• 지능정보연구
• /
• 제28권1호
• /
• pp.89-106
• /
• 2022

최근 영상 데이터의 급증으로 이를 효과적으로 처리하기 위해 객체 탐지 및 추적, 행동 인식, 표정 인식, 재식별(Re-ID)과 같은 다양한 컴퓨터비전 기술에 대한 수요도 급증했다. 그러나 객체 탐지 및 추적 기술은 객체의 영상 촬영 장소 이탈과 재등장, 오클루전(Occlusion) 등과 같이 성능을 저하시키는 많은 어려움을 안고 있다. 이에 따라 객체 탐지 및 추적 모델을 근간으로 하는 행동 및 표정 인식 모델 또한 객체별 데이터 추출에 난항을 겪는다. 또한 다양한 모델을 활용한 딥러닝 아키텍처는 병목과 최적화 부족으로 성능 저하를 겪는다. 본 연구에서는 YOLOv5기반 DeepSORT 객체추적 모델, SlowFast 기반 행동 인식 모델, Torchreid 기반 재식별 모델, 그리고 AWS Rekognition의 표정 인식 모델을 활용한 영상 분석 시스템에 단일 연결 계층적 군집화(Single-linkage Hierarchical Clustering)를 활용한 재식별(Re-ID) 기법과 GPU의 메모리 스루풋(Throughput)을 극대화하는 처리 기법을 적용한 행동 및 표정 검출용 영상 분석 시스템을 제안한다. 본 연구에서 제안한 시스템은 간단한 메트릭을 사용하는 재식별 모델의 성능보다 높은 정확도와 실시간에 가까운 처리 성능을 가지며, 객체의 영상 촬영 장소 이탈과 재등장, 오클루전 등에 의한 추적 실패를 방지하고 영상 내 객체별 행동 및 표정 인식 결과를 동일 객체에 지속적으로 연동하여 영상을 효율적으로 분석할 수 있다.

• 한국식품위생안전성학회지
• /
• 제34권1호
• /
• pp.40-51
• /
• 2019

인삼은 인삼산업법이라는 독립된 법률의 적용을 받으며 4~6년간의 장기 재배기간과 이동경작이라는 독특한 재배특성이 있고 타 작물도 생산하는 복합영농의 형태를 가지고 있는 농가가 많은 점 등 일반 작물과는 생산과정과 관리방법이 다르다. 따라서 GAP기준에 적합한 인삼 생산을 위해서는 GAP인증기준 항목별로 인삼농가의 실천수준을 파악하여 미흡한 점에 대해서 실천방안을 제시할 필요가 있다. 인삼에 대하여 GAP인증을 신청한 농가의 인증 취득률은 77.6%으로 기타 농산물의 94.1% 보다 낮았다. 미등록농약의 사용이나 토양 중금속 기준치 초과 등 서류심사 단계에서 13.7%가 부적합으로 판정되었으며, 현장심사결과 관리미흡으로 인증을 취득하지 못한 경우는 8.7% 이었다. 이는 기타 농산물에서 서류심사 부적합율 5.3%와 현장심사 부적합율 0.6%에 비하여 상당히 높은 것으로 인삼에 있어서 부적합율이 높은 원인을 분석하여 부적합율을 낮추는 방안 모색이 필요하다. 전체 72개 평가항목 중 10가지 주요 필수항목인 필수+ 기준에 대해 인삼은 2.65점으로 평가되어 기타 농산물의 2.81점 보다 다소 낮게 평가되었다. 특히 인삼농가에서는 토양 및 작물 병해충관리용 농약의 안전사용기준 준수가 각각 2.01점과 1.92점으로 평가받아 기타 농산물의 2.96점과 2.94점에 비하여 상대적으로 낮아 인삼농가의 농약사용에 좀 더 많은 주의가 필요하다. 일반 필수기준인 필수기준에서도 인삼은 2.33점으로 기타 농산물의 2.58점 보다 낮게 평가되었다. 인삼이 기타 농산물에 비하여 상대적으로 낮게 평가된 항목은 영농기록의 1년 이상 보관 항목(1.98점), 품질보증 종자 사용 항목(1.31점), 토양 및 작물 병해충 관리용 농약 사용 기록 항목(1.38점과 177점), 농약보관장소 표시물(1.69점), 수확후저장장소 관리 항목(1.67점), 작업 전 후 손 세척 항목(1.00점), 작업자 위생복장 착용(1.50점) 작업자 안전위생교육 항목(0.82점), 위해요소관리계획서(1.96점) 등으로 이 항목들은 인삼농가들이 앞으로 개선을 해야 할 필요가 있다. 또한 전체 72개 항목 중 인삼에 적용되지 않는 항목이 12개 항목(필수 10개, 권장 2개)에 달한다. 따라서 기존의 인증기준으로는 인삼 생산과정에 대해 실효성 있는 평가를 하기에는 부적절한 것으로 판단된다. 결론적으로 인삼에 대한 GAP인증의 확대를 위해서는 차별화된 인증기준이 필요하며, 인삼 농가에 대한 GAP관리교육이 보다 체계적이고 현장중심으로 수행될 수 있는 프로그램의 개발이 필요하다.

