifact는 오진을 유발 시킬 수 있다. 따라서 방사선사에게서 이러한 artifact를 바로 구별 할 수 있는 능력이 요구 된다. 그러므로 artifact가 발생되는 원인과 그 특성을 분명하게 이해함으로 지속적인 교육과 안정적인 시스템 운영에 힘써야 할 것으로 사료된다.

• 융합보안논문지
• /
• 제18권1호
• /
• pp.19-31
• /
• 2018

ICT기술이 발전함에 따라 산업 전분야에 걸쳐 이전보다 훨씬 많은 디지털 데이터들이 생성, 이동, 보관, 활용되고 있다. 산출되는 데이터의 규모가 커지고 이를 활용하는 기술들이 발전함에 따라 대규모 데이터 기반의 신 서비스들이 등장하여 우리의 생활을 편리하게 하고 있으나 반대로 이들 데이터를 위변조 하거나 생성 시간을 변경하는 사이버 범죄 또한 증가하고 있다. 이에 대한 보안을 위해서는 데이터에 대한 무결성 및 시간 검증 기술이 필요한데 대표적인 것이 공개키 기반의 서명 기술이다. 그러나 공개키 기반의 서명 기술의 사용은 인증서와 키 관리 등에 필요한 부가적인 시스템 자원과 인프라 소요가 많아 대규모 데이터 환경에서는 적합하지 않다. 본 연구에서는 해시 함수와 머클 트리를 기반으로 시스템 자원의 소모가 적고, 동시에 대규모 데이터에 대해 서명을 할 수 있는 데이터 서명 기법을 소개하고, 서버 고장 등 장애 상황에서도 보다 안정적인 서비스가 가능하도록 개선한 해시 트리 분산 처리 방법을 제안하였다. 또한, 이 기술을 구현한 시스템을 개발하고 성능분석을 실시하였다. 본 기술은 클라우드, 빅데이터, IoT, 핀테크 등 대량의 데이터가 산출되는 분야에서 데이터 보안을 담보하는 효과적인 기술로써 크게 활용될 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 춘계학술발표대회
• /
• pp.377-380
• /
• 2018

인간의 추론 능력이란 문제에 주어진 조건을 보고 문제 해결에 필요한 것이 무엇인지를 논리적으로 생각해 보는 것으로 문제 상황 속에서 일정한 규칙이나 성질을 발견하고 이를 수학적인 방법으로 법칙을 찾아내거나 해결하는 능력을 말한다. 이러한 인간인지 능력과 유사한 인공지능 시스템을 개발하는데 있어서 핵심적 도전은 비구조적 데이터(unstructured data)로부터 그 개체들(object)과 그들간의 관계(relation)에 대해 추론하는 능력을 부여하는 것이라고 할 수 있다. 지금까지 딥러닝(deep learning) 방법은 구조화 되지 않은 데이터로부터 문제를 해결하는 엄청난 진보를 가져왔지만, 명시적으로 개체간의 관계를 고려하지 않고 이를 수행해왔다. 최근 발표된 구조화되지 않은 데이터로부터 복잡한 관계 추론을 수행하는 심층신경망(deep neural networks)은 관계추론(relational reasoning)의 시도를 이해하는데 기대할 만한 접근법을 보여주고 있다. 그 첫 번째는 관계추론을 위한 간단한 신경망 모듈(A simple neural network module for relational reasoning) 인 RN(Relation Networks)이고, 두 번째는 시각적 관찰을 기반으로 실제대상의 미래 상태를 예측하는 범용 목적의 VIN(Visual Interaction Networks)이다. 관계 추론을 수행하는 이들 심층신경망(deep neural networks)은 세상을 객체(objects)와 그들의 관계(their relations)라는 체계로 분해하고, 신경망(neural networks)이 피상적으로는 매우 달라 보이지만 근본적으로는 공통관계를 갖는 장면들에 대하여 객체와 관계라는 새로운 결합(combinations)을 일반화할 수 있는 강력한 추론 능력(powerful ability to reason)을 보유할 수 있다는 것을 보여주고 있다. 본 논문에서는 관계 추론을 수행하는 심층신경망(deep neural networks) 중에서 Sort-of-CLEVR 데이터 셋(dataset)을 사용하여 RN(Relation Networks)의 성능을 재현 및 관찰해 보았으며, 더 나아가 파라미터(parameters) 튜닝을 통하여 RN(Relation Networks) 모델의 성능 개선방법을 제시하여 보았다.

• Journal of Information Processing Systems
• /
• 제18권3호
• /
• pp.359-373
• /
• 2022

