• 방송공학회논문지
• /
• 제26권4호
• /
• pp.368-376
• /
• 2021

인공지능 클라우드는 학습된 모델 공유 및 실행 환경을 제공하여 인공지능 기술과 제어 기술을 융합하는 자율 사물 개발을 지원한다. 기존 자율 사물 개발 기술은 인공지능 모델의 정확도만을 고려하여 은닉 계층 수 및 커널 수 증가 등 모델의 복잡성을 증가시켜 결과적으로 많은 연산량을 요구하게 한다. 자원 제약적 컴퓨팅 환경은 해당 모델이 필요로 하는 충분한 자원을 제공할 수 없어 자율 사물의 실시간성 장애를 발생시킬 수 있다. 본 논문은 컴퓨팅 환경에 최적화된 인공지능 모델을 선택하는 디지털 트윈 소프트웨어 개발 프레임워크를 제안한다. 제안 프레임워크는 DNN 기반 부하 예측 모델을 활용하여 제어 소프트웨어를 개발한다. 부하 예측 모델은 디지털 트윈을 활용하여 인공지능 모델의 부하를 예측하여 특정 컴퓨팅 환경에 최적의 모델 선택을 지원한다. 대표적인 CNN 모델을 활용한 부하 예측 실험으로 제안 부하 예측 DNN 모델이 수식 기반 부하 예측 대비 최대 20%의 오류를 보임을 확인했다.

• 방송공학회논문지
• /
• 제26권4호
• /
• pp.409-418
• /
• 2021

컨포멀 코팅은 PCB(Printed Circuit Board)를 보호하는 기술로 PCB의 고장을 최소화한다. 코팅의 결함은 PCB의 고장과 연결되기 때문에 성공적인 컨포멀 코팅 조건을 만족하기 위해서 코팅면에 기포가 발생했는지 검사한다. 본 논문에서는 영상 신호 처리를 적용하여 고위험군의 문제성 기포를 검출하는 알고리즘을 제안한다. 알고리즘은 문제성 기포의 후보를 구하는 단계와 후보를 검증하는 단계로 구성된다. 기포는 가시광 영상에서 나타나지 않지만, UV(Ultra Violet) 광원에서는 육안으로 구별이 가능하다. 특히, 문제성 기포의 중심은 밝기가 어둡고 테두리는 높은 밝기를 가진다. 이러한 밝기 특성을 논문에서는 협곡과 산맥 특징이라 부르고 두 가지 특징이 동시에 나타나는 영역을 문제성 기포의 후보라 하였다. 그러나 후보 중에는 기포가 아닌 후보가 존재할 수 있기 때문에 후보를 검증하는 단계가 필요하다. 후보 검증 단계에서는 합성곱 신경망 모델을 이용하였고, ResNet이 다른 모델과 비교하였을 때 성능이 가장 우수하였다. 본 논문에서 제시한 알고리즘은 정확률(Precision) 0.805, 재현율(Recall) 0.763, F1-점수(F1-score) 0.767의 성능을 보였고, 이러한 결과는 기포 검사 자동화에 대한 충분한 가능성을 보여준다.

• 방송공학회논문지
• /
• 제26권2호
• /
• pp.125-131
• /
• 2021

최근 CNN(Convolutional Neural Network)은 영상 분류, 객체 인식, 화질 개선 등 다양한 비전 분야에서 우수한 성능을 보여주고 있다. 그러나 많은 메모리와 계산량이 요구되어 모바일 또는 IoT(Internet of Things) 장치와 같은 저전력 디바이스에 적용하기에는 제한이 따른다. 이에, CNN 모델의 임무 성능을 유지하면서 네트워크 모델을 압축하는 연구가 진행되고 있다. 본 논문에서는 행렬 분해 기술인 저계수 행렬 근사(Low-rank approximation)와 CP(Canonical Polyadic) 분해 기법을 결합한 CNN 모델 압축 기법을 제안한다. 제안기법은 하나의 행렬 분해 기법만을 적용하는 기존의 기법과 달리 CNN의 계층 유형에 따라 두 가지 분해 기법을 선택적으로 적용하여 압축 성능을 높인다. 제안기법의 성능 검증을 위하여 영상 분류 CNN 모델인 VGG-16, ResNet50, 그리고 MobileNetV2 모델을 압축하였고, 계층 유형에 따라 두 가지의 분해 기법을 선택적으로 적용함으로써 저계수 행렬 근사 기법만 적용한 경우 보다 1.5 ~ 12.1 배의 동일한 압축률에서 분류 성능이 향상됨을 확인하였다.

