• 대한임베디드공학회논문지
• /
• 제19권1호
• /
• pp.47-55
• /
• 2024

We spend a lot of time in indoor space, and the space has a huge impact on our lives. Interior design plays a significant role to make an indoor space attractive and functional. However, it should consider a lot of complex elements such as color, pattern, and material etc. With the increasing demand for interior design, there is a growing need for technologies that analyze these design elements accurately and efficiently. To address this need, this study suggests a deep learning-based design analysis system. The proposed system consists of a semantic segmentation model that classifies spatial components and an image classification model that classifies attributes such as color, pattern, and material from the segmented components. Semantic segmentation model was trained using a dataset of 30000 personal indoor interior images collected for research, and during inference, the model separate the input image pixel into 34 categories. And experiments were conducted with various backbones in order to obtain the optimal performance of the deep learning model for the collected interior dataset. Finally, the model achieved good performance of 89.05% and 0.5768 in terms of accuracy and mean intersection over union (mIoU). In classification part convolutional neural network (CNN) model which has recorded high performance in other image recognition tasks was used. To improve the performance of the classification model we suggests an approach that how to handle data that has data imbalance and vulnerable to light intensity. Using our methods, we achieve satisfactory results in classifying interior design component attributes. In this paper, we propose indoor space design analysis system that automatically analyzes and classifies the attributes of indoor images using a deep learning-based model. This analysis system, used as a core module in the A.I interior recommendation service, can help users pursuing self-interior design to complete their designs more easily and efficiently.

• 한국콘텐츠학회논문지
• /
• 제8권5호
• /
• pp.44-51
• /
• 2008

시계열 데이터에서 패턴을 찾고 검색하는 문제는 여러 분야에서 오랫동안 관심을 가지고 연구되어 왔다. 본 논문은 시간의 흐름에 따라 값의 변화를 나타내는 시계열 형태의 주식 데이터에 적용할 수 있는 새로운 패턴 매칭 방법을 제안한다. 우선, 의미를 기반으로 패턴을 정의하고 정의된 패턴에 일치하는 데이터들을 추출하여 학습모델을 작성한다. 그리고 새로운 질의 시퀀스가 어떤 종류의 패턴과 일치하는가는 각 학습 모델과의 유사도를 측정하여 결정하게 된다. 학습 모델은 시계열을 잘 설명하는 것으로 알려진 은닉 마코프 모델을 사용하여 작성하였다. 실험 결과 은닉 마코프 모델의 특성을 사용하여 생성된 각 학습 모델은 주어진 의미를 잘 나타내는 패턴을 생성하였으며, 새로운 시퀀스가 주어졌을 때 일치하는 패턴에 따라서 시퀀스가 가진 의미를 파악할 수 있었다.

• 한국통신학회논문지
• /
• 제17권12호
• /
• pp.1362-1370
• /
• 1992

• 한국과학교육학회지
• /
• 제35권5호
• /
• pp.919-929
• /
• 2015

본 연구에서는 지질구조에 대한 모델링기반 학습 프로그램을 개발하고 모델링기반 학습에서 나타나는 논증패턴과 학생들의 정신모형 수준과의 관계를 밝히고자 하였다. 고등학교 2학년 126명을 대상으로 대륙이동설, 해령, 변환단층, 단층의 특징에 대하여 4회의 모델링기반 학습을 실시하였다. 연구대상 중에서 2개 학급은 실험집단으로 모델링기반 학습을 실시하였고 나머지 2개 학급은 비교집단으로 교사중심 설명식 수업을 실시하였다. 모델링기반 학습 후 실험집단과 비교집단의 사후 성취도와 학생들의 정신모형 분포를 정량적으로 비교하였다. 실험집단 중 5개 조의 논증활동을 녹음 전사한 자료에 대하여 본 연구에서 설정한 분석틀을 근거로 정성적으로 분석하였다. 본 연구의 분석틀은 TAP의 5가지 요소와 학생들의 대안개념이 포함되는 요소 5가지 등 총 10가지의 코딩 요소로 구성하였다. 정신모형 유형을 조사한 결과, 실험집단에서 단면 인과모형과 입체형 모형의 비율이 높게 나타난 반면, 비교집단에서는 2차원 모형과 단면 단순모형의 비중이 높게 나타났다. 논증유형을 분석한 결과, 주장의 빈도가 높을수록 논증활동이 성공적으로 이루어졌고 정신모형의 수준이 높게 나타났다. 반박이 제기된 경우, 만든 모형을 다시 관찰하여 자료를 수정하고, 이에 따라 주장을 다시 전개하였다. 이로써 모델링기반 학습에서 모형이 학생들의 논증 과정에 긍정적으로 작용함을 확인할 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권7_8호
• /
• pp.649-658
• /
• 2003

