• 로봇학회논문지
• /
• 제16권1호
• /
• pp.49-55
• /
• 2021

Recently, a smart farm technology is drawing attention as an alternative to the decline of farm labor population problems due to the aging society. Especially, there is an increasing demand for automatic harvesting system that can be commercialized in the market. Pre-harvest crop detection is the most important issue for the harvesting robot system in a real-world environment. In this paper, we proposed a real-time tomato instance tracking algorithm by using deep learning and probability models. In general, It is hard to keep track of the same tomato instance between successive frames, because the tomato growing environment is disturbed by the change of lighting condition and a background clutter without a stochastic approach. Therefore, this work suggests that individual tomato object detection for each frame is conducted by YOLOv3 model, and the continuous instance tracking between frames is performed by Kalman filter and probability model. We have verified the performance of the proposed method, an experiment was shown a good result in real-world test data.

• International Journal of Computer Science & Network Security
• /
• 제22권7호
• /
• pp.389-396
• /
• 2022

Smartphones are growing more susceptible as technology develops because they contain sensitive data that offers a severe security risk if it falls into the wrong hands. The Android OS includes permissions as a crucial component for safeguarding user privacy and confidentiality. On the other hand, mobile malware continues to struggle with permission misuse. Although permission-based detection is frequently utilized, the significant false alarm rates brought on by the permission-based issue are thought to make it inadequate. The present detection method has a high incidence of false alarms, which reduces its ability to identify permission-based attacks. By using permission features with intent, this research attempted to improve permission-based detection. However, it creates an excessive number of features and increases the likelihood of false alarms. In order to generate the optimal number of features created and boost the quality of features chosen, this research developed an intersection feature approach. Performance was assessed using metrics including accuracy, TPR, TNR, and FPR. The most important characteristics were chosen using the Correlation Feature Selection, and the malicious program was categorized using SVM and naive Bayes. The Intersection Feature Technique, according to the findings, reduces characteristics from 486 to 17, has a 97 percent accuracy rate, and produces 0.1 percent false alarms.

• International Journal of Computer Science & Network Security
• /
• 제21권11호
• /
• pp.73-80
• /
• 2021

Nowadays microblogs have become the most popular platforms to obtain and spread information. Twitter is one of the most used platforms to share everyday life event. However, rumors and misinformation on Arabic social media platforms has become pervasive which can create inestimable harm to society. Therefore, it is imperative to tackle and study this issue to distinguish the verified information from the unverified ones. There is an increasing interest in rumor detection on microblogs recently, however, it is mostly applied on English language while the work on Arabic language is still ongoing research topic and need more efforts. In this paper, we propose a combined Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM) to detect rumors on Twitter dataset. Various experiments were conducted to choose the best hyper-parameters tuning to achieve the best results. Moreover, different neural network models are used to evaluate performance and compare results. Experiments show that the CNN-LSTM model achieved the best accuracy 0.95 and an F1-score of 0.94 which outperform the state-of-the-art methods.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.303-304
• /
• 2021

코로나 방역을 위해 마스크 착용 여부를 자동으로 감지하는 것은 중요한 이슈이다. 기계학습을 통하여 얼굴의 마스크 착용여부를 검색하는 것은 마스크를 착용한 얼굴 데이터를 학습함으로써 해결할 수 있는 것으로 알려져 있다. 하지만 한 사람을 위한 마스크 착용 여부 검색은 OpenCV를 이용하여 보다 간단한 방법으로 감지할 수 있다. 본 논문에서는 OpenCV 학습데이터 결과와 간단한 함수들을 이용하여, 범용 PC 카메라로 한 사람의 마스크 착용여부를 쉽게 감지할 수 있음을 기술한다. 실험을 통하여 제안하는 방법이 유효함을 보였다.

