• 한국HCI학회논문지
• /
• 제13권2호
• /
• pp.31-44
• /
• 2018

사물인터넷(Internet of Things)시대에는 다양한 사물이 연결되어 사물들 스스로가 데이터를 획득하여 이를 바탕으로 학습하고 동작한다. 이는 사물이 사람의 모습을 닮아가고 있다고 볼 수 있고 변화한 사물과 사람이 어떻게 소통하는가를 설계하는 것이 핵심 이슈로 떠오르고 있다. 이러한 IoT 환경이 도래함에 따라 UI 디자인 분야에서도 많은 연구가 진행되었다. 멀티모달리티(Multi-modality)와 인터유저빌리티(Interusability) 등의 키워드를 통해서 UI 분야에서도 복합적인 요소를 고려하려는 연구가 진행됐음을 알 수 있다. 하지만 기존의 UI 디자인 방법론으로는 IoT 환경에서 사용자 인터페이스(UI)를 설계할 때 사물, 사람, 데이터가 상호작용하는 방식에 대해서 구조화하고 테스트하는데 한계가 있다. 따라서 본 연구에서 새로운 UI 프로토타이핑 방법을 제안하였다. 본 논문의 주요 분석과 연구는 다음과 같다: (1) 먼저 사물의 행동 프로세스를 정의하였다. (2) 행동 프로세스를 토대로 기존의 IoT 제품을 분석하였다. (3) 사물성격(Personality of Things)유형을 구분 지을 수 있는 프레임워크를 제작하였다. (4) 프레임워크를 바탕으로 사물성격(Personality of Things) 유형을 도출하였다. (5) 3개의 대표 사물성격(Personality of Things)을 실제 스마트 홈 서비스에 적용하여 프로토타이핑 테스트를 해보았다. 본 연구는 새로운 UI 프로토타이핑 방법을 제안하여 더 총체적인 방식으로 IoT 서비스에 대한 사용자 경험(UX)을 확인할 수 있었다는 데 의의가 있다. 또한, 향후 본 연구를 발전시켜 인공지능(AI) 기술이 발전한 환경에서 지능화된 서비스의 정체성(Identity) 확립의 도구로 사물성격(Personality of Things) 개념을 활용할 수 있을 것이라 생각한다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.85-91
• /
• 2021

학교폭력은 사회적 문제로 인식되고 있으며 이를 예방하기 위한 다양한 노력도 함께 이루어지고 있다. 본 연구에서는 학생들 상호 간의 대화 빈도 데이터를 분석함으로써 교우 관계를 파악하는 방식으로 학교폭력을 예방할 수 있는 시스템을 제안하고 있다. 평정 척도식 설문을 활용하여 학급 내 학생들과의 대화 빈도를 수치화하였고, 이 데이터는 K-means 알고리즘을 활용하여 일정 개수의 클러스터로 군집화하였다. 담임교사는 학급 내 학생들 간의 대화 빈도를 시각적으로 확인하고, 이를 근거로 특정 그룹의 학생 개별 상담 및 학급 운영 등 학교폭력 예방을 위한 참고 자료로 활용 가능하다. 데이터 분석 결과 기존에 교사가 정성적으로 파악하고 있던 교우관계와 상당 부분 일치하였고, 이는 담임교사의 학급 내 교우 관계 파악을 위한 정량적 근거 자료로 활용될 수 있음을 의미한다. 한계점은 연구 대상이 소규모인 것과 학생들의 주관적인 기준으로 설문 결과가 왜곡될 수 있는 점이다. 본 연구가 담임교사의 학급 내 교우 관계 파악 및 학교폭력 예방을 위한 노력에 실질적인 도움이 되고 학교폭력 예방에 기여될 수 있기를 기대한다.

• 한국빅데이터학회지
• /
• 제7권1호
• /
• pp.63-73
• /
• 2022

2020년부터 현재까지 COVID-19가 지속되고 있으며, 사회적으로도 많은 변화가 생겼다. 마스크를 착용하는 것은 필수가 되었고, 마스크 미착용 시, 공공시설이나 식당 등을 이용할 수 없게 되었다. 이로 인해 대부분의 공공시설 출입구에서는 마스크 인식 시스템을 구비하여 마스크 착용 여부를 확인하고 있다. 그러나 목도리로 입을 가린 사람이나 마스크를 제대로 착용하지 않은 사람 등에 대한 판별 여부가 불분명하다. 본 연구에서는 YOLOv5를 이용한 임베디드 마스크 인식 시스템을 제안하였다. 기존 마스크 인식 시스템과는 달리 마스크 착용 여부뿐만 아니라 목도리를 입으로 가린 사람, 손으로 입을 가린 사람 등 다양한 예외 상황에서도 마스크 착용 여부를 구별해낼 수 있었으며, Nvida Jetson Nano Board에 탑재하였을 때 우수한 성능을 보였다.