본 연구에서는 ART2 신경회로망의 성능을 개선하기 위한 계층적 구조를 제안하고, 구성된 클러스터에 대하여 적합도(fitness) 선택을 통한 빠르고 효과적인 패턴 분류 모델(HART2)을 제안한다. 본 논문에서 제안하는 신경회로망은 비지도 학습을 통하여 대략적으로 1차 클러스터를 형성하고, 이 각각의 1차 클러스터로 분류된 패턴에 대해 지도학습을 통한 2군 클러스터를 생성하여 패턴을 분류하는 계층적 신경회로망이다. 이 신경회로망을 이용한 패턴분류 과정은 먼저 입력패턴을 1차 클러스터와 비교하여 유사한 몇 개의 1차 클러스터를 적합도에 따라 선택한다. 이때, 입력패턴과 클러스터들간의 상대 측정 거리비에 기반한 적합도 함수를 도입하여 1차 클러스터에 연결된 클러스터들을 Pruning 함으로써 계층적인 네트워크에서의 속도 향상과 정확성을 추구하였다. 마지막으로 입력패턴과 선택된 1차 클러스터에 연결된 2차 클러스터와의 비교를 통해 최종적으로 패턴을 분류하게 된다. 본 논문의 효율성을 검증하기 위하여 22종의 한글 및 영어 글꼴에 대한 숫자 데이타를 다양한 형태로 변형시켜 확장된 테스트 패턴에 대하여 실험해 본 결과 제안된 신경회로망의 패턴 분류 능력의 우수함을 증명하였다

• 한국지능시스템학회논문지
• /
• 제13권2호
• /
• pp.154-162
• /
• 2003

셀룰라 신경회로망의 연상 메모리를 이용하여 시각적인 입력 데이터의 연산을 통하여 영상 패턴의 분류와 인식을 수행한다. 셀룰라 신경회로망은 일반적인 신경회로망과 같이 비선형 데이터의 실시간 처리가 가능하고, 세포자동자와 같이 이 격자구조의 셀로 이루어져 인접한 셀과 직접 정보를 주고받는다. 응용 분야로는 최적화, 선형/비선형화, 연상 메모리, 패턴인식, 컴퓨터 비전 등에 적용할 수 있다. 영상의 이미지 픽셀을 셀룰라 신경회로망의 셀에 대응하여 전체 이미지 영상을 모든 셀룰라 신경회로망의 셀에서 동시에 병렬로 처리할 수 있어 2-D 이미지 처리에 적합하다. 본 논문은 셀룰라 신경회로망에 의한 연상 메모리 구조를 설계하고, 학습된 하중값 메모리에서 가장 적당한 하중값을 선택하여 학습된 영상과 정확히 일치하는 출력을 얻는 방법을 제시한다. 학습을 통한 연상 메모리 구현에는 각각의 뉴런에서 일정하지 않은 다른 템플릿을 사용한다. 각각의 템플릿은 뉴런들 간의 연결 하중값을 나타내고 학습에 따라 갱신된다. 학습방법으로는 템플릿 하중값 학습에 뉴런들 간의 연결 하중값을 조정하는 가장 단순한 규칙인 Hebb의 학습방법이 사용되었고 분류값 학습에 LMS 알고리즘이 사용되었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 춘계학술대회
• /
• pp.571-575
• /
• 2015

실시간으로 입력되는 영상으로부터 이동객체의 움직임 특징을 분석하는 시간적 히스토그램 기반의 행동패턴분석 알고리즘을 제안한다. 이동객체의 추적 및 분석을 위해 배경과 이동객체를 분리하는 배경학습을 행한다. 배경학습으로 추출된 이동객체는 무게중심 및 좌표연관성을 이용하여 객체를 식별한 후 객체별 추적을 행한다. 추적된 각 객체의 시작프레임, 종료프레임, 좌표정보, 크기정보를 연결리스트에 저장하여 관리한다. 시간적 히스토그램은 x, y좌표와 시간을 이용해 움직임 특징 패턴을 정의한 것으로 각 객체의 좌표정보와 비교하여 움직임특징 및 행동패턴을 파악한다. 시간적 히스토그램 기반 행동패턴분석시스템은 자체 수집한 데모영상에 대한 실험을 통해 초당 45~50 fps의 높은 처리속도를 유지하며 95%이상의 높은 추적율을 확인하였다.