• 방송공학회논문지
• /
• 제26권6호
• /
• pp.680-691
• /
• 2021

최근 3차원 스캐너 등을 이용한 3차원 영상 획득 기술이 발전함에 따라 AR(Augmented Reality)/VR(Virtual Reality) 분야에서 활용되는 콘텐츠가 다양해졌다. 이러한 3차원 영상을 나타내는 방식에는 여러 가지가 존재하며, 포인트 클라우드는 그중 하나다. 포인트 클라우드는 3차원 공간에 존재하는 물체를 표현하는 점들의 집합을 의미하고, 실제 객체를 촬영하여 정밀하게 데이터를 획득 및 표현할 수 있다는 장점이 있다. 하지만, 3차원 영상의 특성상 2차원 영상보다는 표현해야 하는 데이터가 많고, 특히 여러 장의 프레임으로 구성된 동적인 3차원 객체는 더욱 많은 데이터를 요구하기에 이를 효율적으로 다루기 위한 고효율의 압축 기술이 개발되어야 한다. 본 논문에서는 도메인 변환 방법인 3D DCT(3-Dimensional Discrete Cosine Transform)를 이용한 움직임 예측을 통하여 포인트 클라우드 영상의 I 프레임 및 P 프레임을 효율적으로 압축하는 기술을 제안한다. 그리고 본 논문에서 제안된 기술과 Intra 프레임 기반의 배경 기술 및 2D DCT 기반의 V-PCC(Video-based Point Cloud Compression)와의 비교를 통해 제안 기술의 압축 성능을 확인한다.

• 방송공학회논문지
• /
• 제24권4호
• /
• pp.670-675
• /
• 2019

AM 라디오 방송은 FM라디오 대비해 음질은 떨어지나 서비스 권역이 넓으며, 야간에는 전리층 반사를 이용하여 해외까지도 송신이 가능한 장점이 있다. 그러나 AM라디오방송은 통상 수십 ~ 수백 kW 급의 대출력 송신을 위해 많은 전력이 요구되어 방송사의 재정적 부담으로 작용된다. 이런 이유에서 최근 국내 방송사들은 AM 라디오방송 송출 전력을 낮출 수 있는 고효율 송출방식의 도입을 요구하고 있다. 따라서 이들 방식이 기존 AM라디오 방송 송출 대비 어느 정도의 전력 절감이 가능하며, 기존의 허가 서비스 권역과 음질을 유지될 수 있는 지와 해당 기술을 도입하기 위해서 어떤 정책들이 필요한 지 등이 정책적 이슈로 대두되었다. 본고에서는 기존 AM 라디오방송 송출시스템에 고효율 전송방식을 적용할 경우에 대해 송출 전력의 절감을 예측하였다. 연구 결과 기존 AM라디오 송출방식 대신 AMC방식의 고효율전송 방식을 채택할 경우, AM라디오 변조율이 70%인 경우 -3 dB의 컴팬딩을 적용하면 연간 AM라디오 방송 송출에 소요되는 전력요금이 51억8천5백만원에서 35억2천8백만원으로 감소되어 32.0%, -6 dB의 컴팬딩을 적용하면 26억 8백만원으로 감소되어 49.7%가 절감되는 것으로 분석되었다.

• 방송공학회논문지
• /
• 제24권4호
• /
• pp.592-601
• /
• 2019

관상동맥 시술을 위해 혈관 조영 X-선 영상은 시술 진단 및 보조에 유용하게 활용된다. 삼차원의 복잡한 구조를 가진 관상동맥을 이차원 X-선 영상에서 기존의 단일기법만을 사용하여 정확히 분할하는 것에 어려움이 있으며, 특히 혈관이 중간에 끊어지거나 말단부위혈관이 유실되는 현상으로부터 오차가 크게 발생하는 경향이 있었다. 이러한 문제를 해결하기 위하여 기존 단일기법으로 초기분할 단계를 거친 후, 초기분할결과를 기반으로 정교한 보정영역을 설정하는 단계, 보정영역을 대상으로 패치기반 지역보정을 수행하는 단계가 수행된다. 본 연구를 통해 끊긴 혈관을 보완한 분할 결과를 구할 수 있을 뿐만 아니라 미세혈관까지 포함하지 못한 참 값의 한계점을 해결할 수 있다. 또한, 존재하는 기존 관상동맥 분할방법들에 융합하여 추가적인 성능개선을 얻어낼 수 있다. 본 논문에서는 Fully convolutional network 기반 깊은 신경망 네트워크인 U-net을 활용하였으며, 제안된 보정방법을 융합하여 기존 U-net 단일 모델 대비 성능이 상당히 개선된다는 것을 실제 여러 환자들의 데이터 셋을 통하여 증명하였다.

