• 대한임베디드공학회논문지
• /
• 제17권5호
• /
• pp.289-296
• /
• 2022

In this paper, we developed a deep learning-based recyclable object detection model. The model is developed based on YOLOv5 that is a one-stage detector. The deep learning model detects and classifies the recyclable object into 7 categories: paper, carton, can, glass, pet, plastic, and vinyl. We propose two methods for recyclable object detection models to solve problems during training. Bounding Box CutMix solved the no-objects training images problem of Mosaic, a data augmentation used in YOLOv5. Standardized Distance-based IoU replaced DIoU using a normalization factor that is not affected by the center point distance of the bounding boxes. The recyclable object detection model showed a final mAP performance of 0.91978 with Bounding Box CutMix and 0.91149 with Standardized Distance-based IoU.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.595-598
• /
• 2020

IoU (Intersection over Union) is the most commonly used index in target detection. The core requirement of target detection is what is in the image and where. Based on these two problems, classification training and positional regression training are needed. However, in the process of position regression, the most commonly used method is to obtain the IoU of the predicted bounding box and ground-truth bounding box. Calculating bounding box regression losses should take into account three important geometric measures, namely the overlap area, the distance, and the aspect ratio. Although GIoU (Generalized Intersection over Union) improves the calculation function of image overlap degree, it still can't represent the distance and aspect ratio of the graph well. As a result of technological progress, Bounding-Box is no longer represented by coordinates x,y,w and h of four positions. Therefore, the IoU can be further optimized with the center point and aspect ratio of Bounding-Box.

• 정보보호학회논문지
• /
• 제31권1호
• /
• pp.11-17
• /
• 2021

최근 사물인터넷(IoT)의 발달과 드론을 활용한 서비스의 증가로 인해 IoD에 대한 연구가 활발히 진행 중이다. 드론은 연산능력이 약하고 저장소의 크기가 작은 자원적인 한계를 갖고 있으며 드론 간 통신 시 정당한 개체 간 인증을 거친 후 데이터를 주고받는다. 드론은 위치, 이동 경로와 같은 민감 정보를 포함하기 때문에 추적성으로부터 안전해야 한다. 본 논문에서는 기존 IoD 연구에서 가명 및 인증서 사용으로 발생할 수 있는 치명적인 보안 취약점을 지적하고 해결책을 제안한다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.143-156
• /
• 2023

인공위성이 촬영한 영상의 내용을 정확하게 분석하기 위해서는 영상에 존재하는 구름 영역을 정확하게 인지하는 것이 필요하다. 최근 다양한 분야에서 딥러닝(deep learning) 모델이 뛰어난 성능을 보여줌에 따라 구름 영역 검출을 위해 딥러닝 모델을 적용한 방법들이 많이 제안되고 있다. 하지만 현재 구름 영역 검출 방법들은 의미 영역 분할 방법의 네트워크 구조를 그대로 사용하여 구름 검출 성능을 향상하는 데는 한계가 있다. 따라서 본 논문에서는 구름 검출 데이터 세트에 다중 브랜치 네트워크 구조 탐색을 적용하여 구름 영역 검출에 최적화된 네트워크 모델을 생성함으로써 구름 검출 성능을 향상하는 방법을 제안한다. 또한 구름 검출 성능을 향상하기 위하여 의미 영역 분할 모델의 학습 단계와 평가 단계의 평가 기준 불일치를 해소하기 위해 제안된 soft intersection over union (IoU) 손실 함수를 사용하고, 다양한 데이터 증강 방법을 적용하여 학습 데이터를 증가시켰다. 본 논문에서 제안된 방법의 성능을 검증하기 위하여 아리랑위성 3/3A호에서 촬영한 영상으로 구성된 구름 검출 데이터 세트를 사용하였다. 먼저 제안 방법과 의미 영역 분할 데이터 세트에서 탐색된 기존 네트워크 모델의 성능을 비교하였다. 실험 결과, 제안 방법의 mean IoU는 68.5%이며, 기존 모델보다 mIoU 측면에서 4%의 높은 성능을 보여주었다. 또한 soft IoU 손실 함수를 포함한 다섯 개의 손실 함수를 적용하여 손실 함수에 따른 구름 검출 성능을 분석하였으며, 실험 결과 본 연구에서 사용한 soft IoU 함수가 가장 좋은 성능을 보여주었다. 마지막으로 의미 영역 분할 분야에서 활용되는 최신 네트워크 모델과 제안 방법의 구름 검출 성능을 비교하였다. 실험 결과, 제안 모델이 의미 영역 분할 분야의 최신 모델들보다 mIoU와 정확도 측면에서 더 나은 성능을 보여주는 것을 확인하였다.