• 인터넷정보학회논문지
• /
• 제21권5호
• /
• pp.109-118
• /
• 2020

최근 다양한 질병 때문에 사람들은 집 안에서 많은 시간을 보내고 있다. 집 안에서 다치거나 질병에 감염되어 타인의 도움이 필요한 1인 가구의 경우 타인에게 도움을 요청하기 어렵다. 본 연구에서는 1인 가구가 집 안에서 부상이나 질병 감염 등 타인의 도움이 필요로 하는 상황인 이상 징후를 탐지하기 위한 알고리즘을 제안한다. 홈 CCTV를 이용한 영상 패턴 탐지 알고리즘과 인공지능 스피커 등을 이용한 음성 패턴 탐지 알고리즘, 스마트폰의 가속도 센서를 이용한 활동 패턴 탐지 알고리즘, 공기청정기 등을 이용한 먼지 패턴 탐지 알고리즘을 제안한다. 하지만, 홈 CCTV의 보안 문제로 사용하기 어려울 경우 음성, 활동, 먼지 패턴 센서를 결합한 융합 방식을 제안한다. 각 알고리즘은 유튜브와 실험을 통해 데이터를 수집하여 정확도를 측정했다.

• 한국융합학회논문지
• /
• 제11권5호
• /
• pp.183-189
• /
• 2020

본 연구는 성인 학습자의 영어 패턴 연습에 대한 측정 시기별 습득 효과를 알아보고자 40대와 65세 이상의 성인 기초 영어 학습자 집단과 유사한 영어 수준에 있는 8세 아동 집단을 대조군으로 하여 패턴 연습으로 학습한 내용을 측정 시기를 달리하여 진단하였다. 먼저, 연구 참여자를 대상으로 사전 테스트 실시 후 유사한 영어 수준에 있는 학습자를 선정하여 인칭 일치와 시제의 학습 내용을 패턴 연습으로 지도 한 후 사후 테스트를 하였고, 4주 후 다시 지연 테스트를 실시하였다. 그 결과 성인 학습자의 경우 사후 테스트에서는 40대 학습자가 가장 높은 상승폭을 보여주었고, 65세 이상의 성인 학습자도 아동과 비교하면 더 우수한 습득 효과를 보여주었지만, 지연 테스트에서는 타 연령에 비해 가장 큰 하락폭이 나타났다. 이러한 결과를 바탕으로 성인 학습자의 특성을 이해하고 약점을 보완한 교수법 연구가 필요하다.

• Computers and Concrete
• /
• 제31권5호
• /
• pp.405-417
• /
• 2023

The submerged floating tunnel (SFT) is tethered by mooring lines anchored to the seabed, therefore, the structural integrity of the anchor should be sensitively managed. Despite their importance, reaction forces cannot be simply measured by attaching sensors or load cells because of the structural and environmental characteristics of the submerged structure. Therefore, we propose an effective method for estimating the reaction forces at the seabed anchor of a submerged floating tunnel using a structural pattern model. First, a structural pattern model is established to use the correlation between tunnel motion and anchor reactions via a deep learning algorithm. Once the pattern model is established, it is directly used to estimate the reaction forces by inputting the tunnel motion data, which can be directly measured inside the tunnel. Because the sequential characteristics of responses in the time domain should be considered, the long short-term memory (LSTM) algorithm is mainly used to recognize structural behavioral patterns. Using hydrodynamics-based simulations, big data on the structural behavior of the SFT under various waves were generated, and the prepared datasets were used to validate the proposed method. The simulation-based validation results clearly show that the proposed method can precisely estimate time-series reactions using only acceleration data. In addition to real-time structural health monitoring, the proposed method can be useful for forensics when an unexpected accident or failure is related to the seabed anchors of the SFT.