• 산업노동연구
• /
• 제24권1호
• /
• pp.157-196
• /
• 2018

본 논문은 증가하고 있는 전문 직종 비정규직 노동자들이 정규직 노동자들의 파업에 보인 태도와 행동을 계급적 연대와 직종적 연대라는 두 가지 개념 사이의 관계짓기를 통해 이론화 하고자 시도했다. 이를 위해 2008년 이후 정규직 제작인력들의 크고 작은 저항이 2012년 언론대파업으로 이어지는 과정을 분석범위로 삼아서, KBS와 MBC두 방송사의 시사교양부문에서 정규직 피디들과 손발을 맞춰온 대표적 특수고용 직종집단인 독립피디와 시사교양작가들이 정규직 파업에 보인 반응을 분석하였다. 분석결과는 특수고용 제작인력들이 직종에 상관없이 정규직 피디들에 대해 계급적 이질감을 느끼고 있음을 보여주었다. 계급적 이질성 인식은 정규직 피디가 실질적 사용자 역할을 하는 방송 산업 특수고용관계의 구조직 특징에 뿌리를 내리고 있었고, 정규직 투쟁을 거치면서 강화되는 경향을 보였다. 한편, 직종적 가치공유에 기반한 정규직에 대한 인식은 두 특수고용 직종 집단 사이에 상이하게 나타났다. 시사교양작가들의 경우 정규직 피디들에 대해 높은 직종적 가치일치감을 표시했고 이는 계급적 이질성을 상쇄시키며 정규직 파업의 당위성을 인정하는 수용의 태도로 이어졌다. 반대로 독립피디의 경우 계급적 적대감에 직종적 이질감이 더해져 정규직 인력들의 위선과 모순을 강조하면서 정규직 파업에 대해 강한 냉소를 드러냈다. 이러한 차이는 두 특수고용 직종집단이 각각 정규직과 맺고 있는 사회적 관계의 특성으로부터 기인했다. 먼저 정규직 피디와 독립피디들 사이의 관계를 규정하는 제작과정의 투입 결과물에 대한 강압적인 통제 (coercive input-output control) 방식은 두 집단 사이에 직종가치 인식에 있어 차이를 낳았고, 그 차이는 저널리즘 가치에 대한 위협과 대응 속에서 더욱 커졌다. 반면, 시사교양작가들은 언론인으로서의 직종윤리 및 가치를 바탕으로 한 규범적 과정통제(normative process control)를 통해 정규직 피디들과 관계를 맺고 있었고, 이는 시사교양작가들이 계급적 이질감을 지양하고 정규직들과 저널리스트로서 직종정체성을 공유하는데 기여한 것으로 나타났다. 결론부분에서는 이러한 결과가 갖는 실제적 이론적 함의를 논의한다.

• 방송공학회논문지
• /
• 제23권6호
• /
• pp.855-865
• /
• 2018

음향 이벤트 인식은 다수의 음향 이벤트가 발생하는 환경에서 이를 인식하고 각각의 발생과 소멸 시점을 판단하는 기술로써 인간의 청각적 인지 특성을 모델화하는 연구다. 음향 장면 및 이벤트 인식 연구 그룹인 DCASE는 연구자들의 참여 유도와 더불어 음향 인식 연구의 활성화를 위해 챌린지를 진행하고 있다. 그러나 DCASE 챌린지에서 제공하는 데이터 세트는 이미지 인식 분야의 대표적인 데이터 세트인 이미지넷에 비해 상대적으로 작은 규모이며, 이 외에 공개된 음향 데이터 세트는 많지 않아 알고리즘 개발에 어려움이 있다. 본 연구에서는 음향 이벤트 인식 기술 개발을 위해 실내외에서 발생할 수 있는 이벤트를 정의하고 수집을 진행하였으며, 보다 큰 규모의 데이터 세트를 확보하였다. 또한, 인식 성능 개선을 위해 음향 이벤트 존재 여부를 판단하는 보조 신경망을 추가한 이중 CNN 구조의 알고리즘을 개발하였고, 2016년과 2017년의 DCASE 챌린지 기준 시스템과 성능 비교 실험을 진행하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 하계학술대회
• /
• pp.212-215
• /
• 2019

