• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.87-89
• /
• 2017

차량의 블랙박스와 CCTV, 드론 등 다양한 채널에서 촬영된 영상의 증가로, 차량 및 교통 상황과 관련된 데이터의 양 또한 폭발적으로 증가하고 있다. 본 연구에서는 이러한 데이터들의 고속 처리를 위해, 실시간 메시지 분산처리 시스템인 아파치 카프카를 활용하여 블랙박스 영상의 프레임을 여러 노드에 분배하였다. 또한, 각각의 노드에 들어온 블랙박스 영상의 프레임을 입력으로 하여, 영상처리 기법을 통한 차량 번호판의 지역화와 문자 분할 및 이를 인식하기 위한 연구를 수행하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.505-507
• /
• 1998

상속은 객체 지향 원리에서 만의 특성으로 추상화 레벨을 높여주고, 소프트웨어의 재사용을 강력히 지원하며, 대체 원리를 따른다. 또한 유지 보수의 용이성, 신뢰성등의 잇점을 제공한다. 그러나 측정 결과에 따르면 상속 계층이 깊어질수록 재사용이 어렵다고 조사되었으며 이는 재사용뿐아니라 개발에 있어서도 장애의 요인이 된다. 상속의 깊이를 최소화하기 위해서는 우선 상속 계층에서 직접적, 또는 간접적으로 사용되는 instance variable과 method만을 제외하고는 모두 삭제되어야 한다. 그러나, 다형성이 적용된 클래스는 정적(static) 분석이 불가능하므로 다형성을 제거하되, 다형성이 적용되었을 때와 동일한 모든 state, 기능 및 동작이 유지된 상태에서 처리되어야 한다. 다형성이 제거될 때 구현의 세부 사항은 변경하지 않음으로써 black box의 이점을 살린다. 다중상속의 경우는 각각의 상속 경로에 대하여 동일한 처리를 반복 수행하여 결과를 얻을 수 있으며, instance variable과 method의 access 레벨에 따라 처리 방법이 조금씩 달라진다. 본 논문에서는 C++에서의 다형성과 불필요한 instance variable과 method의 제거알고리즘에 대하여 논한다.

• Journal of Korea Multimedia Society
• /
• v.18 no.3
• /
• pp.339-348
• /
• 2015

In this paper, we propose improved night visibility enhancement algorithm based on haze removal method. The proposed method uses new haze removal method in place of the conventional methods. Our night visibility enhancement method is very good and faster than traditional methods. This method also uses additionally local histogram equalization for sharpening the enhanced image. Our method can be applied to any application that uses a visible light camera, and it is appropriate to apply a black box, vehicle camera, and cell phone camera, since it is possible that real-time processing.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.397-400
• /
• 2005

웹 서비스는 사용자의 요청에 따라 솔루션을 제공하기 위해 임의로 찾아 결합될 수 있는 컴포넌트이다. 다시 말해 웹 서비스는 CBD(Component-Based Development)와 웹 형태의 결합이라 볼 수 있다. 웹 서비스는 UDDI(Universal Description, Discovery, and Integration), WSDL(Web Service Description Language), SOAP(Simple Object Access Protocol)과 같은 표준화된 기술들로 이루어졌다. 이미 개발된 컴포넌트를 재사용하기 위해서는 해당 컴포넌트에 대한 정확한 정보를 토대로 테스트를 하여 조합하게 된다. 하지만, 현재 웹 서비스 기술이나 표준에서는 테스트를 위한 방법이나 데이터를 제공하고 있지 않다. 물론 WSDL 에서는 데이터의 입. 출력 값에 대한 타입은 제공하고 있지만, 이것으로는 정확한 테스트는 물론 불필요한 테스트 케이스를 증가 시킨다. 따라서 본 논문에서는 현재 웹 서비스의 명세인 WSDL 에 대해 블랙 박스 테스트를 위해 필요한 데이터 측면에 대한 문제점을 알아보고, 이를 보완할 수 있는 요구명세서를 제안함과 동시에 요구명세서의 제공 방안을 제시하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.841-843
• /
• 2012

본 논문에서는 안드로이드 기반의 태블릿 PC 환경에서 차량사고 발생 시 번호판 인식을 통하여 해당 사건의 증인을 확보 할 수 있는 증인 확보용 블랙박스 시스템을 제안한다. 이 방법은 기존의 블랙박스 기능에 추가적으로 영상에서 추출한 자동차들의 번호판을 인식하여 번호판 정보를 로그데이터로 저장하는 방식을 사용한다. 이로 인해 차량 사고에 대한 증인을 확보할 수 있는 시스템을 제공함으로써 사건에 대한 사용자의 불리한 입장을 완화 시켜줄 수 있는 객관적 데이터를 제공 및 저장하는 것을 목표로 한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.23-26
• /
• 2022

딥 러닝 모델은 블랙 박스 (Black Box) 모델로 예측에 대한 근거를 제시하지 못해 신뢰성이 떨어지는 단점이 존재한다. 이를 해결하기 위해 딥 러닝 모델에 설명력을 부여하는 설명 가능한 인공지능 (XAI) 분야 연구가 활발하게 이루어지고 있다. 본 논문에서는 모델 예측을 프로토타입을 통해 설명하는 딥 러닝 모델을 제시한다. 즉, "주어진 이미지는 티셔츠인데, 그 이유는 티셔츠를 대표하는 모양의 프로토타입과 닮았기 때문이다."의 형태로 딥 러닝 모델을 설명한다. 해당 모델은 Encoder, Prototype Layer, Classifier로 구성되어 있다. Encoder는 Feature를 추출하는 데 활용하고 Classifier를 통해 분류 작업을 수행한다. 모델이 제시하는 분류 결과를 설명하기 위해 Prototype Layer에서 가장 유사한 프로토타입을 찾아 설명을 제시한다. 실험 결과 프로토타입 생성 기반 설명 모델은 기존 이미지 분류 모델과 유사한 예측 정확도를 보였고, 예측에 대한 설명력까지 확보하였다.