The new crown pneumonia (COVID-19) has become a global epidemic. The disease has spread to most countries and poses a challenge to the healthcare system. Contact tracing technology is an effective way for public health to deal with diseases. Many experts have studied traditional contact tracing and developed digital contact tracking. In order to better understand the field of contact tracking, it is necessary to analyze the development of contact tracking in the field of computer science by bibliometrics. The purpose of this research is to use literature statistics and topic analysis to characterize the research literature of contact tracking in the field of computer science, to gain an in-depth understanding of the literature development status of contact tracking and the trend of hot topics over the past decade. In order to achieve the aforementioned goals, we conducted a bibliometric study in this paper. The study uses data collected from the Scopus database. Which contains more than 10,000 articles, including more than 2,000 in the field of computer science. For popular trends, we use VOSviewer for visual analysis. The number of contact tracking documents published annually in the computer field is increasing. At present, there are 200 to 300 papers published in the field of computer science each year, and the number of uncited papers is relatively small. Through the visual analysis of the paper, we found that the hot topic of contact tracking has changed from the past "mathematical model," "biological model," and "algorithm" to the current "digital contact tracking," "privacy," and "mobile application" and other topics. Contact tracking is currently a hot research topic. By selecting the most cited papers, we can display high-quality literature in contact tracking and characterize the development trend of the entire field through topic analysis. This is useful for students and researchers new to field of contact tracking ai well as for presenting our results to other subjects. Especially when comprehensive research cannot be conducted due to time constraints or lack of precise research questions, our research analysis can provide value for it.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.236-239
• /
• 2021

AI 기술의 성장과 함께 지식 그래프의 크기는 지속적으로 확장되고 있다. 지식 그래프는 주로 트리플이 연결된 RDF로 표현되며, 많은 RDF 저장소들이 RDF 데이터를 압축된 형태의 ID로 변환한다. 그러나 RDF 데이터의 크기가 특정 기준 이상으로 클 경우, 테이블 탐색으로 인한 높은 처리 시간과 메모리 오버헤드가 발생한다. 본 논문에서는 해시 ID 매핑 테이블 기반 RDF 변환을 분산 병렬 프레임워크인 맵리듀스에서 처리하는 방법을 제안한다. 제안한 방법은 RDF 데이터를 정수 기반 ID로 압축 변환하면서, 처리 시간을 단축하고 메모리 오버헤드를 개선한다. 본 논문의 실험 결과, 약 23GB의 LUBM 데이터에 제시한 방법을 적용했을 때, 크기는 약 3.8배 가량 줄어들었으며 약 106초의 변환 시간이 소모되었다.

• 한국정보전자통신기술학회논문지
• /
• 제16권1호
• /
• pp.41-49
• /
• 2023

CNN(Convolutional Neural Network) 알고리즘은 인공신경망 구현에 활용되는 대표적인 알고리즘으로 기존 FNN(Fully connected multi layered Neural Network)의 문제점인 연산의 급격한 증가와 낮은 객체 인식률을 개선하였다. 그러나 IT 기기들의 급격한 발달로 최근 출시된 스마트폰 및 태블릿의 카메라에 촬영되는 이미지들의 최대 해상도는 108MP로 약 1억 8백만 화소이다. 특히 CNN 알고리즘은 고해상도의 단순 이미지를 학습 및 처리에 많은 비용과 시간이 요구된다. 이에 본 논문에서는 고해상도 단순 이미지의 객체 분류 학습모델 구현을 위한 개선된 CNN 알고리즘을 제안한다. 제안하는 알고리즘은 고해상도의 이미지들의 학습모델 생성 시간을 감소하기 위해 CNN 알고리즘의 풀링계층의 Max Pooling 알고리즘 연산을 위한 인접 행렬 값을 변경한다. 변경한 행렬 값마다 4MP, 8MP, 12MP의 고해상도 이미지들의 처리할 수 있는 학습 모델들을 구현한다. 성능평가 결과, 제안하는 알고리즘의 학습 모델의 생성 시간은 12MP 기준 약 36.26%의 감소하고, 학습 모델의 객체 분류 정확도와 손실률은 기존 모델 대비 약 1% 이내로 오차 범위 안에 포함되어 크게 문제가 되지 않는다. 향후 본 연구에서 사용된 학습 데이터보다 다양한 이미지 종류 및 실제 사진으로 학습 모델을 구현한 실질적인 검증이 필요하다.

• 한국컴퓨터정보학회논문지
• /
• 제28권10호
• /
• pp.1-8
• /
• 2023

자동차의 주요 부품인 휠 베어링에 결함이 생기면 교통사고등 문제를 발생시켜 이를 해결하기 위해 빅데이터를 수집해서 예측진단 및 관리 기술을 통한 휠 베어링의 고장 유무 및 고장 유형을 조기에 알려 주는 알고리즘과 모니터링 시스템 개발이 필요하다. 본 논문에서는 이러한 지능형 휠 허브 베어링 정비 시스템 구현을 위해 신뢰성 및 건전성에 대한 모니터링용 센서 및 예측 진단하는 알고리즘이 탑재된 임베디드 시스템을 개발하였다. 사용된 알고리즘은 휠 베어링에 설치된 가속도 센서로부터 진동 신호를 취득하고 이를 신호 처리기법, 결함주파수 분석, 건전성 특징 인자정의 등의 과정을 빅데이터 기술을 통해 고장을 예측하고 진단할 수 있다. 구현된 알고리즘은 진동 주파수 성분들은 최소화하고 휠 베어링에서 발생하는 진동 성분을 극대화할 수 있는 안정 신호 추출 알고리즘을 적용하고, 필터를 활용한 노이즈 제거에서는 인공지능 기반의 건전성 추출 알고리즘을 적용하였으며, FFT를 통한 결함 주파수를 분석하여 고장 특성인자 추출을 통한 고장을 진단하였다. 본 시스템의 성능 목표는 12,800ODR 이상으로 시험 결과를 통해 목표치를 만족하였다.