• 융합신호처리학회논문지
• /
• 제18권1호
• /
• pp.6-12
• /
• 2017

본 논문에서는 모션인식을 활용한 Human UI/UX를 위한 IoT 기반 스마트헬스 서비스를 제안한다. 현재까지 M2M기반의 u-healthcare에서 적용되는 센서 네트워크에서는 TCP/IP 프로토콜이 아닌 non-IP프로토콜을 이용하고 있다. 그러나 서비스의 이용 확대와 IoT 기반의 센서 네트워크 관리를 용이하게 하기 위해서는 다수의 센서들의 인터넷 연결이 반드시 요구된다. 따라서 센서들에 의하여 측정된 자료들을 인터넷과 통신하는 것은 물론 이동이 가능해야 하기 때문에 네트워크 이동성을 고려한 IoT 기반 스마트헬스 서비스를 설계하였다. 또한 IoT 기반 스마트헬스 서비스는 기존의 헬스케어 플랫폼과는 다르게 바이오 정보뿐만이 아니라 동작감지를 위한 스마트 헬스 서비스를 개발하였다. u-healthcare에서 사용되는 WBAN 통신은 일반적으로 많은 네트워크화된 장치 및 게이트웨이로 구성된다. 본 논문에서 제안하는 방법은 WBAN 센서 노드간의 이동성을 지원하는 기술을 이용함으로써 무선 환경에서도 동적 변화에 쉽게 대응할 수 있고, 사용자의 동작감지를 통해 체계적인 관리가 이루어진다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제3권10호
• /
• pp.371-376
• /
• 2014

u-Healthcare에서는 다양한 생체 정보를 지속적으로 수집하는 것이 필요하다. 이를 위해 센서와 서버 간의 효율적인 네트워크 환경으로써 IoT가 고려된다. 본 논문에서는 이러한 IoT 환경에 적합한 전송 방식 및 압축 알고리즘을 제안하였다. 결과는 기존의 압축 알고리즘 및 선행연구들과 비교하였다. 결과에서 본 논문에서 제안하는 알고리즘의 압축효율이 11.7이 됨을 알 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제52차 하계학술대회논문집 23권2호
• /
• pp.109-110
• /
• 2015

ICT 기술의 발달에 따라, 현대인들이 컴퓨터 앞에서 작업하는 시간은 증가했으며 장시간 의자에 앉아 한 자세 및 부적절한 자세와 생활 습관으로 인한 척추 측만증 및 허리 디스크 발병률은 점점 증가하고 있다. 척추는 몸을 지탱하는 기둥으로써 사람의 몸의 중추적인 역할을 하는데 척추가 여러 원인으로 꼬이고 굽어져 'S'형으로 흰 상태를 척추 측만증이라고 한다. 유비쿼터스 컴퓨팅 기술의 발달로 언제 어디서나 자신의 건강상태를 모니터링 할 수 있는 U-Health 시스템이 주목받고 있기 때문에 따라서 본 논문에서 일상 생활에서도 자신의 자세를 측정 및 교정이 가능하며 센서로부터 측정한 값은 사람의 체형마다 다르다는 단점을 보완하고 환자-의사가 통신 할 수 있는 IoT를 결합한 아두이노 기반의 척추 측만증 예방을 위한 자세 교정기 및 U-Health 시스템을 개발하였다.