• 한국유통학회지:유통연구
• /
• 제15권3호
• /
• pp.71-110
• /
• 2010

본 연구에서는 항공권 예약 발권 웹사이트의 서비스 품질을 측정 뿐만 아니라 서비스 회복도 측정하고자 하였다. 또한 서비스 품질과 서비스 회복이 고객만족 및 충성의도에 미치는 영향관계를 실증하고자 하였다. 온라인 서비스 품질과 온라인 서비스 회복의 측정을 위해 Parasuraman, Zeithaml, & Malhotra(2005)가 개발한 E-S-QUAL과 E-RecS-QUAL을 사용했으며, 했다. E-S-QUAL은 온라인 서비스 품질을 측정하는 도구로써, 효율성, 시스템 이용가능성, 이행성, 프라이버시의 4개 차원 22개 항목으로 구성된다. E-RecS-QUAL은 온라인 서비스 회복을 측정하는 도구로써, 반응, 보상, 접촉의 3개 차원 11개 항목으로 구성된다. 실증분석을 위한 설문조사는 항공사나 여행사의 웹사이트를 통해 국내 외 항공권을 구입해 본 경험이 있는 소비자를 대상으로 실시하였는데, 총 400부가 회수되었고, 이 중 342부를 최종분석에 사용하였다. 실증분석을 위해 AMOS 7.0과 SPSS 15.0을 사용하였다. 먼저, SPSS 15.0을 사용하여, 요인점수를 이용한 회귀분석으로 가설검증을 한 결과, <가설 I-1, 2, 3, 4, II-1, 2, 3, III-1, IV-1>이 전부 채택되었다. 온라인 서비스 품질과 온라인 서비스 회복의 각 차원은 모두 전반적인 서비스 품질에 유의한 영향을 보였고, 전반적인 서비스 품질은 고객만족에 유의한 영향을 미쳤다. 마지막으로 고객만족 역시 충성의도에 유의한 영향을 미치는 것으로 확인되었다. 한편 AMOS 7.0을 사용하여 모형 분석을 하였는데, 모형의 적합도는 가설검증을 하기에 합당한 수치가 나왔다. 이를 토대로 가설검증을 한 결과, <가설 I-1, 3, II-1, 3, III-1, IV-1>은 채택되었고, <가설 I-2, 4, II-2>는 기각되었다. 이 결과는 Parasuraman et al.(2005)이 주장한 것처럼 E-S-QUAL을 나타내는 데는 요인점수를 이용한 회귀분석이 더 적합하다는 것을 보여주는 것이라고 판단된다. 이를 토대로 본 연구의 시사점을 정리하였다.