• The KIPS Transactions:PartD
• /
• v.8D no.1
• /
• pp.81-86
• /
• 2001

one key goal of software testing is to generate a 'good' test data set, which is consideres as the most difficult and time-consuming task. This paper discusses how genetic algorithns can be used for automatic generation of test data set for software testing. We employ mutation testing to show the effectiveness of genetic algorithms (GAs) in automatic test data generation. The approach presented in this paper is different from other in that test generation process requireas no lnowledge of implementation details of a program under test. In addition, we have conducted some experiments and compared our approach with random testing which is also regarded as a black-box test generation technique to show its effectiveness.

• The KIPS Transactions:PartB
• /
• v.8B no.3
• /
• pp.231-236
• /
• 2001

일반적인 다층 신경망에서 가중치의 갱신 알고리즘으로 사용하는 오류 역전과 방식은 가중치 갱신 결과를 고정된(fixed) 한 개의 값으로 결정한다. 이는 여러 갱신의 가능성을 오직 한 개의 값으로 고정하기 때문에 다양한 가능성들을 모두 수용하지 못하는 면이 있다. 하지만 모든 가능성을 확률적 분포로 표현하는 갱신 알고리즘을 도입하면 이런 문제는 해결된다. 이러한 알고리즘을 사용한 베이지안 신경망 모형(Bayesian Neural Networks Models)은 주어진 입력값(Input)에 대해 블랙 박스(Black-Box)와같은 신경망 구조의 각 층(Layer)을 거친 출력값(Out put)을 계산한다. 이 때 주어진 입력 데이터에 대한 결과의 예측값은 사후분포(posterior distribution)의 기댓값(mean)에 의해 계산할 수 있다. 주어진 사전분포(prior distribution)와 학습데이터에 의한 우도함수(likelihood functions)에 의해 계산한 사후확률의 함수는 매우 복잡한 구조를 가짐으로 기댓값의 적분계산에 대한 어려움이 발생한다. 따라서 수치해석적인 방법보다는 확률적 추정에 의한 근사 방법인 몬테 칼로 시뮬레이션을 이용할 수 있다. 이러한 방법으로서 Hybrid Monte Carlo 알고리즘은 좋은 결과를 제공하여준다(Neal 1996). 본 논문에서는 Hybrid Monte Carlo 알고리즘을 적용한 신경망이 기존의 CHAID, CART 그리고 QUEST와 같은 여러 가지 분류 알고리즘에 비해서 우수한 결과를 제공하는 것을 나타내고 있다.

• Smart Media Journal
• /
• v.9 no.3
• /
• pp.31-40
• /
• 2020

Currently, black-box-based machine learning algorithms are used to analyze big data in manufacturing. This algorithm has the advantage of having high analytical consistency, but has the disadvantage that it is difficult to interpret the analysis results. However, in the manufacturing industry, it is important to verify the basis of the results and the validity of deriving the analysis algorithms through analysis based on the manufacturing process principle. To overcome the limitation of explanatory power as a result of this machine learning algorithm, we propose a manufacturing big data analysis method using genetic programming. This algorithm is one of well-known evolutionary algorithms, which repeats evolutionary operators such as selection, crossover, mutation that mimic biological evolution to find the optimal solution. Then, the solution is expressed as a relationship between variables using mathematical symbols, and the solution with the highest explanatory power is finally selected. Through this, input and output variable relations are derived to formulate the results, so it is possible to interpret the intuitive manufacturing mechanism, and it is also possible to derive manufacturing principles that cannot be interpreted based on the relationship between variables represented by formulas. The proposed technique showed equal or superior performance as a result of comparing and analyzing performance with a typical machine learning algorithm. In the future, the possibility of using various manufacturing fields was verified through the technique.

• Journal of Software Engineering Society
• /
• v.25 no.1
• /
• pp.1-9
• /
• 2012

RFID systems have been widely used in various fields such as logistics, distribution, food, security, traffic and others. A RFID middleware, one of the key components of the RFID system, perform an important role in many functions such as filtering, grouping, reporting tag data according to given user specifications and so on. However, manual test data generation is very hard because the inputs of the RFID middleware are generated according to the RFID middleware standards and complex encoding rules. To solve this problem, in this paper, we propose a black box test technique based on RFID middleware standards. Firstly, we define ten types of input conversion rules to generate new test data from existing test data based on the standard specifications. And then, using these input conversion rules, we generate various additional test data automatically. To validate the effectiveness of generated test data, we measure coverage of generated test data on actual RFID middleware. The results show that our test data achieve 78% statement coverage and 58% branch coverage in the classes of filtering and grouping, 79% statement coverage and 64% branch coverage in the classes of reporting.