지난 4월4일 고성 산불로 사망자 2명과 부상자 1명, 가옥 500여 채, 삼림 1757ha가 불에 탔다. 강원 산불에 이어 영덕지진 등에서 늑장대응을 보여준 재난방송시스템에는 많은 국민들에게 실망감을 안겨주었다. 재난방송 주관방송사인 KBS는 물론, MBC, SBS의 경우도 재난방송시스템에 관련 된 측면에서 본다면 아직 이웃나라 인 일본에 비해서는 매우 열악한 형편이다. 그럼에도 불구하고 점점 대형화, 다발화 하는 재난발생에 대응하기 위해서는 국가적인 차원에서도 특단의 조치가 필요하다. 미국의 경우는 차세대 재난정보 전달체계인 IPAWS(Integrated Public Alert and Warning System)를 개발해 지상파뿐만 아니라, 케이블TV, SNS 등 다양한 매체를 통해 재난정보를 신속하게 전달하고 있다. 일본도 이와 유사한 재난경보전달시스템인 J-Alert를 개발해 2020년까지는 '재난 약자 제로(Zero)시대'를 목표로 구현하고 있다. 우리나라는 지난 아현동 KT 화재사건에서도 경험했듯이 통신이 먹통이 되는 통신블랙아웃도 경험했다. 따라서 대형재난발생 시는 신속한 재난경보전달시스템이 재난피해를 줄일 수 있는 가장 중요한 생명줄이 될 수 있다. 미국이나 일본의 경우는 재난방송전달시스템을 관련법령으로 제도화 하고 있다. 특히, 일본에는 재난에 관한 모법이라고 할 수 있는 (1)"재해대책기본법"이 있는데, 이는 재해로부터 국토, 국민의 생명과 재산을 보호하기 위한 기본법으로 규정되어 있다. 그 밖에도 (2)방송법 (3)대규모지진대책특별 조치법 (4)국민보호법 (5)소방조직법 (6)수해방지법 등으로 규정하고 있다. 과거 일본도 우리나라와 같이 대형 산불이 잦았으나 요즘은 소형 산불만 발생하는 추세다. 이는 NHK가 보유한 700여 대의 로봇카메라와 전 국토를 샅샅이 감시하는 CCTV 덕택이다. 또한, NHK 보도국의 '기상 재해센터'는 재난에 대비해 40여 명의 전문 인력이 24시간 대응체제를 갖추고 있다. 나아가 NHK는 전국 12개의 거점지역에 헬리콥터 15대를 배치하여 신속하게 취재하고 있다. 이 뿐만 아니라, 46개의 지역방송국을 7개의 거점방송국으로 분할하여, 거점방송국마다 40여명의 카메라맨을 상주시켜 언제든지 재난을 취재할 수 있도록 하고 있다. 세계 각국에서 사용하고 있는 방송 주파수는 공공재(公共材)다. 국제전기통신연합(ITU : International Telecommunication Union)으로부터 주파수를 할당받아 사용하고 있기 때문에 주파수에 관한 사용 권한은 각국의 국민 모두에게 있다. 그러나 효과적인 주파수 활용을 전제로 정부가 일정한 자격을 갖춘 방송사업자에게 일시적으로 주파수 사용권을 위임하고 있다. 따라서 일본 정부도 국가적인 위기나 대형 재난발생으로 국민들의 생명과 재산이 위협받고 있을 때에는 공공재인 주파수를 즉시 재난방송으로 사용할 수 있도록 <재해대책기본법 제6조>와 방송법 제108조에 규정하고 있다.

• 방송공학회논문지
• /
• 제24권3호
• /
• pp.495-505
• /
• 2019

딥 러닝의 대표 알고리즘에는 영상 인식에 주로 사용되는 CNN(Convolutional Neural Networks), 음성인식 및 자연어 처리에 주로 사용되는 RNN(Recurrent Neural Networks) 등이 있다. 이 중 CNN은 데이터로부터 자동으로 특징을 학습하는 알고리즘으로 특징 맵을 생성하는 필터까지 학습할 수 있어 영상 인식 분야에서 우수한 성능을 보이면서 주류를 이루게 되었다. 이후, 객체 탐지 분야에서는 CNN의 성능을 향상하고자 R-CNN 등 다양한 알고리즘이 등장하였으며, 최근에는 검출 속도 향상을 위해 YOLO(You Only Look Once), SSD(Single Shot Multi-box Detector) 등의 알고리즘이 제안되고 있다. 하지만 이러한 딥러닝 기반 탐지 네트워크는 정지 영상에서 탐지의 성공 여부를 결정하기 때문에 동영상에서의 안정적인 객체 추적 및 탐지를 위해서는 별도의 추적 기능이 필요하다. 따라서 본 논문에서는 동영상에서의 객체 추적 및 탐지 성능 향상을 위해 딥 러닝 기반 탐지 네트워크에 칼만 필터를 결합한 방법을 제안한다. 탐지 네트워크는 실시간 처리가 가능한 YOLO v2를 이용하였으며, 실험 결과 제안한 방법은 기존 YOLO v2 네트워크에 비교하여 7.7%의 IoU 성능 향상 결과를 보였고 FHD 영상에서 20 fps의 처리 속도를 보였다.