• 국제학술발표논문집
• /
• The 8th International Conference on Construction Engineering and Project Management
• /
• pp.387-396
• /
• 2020

Wearable biosensors have the potential to non-invasively and continuously monitor seniors' stress in their daily interaction with the urban environment, thereby enabling to address the stress and ultimately advance their outdoor mobility. However, current wearable biosensor-based stress detection methods have several drawbacks in field application due to their dependence on batch-learning algorithms. First, these methods train a single classifier, which might not account for multiple subjects' different physiological reactivity to stress. Second, they require a great deal of computational power to store and reuse all previous data for updating the signle classifier. To address this issue, we tested the feasibility of online multi-task learning (OMTL) algorithms to identify multiple seniors' stress from electrodermal activity (EDA) collected by a wristband-type biosensor in a daily trip setting. As a result, OMTL algorithms showed the higher test accuracy (75.7%, 76.2%, and 71.2%) than a batch-learning algorithm (64.8%). This finding demonstrates that the OMTL algorithms can strengthen the field applicability of the wearable biosensor-based stress detection, thereby contributing to better understanding the seniors' stress in the urban environment and ultimately advancing their mobility.

• 한국지리정보학회지
• /
• 제1권1호
• /
• pp.3-7
• /
• 1998

GIS 데이타의 정확도 문제는 DEM과 같은 데이터의 유용성과 적용에 대한 서로 다른 견해를 불러 일으킨다. 데이터의 정확성은 좌표의 정확한 위치와 속성정보를 무작위적으로 검색하여 결정할 수 있다. DEM은 과거 보다는 손쉽게 취득할수 있고 이를 처리할수 있는 소프트웨어도 다양해 졌으나 GIS의 응용은 이미 만들어진 데이터에 따라 그 결과가 달라질수 있으므로 데이터의 정확도와 에러에 대한 주의를 기울일 필요가 있다. 본 연구의 목적은 1:24,000과 1:250,000 DEM 데이터를 이용하여 DEM의 정확도를 검색하고 데이터가 지닌 에러를 찾아내는 방법을 모색하는데 있다. GRASS와 Arc/Info를 이용하여 DEM을 레이어로 만들어내는 과정 또한 연구 되었다. 연구지역은 250 $km^2$의 면적을 지녔으며 연구 결과 1:250,000 DEM에서는 실제 등고값이 정상적으로 처리 되었으나 1:24,000 DEM에서는 실제의 등고값이 아닌 0으로 표현된 에러가 발견되었다.

• 한국통신학회논문지
• /
• 제34권1A호
• /
• pp.65-75
• /
• 2009

무선 센서 네트워크(WSN: Wireless Sensor Network) 환경에서 사건의 탐지(event detection)와 라우팅(routing), 정보추적(information tracking) 등의 중요한 기능을 수행하기 위해 센서노드의 위치를 측정하는 문제는 반드시 해결되어야 한다. DV-Hop 알고리즘은 멀티 홉에서 얻어지는 정보를 기반으로 위치를 측정하며 비교적 적은 앵커로도 구현이 가능하지만 보다 정밀한 위치측정을 위해 개선되어야 할 부분이 존재한다. 그러한 요인 중 하나로 알고리즘에 사용되는 홉 간 거리가 여러 앵커 노드로 부터의 홉 간 거리의 평균값으로 계산되는 것을 들 수 있다. 이는 홀(Hole)과 같은 장애물에 의한 홉 수의 증가로 발생할 수 있는 미지노드와 앵커사이에 거리 값 계산의 오차를 발생시킨다. 본 논문에서는 DV-Hop 알고리즘의 이러한 문제점을 분석하고 이를 보완 가능한 그룹기반DV-Hop(GDV-Hop) 알고리즘을 제시한다. 그룹 기반 DV-Hop 알고리즘은 다양한 비컨의 라우팅 경로에 의한 위치오차를 효과적으로 줄일 수 있을 뿐 아니라 불필요한 비컨전송의 오버 헤드를 줄일 수 있는 장점을 갖는다.