• 한국콘텐츠학회논문지
• /
• 제21권6호
• /
• pp.701-715
• /
• 2021

최근 딥러닝 기술의 급속한 발전과 함께 학습데이터가 크게 주목을 받고 있다. 일반적으로 딥러닝 방식에서는 모델을 훈련시키기 위해 충분한 학습데이터가 준비되어 있어야 한다. 하지만, 딥러닝 모델 설계 작업과 달리 데이터셋을 제작하는 데 상당한 시간과 노력이 필요하다. 영상 데이터를 주로 다루는 시각지능 분야에서도 학습데이터 제작자들은 전문적인 학습데이터 제작 도구를 사용해 이미지 단위로 레이블링을 수작업으로 하고 있어 여전히 많은 시간과 노력이 필요한 상황이다. 따라서, 다양한 분야에서 필요한 충분한 영상 학습데이터셋을 확보하기 위해 기존의 수작업 방식을 대체할 수 있는 레이블링 기술이 필요하다. 본 논문에서는, 영상 학습데이터셋 동향을 소개하고, 학습데이터 제작 환경에 대해 분석한다 특히, 수작업으로 이루어지는 반복적이고 수고스러운 레이블링 과정을 자동화하여, '확인과 수정'의 단계를 비약적으로 단축시킬 수 있는 '스마트 영상학습데이터 제작 시스템'을 제안한다. 그리고, 실험을 통해 영상 학습데이터 제작 과정에서 이미지에 박스형 및 폴리곤형 객체영역을 지정하여 레이블링하는 데 소요되는 시간을 크게 줄이기 위한 자동레이블링 방식의 효과를 검증한다. 마지막으로, 제안하는 시스템의 실험에서 추가적으로 검증되어야 하는 부분과 함께 이를 개선하기 위한 향후 연구 계획에 대해 논의한다.

• 한국초등수학교육학회지
• /
• 제5권1호
• /
• pp.99-120
• /
• 2001

본 연구는 초등학교 저학년 아동의 수학적 의사소통 지도의 방향을 모색하고 의사소통에 대한 구체물 활용의 효과에 대하여 새로운 방향을 제시하는데 목적을 두고 수학적 의사소통에는 어떠한 특성이 있으며, 구체물이 수학적 의사소통에 어떠한 영향을 미치는지, 수학 학습에 구체물이 어떠한 영향을 미치는지 알아보고자 하였다. 의사소통 특성으로는 수학적 기호나 용어가 익숙하지 못하고 대체 용어를 사용하고 생활 속의 경험을 학습에 잘 적용시키며, 소수 아동들이 수업을 주도하며, 소집단에서 이루어지는 대화의 방향이 과제 해결 중심으로 이루어지지 못하고 있다. 구체물은 말하기 활동을 촉진시키며, 오류를 쉽게 확인하게 하며 추측과 예상 활동을 수월하게 하고 소집단 활동이 활발히 이루어지게 한다. 반면에 구체물을 활용하면서 교사에게 집중하지 않고 이탈행동을 보임으로써 듣기 활동이 제대로 이루어지지 않고 있다. 학습에 주는 영향으로는 참여도를 높이고, 부진아 학습을 돕고, 개념 형성에 도움을 준다. 또한 과제 해결 능력에 따라 수준별 학습이 쉽게 이루어지도록 한다. 그러나 구체물에 따라 학습에 활용 정도가 다르게 나타났으며 아동들은 절차적 지식보다 개념적 지식을 더 중시하고 있었다. 따라서 구체물은 수학 수업에서 의사소통을 활발하게 이루어지게 도와주며 수학 학습에도 많은 영향을 미치게 되므로 저학년의 수학 수업에서는 구체물의 활용이 꼭 필요하다. 또한 교사는 이러한 아동들의 의사소통의 특성을 고려하여 의사소통 활동이 활발히 이루어질 수 있는 교수 학습 방법을 모색해야할 것이다.된다0.9 mg/ml의 수준에서 측정되었고, 제 11세대에서는 유즙내 인간 hIL-10의 발현 수준을 분석하였을 때, 그 농도는 평균 5.7± 1.5 mg/ml의 수준에서 측정되었고, 제 12세대에서는 유즙내 인간 hIL-10의 발현 수준을 분석하였을 때, 그 농도는 평균 6.3±3.5 mg/ml의 수준으로 측정되었고, 제 13세대에서는 유즙내 인간 hIL-10의 발현 수준을 분석하였을 때, 그 농도는 평균 6.8±4.5 mg/ml의 수준으로 측정되었고, 제 14세대에서는 유즙내 인간 hIL-10의 발현 수준을 분석하였을 때, 그 농도는 평균 6.8±3.1 mg/ml의 수준으로 측정되었다. 이러한 수준은 제 1 세대의 것보다 높은 결과로 형질전환 생쥐에서 인간 IL-10 유전자의 발현은 최소한 15 세대까지 지속적으로 유지된다는 것을 알 수 있었으며, 장기 세대까지도 발현수준이 유지될 것으로 판단된다. 이러한 연구결과는 계통으로 확립된 형질전환 동물에 부여된 새로운 유전형질은 지속적으로 후대로 유전될 수 있음을 제시한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권11호
• /
• pp.427-432
• /
• 2019