• 정보과학회 논문지
• /
• 제45권1호
• /
• pp.94-98
• /
• 2018

본 논문은 자율주행을 위한 실시간 의미론적 분할 방법으로 최적화된 심층 신경망 구조인 Wide Inception ResNet (WIR Net)을 제안한다. 신경망 구조는 Residual connection과 Inception module을 적용하여 특징을 추출하는 인코더와 Transposed convolution과 낮은 층의 특징 맵을 사용하여 해상도를 높이는 디코더로 구성하였고 ELU 활성화 함수를 적용함으로써 성능을 올렸다. 또한 신경망의 전체 층수를 줄이고 필터 수를 늘리는 방법을 통해 성능을 최적화하였다. 성능평가는 NVIDIA Geforce gtx 1080과 TX1 보드를 사용하여 주행환경의 Cityscapes 데이터에 대해 클래스와 카테고리별 IoU를 평가하였다. 실험 결과를 통해 클래스 IoU 53.4, 카테고리 IoU 81.8의 정확도와 TX1 보드에서 $640{\times}360$, $720{\times}480$ 해상도 영상처리에 17.8fps, 13.0fps의 실행속도를 보여주는 것을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1109-1124
• /
• 2022

본 연구에서는 단시간 내 광범위한 지역에 대한 해양쓰레기 발생 실태 파악이 가능하도록 위성 및 드론다중분광 영상을 이용한 해안쓰레기 모니터링 기법을 제안한다. Sentinel-2 위성 영상을 이용한 해안쓰레기 탐지를 위해 multi-layer perceptron (MLP) 모델을 적용하였고, 드론 다중분광 영상을 이용한 해안쓰레기 탐지를 위해 딥러닝 모델 중 U-Net, DeepLabv3+ (ResNet50), DeepLabv3+ (Inceptionv3)의 탐지 성능평가 및 비교를 수행하였다. 위성 영상을 이용한 해안쓰레기 탐지 결과 F1-Score 0.97을 보였다. 드론 다중분광 영상을 이용한 해안쓰레기 탐지는 초목류와 플라스틱류에 대한 탐지를 수행하였고, 탐지 결과 DeepLabv3+ (Inceptionv3) 모델이 mean Intersection over Union (mIoU) 0.68로 가장 우수한 성능을 보였다. 초목류는 F1-Score 0.93, IoU는 0.86을 보인 반면에 플라스틱류의 F1-Score 0.5, IoU는 0.33으로 낮은 성능을 보였다. 그러나 플라스틱류 마스크 영상 생성을 위해 적용된 분광 지수식의 F1-Score는 0.81로 DeepLabv3+ (Inceptionv3)의 플라스틱류 탐지 성능보다 높은 성능을 보이며, 분광 지수식을 이용한 플라스틱류 모니터링이 가능할 것으로 판단된다. 본 연구에서 제안된 해안쓰레기 모니터링 기법을 통해 해안쓰레기 발생에 대한 정량적 자료 제공과 더불어 해안쓰레기 수거·처리 계획 수립에 활용할 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.973-976
• /
• 2015

사물인터넷은 사람, 모든 사물이 네트워크에 연결되어 능동적으로 데이터를 수집하고 서로 공유 및 분석하는 사물간의 상호작용을 의미한다. 사물인터넷은 또한 의료서비스 분야의 접목이 주목되고 있다. 하지만 사물인터넷 기술이 주목받으면서 가장 문제가 되는 것은 보안문제이다. 특히 유헬스 의료기기 등은 개인의 건강정보를 주로 다루기 때문에 의료 정보 만큼의 높은 수준의 개인정보보호 및 보안이 요구된다. 따라서 본 연구에서는 사물인터넷의 보안과 의료분야의 개인정보 유출사례, 개인정보 흐름, 그리고 대응방안을 분석한다.