• 대한원격탐사학회지
• /
• 제38권5_2호
• /
• pp.661-667
• /
• 2022

원격탐사와 GIS를 활용한 공간자료 분석은 재난 관리에 효율적인 기술로 이를 활용한 재난정보 제공을 위한 자료 분석 및 기술 개발에 관한 연구가 활발히 진행되고 있다. 특히 군집위성의 발사와 다양한 원격탐사 플랫폼의 활용, 취득된 데이터 처리 및 저장 능력의 향상, 인공지능 기술의 발달 등으로 인해 재난 관리를 위한 원격탐사와 GIS 기술의 활용은 많은 발전의 여지를 가지고 있다. 이번 특별호에는 재난의 예측, 감시 그리고 대응 단계에서 선박탐지, 건축물 추출, 해양환경 감시, 홍수탐지, 산불탐지, 그리고 재난 발생시 의사결정지원에 적용 가능한 원격탐사와 GIS 기술의 개발과 활용한 관련한 10편의 논문이 게재되었다. 이번 특별호에 출판된 논문들은 재난 관리 기술의 발전과 연관 학문 분야의 학술적 발전에 밑거름이 될 것으로 판단된다.

• 디지털융복합연구
• /
• 제10권5호
• /
• pp.185-191
• /
• 2012

본 연구는 현재 디지털 콘텐츠 시장에서 주요 이슈로 거론되고 있는 디지털 동영상 콘텐츠 저작권 보호와 관련된 기술적 접근을 다루고 있다. 오늘날 디지털 동영상 콘텐츠 제작 및 유통이 급증하고 있는 가운데 지적재산권 보호와 관련된 여러 정책적 접근 및 기술적 접근이 이루어지고 있다. 기존의 DRM(Digital Rights Management) 관점의 기술적 접근은 여러 각도에서 이루어져 왔으나 편의성 및 품질 측면에서 한계점 또한 동시에 노출된 것이 사실이다. 본 연구는 기존의 암호화 인증 및 워터마크 기술을 통한 접근보다는 video copy detection 및 contents based copy detection 방식의 하나인 컬러코드(color code) 방식의 기술적 접근 관점에서 접근하고 있다. 특히 본 연구는 국내 영상 시장의 유통 생태계를 고려하여 고품질 방송 동영상 불법유통을 제어할 수 있는 방향에서 본 연구의 기술적 접근을 다루었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권6호
• /
• pp.2895-2921
• /
• 2018

Security has become one of the major concerns in mobile adhoc networks (MANETs). Data and voice communication amongst roaming battlefield entities (such as platoon of soldiers, inter-battlefield tanks and military aircrafts) served by MANETs throw several challenges. It requires complex securing strategy to address threats such as unauthorized network access, man in the middle attacks, denial of service etc., to provide highly reliable communication amongst the nodes. Intrusion Detection and Prevention System (IDPS) undoubtedly is a crucial ingredient to address these threats. IDPS in MANET is managed by Command Control Communication and Intelligence (C3I) system. It consists of networked computers in the tactical battle area that facilitates comprehensive situation awareness by the commanders for timely and optimum decision-making. Key issue in such IDPS mechanism is lack of Smart Learning Engine. We propose a novel behavioral based "Smart Multi-Instance Multi-Label Intrusion Detection and Prevention System (MIML-IDPS)" that follows a distributed and centralized architecture to support a Robust C3I System. This protocol is deployed in a virtually clustered non-uniform network topology with dynamic election of several virtual head nodes acting as a client Intrusion Detection agent connected to a centralized server IDPS located at Command and Control Center. Distributed virtual client nodes serve as the intelligent decision processing unit and centralized IDPS server act as a Smart MIML decision making unit. Simulation and experimental analysis shows the proposed protocol exhibits computational intelligence with counter attacks, efficient memory utilization, classification accuracy and decision convergence in securing C3I System in a Tactical Battlefield environment.