모바일 운영체제 중 안드로이드의 점유율이 높아지면서 모바일 악성코드 위협은 대부분 안드로이드에서 발생하고 있다. 그러나 정상앱이나 악성앱이 진화하면서 권한 등의 단일 특징점으로 악성여부를 연구하는 방법은 유효성 문제가 발생하여 다양한 특징점 추출 및 기계학습을 통해 이를 극복하고자 한다. 본 논문에서는 APK 파일에서 구동에 필요한 다섯 종류의 특징점들을 안드로가드라는 정적분석 툴을 사용하여 학습데이터의 특성을 추출한다. 또한 추출된 중요 특징점을 기반으로 모델링을 하는 세 가지 방법을 제시한다. 첫 번째 방법은 보안 전문가에 의해 엄선된 132가지의 특징점 조합을 바탕으로 모델링하는 것이다. 두 번째는 학습 데이터 7,000개의 앱에서 발생 빈도수가 높은 상위 99%인 8,004가지의 특징점들 중 랜덤포레스트 분류기를 이용하여 특성중요도가 가장 높은 300가지를 선정 후 모델링 하는 방법이다. 마지막 방법은 300가지의 특징점을 학습한 다수의 모델을 통합하여 하나의 가중치 투표 모델을 구성하는 방법이다. 추가적으로 오탐률 및 미탐률을 개선하기 위해 권한 정보를 모두 제외하여 특징점을 재구성하고 위와 같은 환경으로 모델링하였다. 최종적으로 가중치 투표 모델인 앙상블 알고리즘 모델을 사용하여 97.8%로 정확도가 개선되었고 오탐률은 1.9%로 성능이 개선된 것이 확인되었다.

• 한국산업정보학회논문지
• /
• 제24권3호
• /
• pp.23-29
• /
• 2019

기존의 균열 검출 방법은 많은 인력과 시간, 비용이 소모되는 문제점이 있다. 이러한 문제를 해결하고자 차량이나 드론을 이용하여 취득한 영상에서 균열 정보를 파악하고 정보화하는 자동검출시스템이 요구되고 있다. 본 논문에서는 드론으로 촬영한 도로 영상에서의 균열 검출 연구를 진행한다. 획득한 항공영상은 전처리와 라벨링(Labeling) 작업을 통해 균열의 형태정보 데이터셋(data set)을 생성한다. 생성한 데이터셋을 Mask R-CNN(regions with convolution neural network) 딥러닝(deep learning) 모델에 적용하여 다양한 균열 정보가 학습된 새로운 모델을 획득하였다. 획득 모델을 이용한 실험 결과, 제시된 항공 영상에서 균열을 평균 73.5%의 정확도로 검출하였으며 특정 형태의 균열 영역도 예측하는 것을 확인할 수 있었다.

• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.133-139
• /
• 2020

Big data, artificial intelligence (AI), and machine learning are keywords that represent the Fourth industrial Revolution. In addition, as the development of science and technology, the Korean government, public institutions and industries want professionals who can collect, analyze, utilize and predict data. This means that data analysis and utilization education become more important. Education on data analysis and utilization is increasing with trends in other academy. However, it is true that not many academy run long-term and systematic education. Korea Institute of Science and Technology Information (KISTI) is a data ecosystem hub and one of its performance missions has been providing data utilization and analysis education to meet the needs of industries, institutions and governments since 1966. In this study, KISTI's data education was analyzed using the number of curriculum trainees per year from 2001 to 2019. With this data, the change of interest in education in information and data field was analyzed by reflecting social and historical situations. And we identified the characteristics of KISTI and trainees. It means that the identity, characteristics, infrastructure, and resources of the institution have a greater impact on the trainees' interest of data-use education.In particular, KISTI, as a research institute, conducts research in various fields, including bio, weather, traffic, disaster and so on. And it has various research data in science and technology field. The purpose of this study can provide direction forthe establishment of new curriculum using data that can represent KISTI's strengths and identity. One of the conclusions of this paper would be KISTI's greatest advantages if it could be used in education to analyze and visualize many research data. Finally, through this study, it can expect that KISTI will be able to present a new direction for designing data curricula with quality education that can fulfill its role and responsibilities and highlight its strengths.

• 스마트미디어저널
• /
• 제10권1호
• /
• pp.116-123
• /
• 2021

온라인 패션 시장의 빠른 성장과 이로 인한 온라인 선택의 확대로 인해 소비자들은 더욱 개인화된 추천 서비스에 대해 요구가 커지고 있음에도 불구하고 판매자는 수많은 소비자를 개별적으로 직접 대응할 수 없다는 문제점이 있다. 소비자의 이러한 개인화 니즈를 충족시키는 방안으로 이미지에 대한 태깅이 이루어지고 있으나 사람이 태깅하는 경우 사람마다 태깅이 매우 주관적으로 이뤄지고 있고 인공지능 태깅은 단어가 매우 제한적으로 사용자의 니즈를 충족시켜주지 못하고 있다. 이러한 문제를 해결하기 위해 인공지능으로 이미지에 포함된 제품의 형태, 속성, 감성 정보를 인식하고 이러한 정보를 코드화하고 코드의 조합으로 그 이미지가 가지고 있는 모든 정보를 나타낼 수 있는 알고리즘을 설계하였다. 이 알고리즘을 통해서 지금까지 획득이 불가능했던 패션 이미지의 감성, 패션 이미지가 표현하는 TPO 정보 등 이미지가 가지고 있는 다양한 정보를 실시간으로 획득하는 것이 가능하게 되었다. 이러한 정보를 기반으로 소비자의 취향을 분석하는 단계에서 넘어가 소비자의 취향에 당시의 유행, TPO 정보까지 결합하는 초개인화된 의류 추천이 가능해진다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.251-266
• /
• 2022

Structural Health Monitoring (SHM) of critical infrastructure comprises a major pillar of maintenance management, shielding public safety and economic sustainability. Although SHM is usually associated with data-driven metrics and thresholds, expert judgement is essential, especially in cases where erroneous predictions can bear casualties or substantial economic loss. Considering that visual inspections are time consuming and potentially subjective, artificial-intelligence tools may be leveraged in order to minimize the inspection effort and provide objective outcomes. In this context, timely detection of sensor malfunctioning is crucial in preventing inaccurate assessment and false alarms. The present work introduces a sensor-fault detection and interpretation framework, based on the well-established support-vector machine scheme for anomaly detection, combined with a coalitional game-theory approach. The proposed framework is implemented in two datasets, provided along the 1st International Project Competition for Structural Health Monitoring (IPC-SHM 2020), comprising acceleration and cable-load measurements from two real cable-stayed bridges. The results demonstrate good predictive performance and highlight the potential for seamless adaption of the algorithm to intrinsically different data domains. For the first time, the term "decision trajectories", originating from the field of cognitive sciences, is introduced and applied in the context of SHM. This provides an intuitive and comprehensive illustration of the impact of individual features, along with an elaboration on feature dependencies that drive individual model predictions. Overall, the proposed framework provides an easy-to-train, application-agnostic and interpretable anomaly detector, which can be integrated into the preprocessing part of various SHM and condition-monitoring applications, offering a first screening of the sensor health prior to further analysis.