• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.1-12
• /
• 2022

안과 환자의 질병을 판단하기 위해서는 특수 촬영 장비를 통해 찍은 안구영상을 이용한 안과의사의 주관적 판단의 개입이 전통적으로 활용되고 있다. 본 연구에서는 안과 의료진이 질병을 판단할 때 보조적 도움이 될 수 있도록 객관적 진단결과를 제시해주는 각막궤양 의미론적 분할방법에 대하여 제안하였다. 이를 위해 DeepLab 모델을 활용하였고 그 중 Backbone network으로 Xception과 ResNet 네트워크를 이용하였다. 실험결과를 나타내기 위한 평가지표로 다이스 유사계수와 IoU 값을 이용하였고 ResNet101 네트워크를 사용하였을 때 'crop & resized' 이미지에 대해 최대 평균 정확도 93%의 다이스 유사계수 값을 보였다. 본 연구는 객체 검출을 위한 의미론적 분할모델 또한 안구의 각막궤양 부분과 같은 불규칙하고 특이한 모양을 추출하고 분류하는데 뛰어난 결과를 도출할 수 있는 성능을 보유하고 있음을 보여주었다. 향후 학습용 Dataset을 양적으로 보강하여 실험결과의 정확도를 제고할 수 있도록 하고 실제 의료진단 환경에서 구현되어 사용되어 질 수 있도록 할 계획이다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.309-328
• /
• 2022

본 연구는 자연어처리의 분석목적과 추론데이터 성격에 적합한 한국어 사전훈련 언어모델의 특성을 실증분석했다. 이를 위해 자연어생성이 가능한 대표적 사전훈련 언어모델인 BART와 GPT 모델을 실험에 사용했다. 구체적으로 한국어 텍스트를 BART와 GPT 모델에 학습한 사전훈련 언어모델을 사용해 문서요약 생성 성능을 비교했다. 다음으로 추론데이터의 특성에 따라 언어모델의 성능이 어떻게 달라지는지 확인하기 위해 6가지 정보전달성과 4가지 창작물 유형의 한국어 텍스트 문서에 적용했다. 그 결과, 모든 문서유형에서 인코더와 디코더가 모두 있는 BART의 구조가 디코더만 있는 GPT 모델보다 더 높은 성능을 보였다. 추론데이터의 특성이 사전훈련 언어모델의 성능에 미치는 영향을 살펴본 결과, KoGPT는 데이터의 길이에 성능이 비례한 것으로 나타났다. 그러나 길이가 가장 긴 문서에 대해서도 KoGPT보다 KoBART의 성능이 높아 다운스트림 태스크 목적에 맞는 사전훈련 모델의 구조가 자연어생성 성능에 가장 크게 영향을 미치는 요소인 것으로 나타났다. 추가적으로 본 연구에서는 정보전달성과 창작물로 문서의 특징을 구분한 것 외에 품사의 비중으로 문서의 특징을 파악해 사전훈련 언어모델의 성능을 비교했다. 그 결과, KoBART는 어미와 형용사/부사, 동사의 비중이 높을수록 성능이 떨어진 반면 명사의 비중이 클수록 성능이 좋았다. 반면 KoGPT는 KoBART에 비해 품사의 비중과 상관도가 낮았다. 이는 동일한 사전훈련 언어모델이라도 추론데이터의 특성에 따라 자연어생성 성능이 달라지기 때문에 다운스트림 태스크에 사전훈련 언어모델 적용 시 미세조정 외에 추론데이터의 특성에 대한 고려가 중요함을 의미한다. 향후 어순 등 분석을 통해 추론데이터의 특성을 파악하고, 이것이 한국어 생성에 미치는 영향을 분석한다면 한국어 특성에 적합한 언어모델이나 자연어생성 성능 지표 개발이 가능할 것이다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.329-346
• /
• 2022

최근 소셜 미디어의 숏폼(Short form) 동영상(인스타그램, 틱톡, 유튜브) 시장이 점차 증가하면서 인공지능 영역에서는 이를 활용한 연구가 활발히 진행되고 있다. 대표적인 연구분야로 동영상 내의 패션 상품을 탐지하고 상품 이미지를 검색하는 Video to shop 을 들 수 있다. 이와 같은 동영상 기반 인공지능 모델에서는 Convolution 연산을 사용하여 상품의 특징을 추출한다. 하지만 연산 자원의 제한으로 인해, 동영상의 모든 프레임을 사용하여 특징을 추출하는 것은 현실적으로 불가능하다. 이로 인해, 기존 연구에서는 전체 프레임 중 일부만 샘플링해서 사용하거나, 주제의 특성을 활용한 샘플링 방법을 개발하여 이를 통해 위 문제점을 개선하고, 모델의 성능도 향상시켰다. 기존의 Video to shop 연구에서는 프레임을 샘플링 할 때, 무작위로 일부분의 프레임을 샘플링하거나 균등한 간격으로 샘플링 한다. 하지만 이러한 샘플링 방법은 상품이 존재하지 않는 노이즈 프레임을 샘플링 하면서 패션 상품 검색 모델의 성능을 저하시킨다. 이에 본 연구는 노이즈 프레임을 제거하고 검색 모델의 성능을 향상시키는 샘플링 방법 MF(Missing Fashion items on frame) sampler를 제안한다. MF sampler는 키 프레임 메커니즘(Mechanism)을 발전시켜 자원 한계의 문제점을 개선했다. 또한, 노이즈 탐지 모델을 활용한 노이즈 프레임 제거를 통해 검색 모델의 성능을 향상시켰다. 이와 같은 결과는 실험을 통해 확인되었고, Video to shop 패션 상품 검색에 있어 성능 향상과 효과적인 학습이 가능하다는 것을 확인할 수 있었다.

• Human Ecology Research
• /
• 제60권3호
• /
• pp.331-344
• /
• 2022

The purpose of this study was to identify a support method for the introduction of metaverse-based classes (MBC) in home economics (HE) education. This was achieved by diagnosing the stages of concern and levels of use exhibited by HE teachers applying the concerns-based adoption model (CBAM). Questionnaires were sent to a convenience sample of middle- and high-school HE teachers using the KSDC (Korea Social Science Data Center). Overall, 271 responses were received, and the data were analyzed using KSDC E-STAT 3.0 and SPSS 28.0.1.1. The results were as follows: First, regarding the level of knowledge of MBC, the introductory level was the most common (139 respondents, 51.3%,), followed by the beginner level (81, 29.9%), the intermediate level (28, 10.3%,), the advanced level (12, 4.4%), and the master level (11, 4.1%). Average responses on a 5-point Likert scale to questions about the use of metaverse in HE classes were as follows: possibility (4.02), necessity (3.82), and usefulness (3.90). Second, HE teachers' stages of concern in MBC were as follows (in descending order): unconcerned - stage 0, and information - stage 1 (86.9), personal - stage 2 (85.6), management - stage 3 (80.9), collaboration - stage 5 (57.5), consequence - stage 4 (57.4), and refocusing - stage 6 (55.2). Third, the use of MBC was highest for orientation - level 1 (173 respondents, 63.8%), followed by non-use - level 0 (34, 12.5%), preparation - level 2 (29, 10.7%), mechanical - level 3 (15, 5.5%), refinement - level 5 (8, 3.0%), renewal - level 7 (8, 3.0%), routine - level 4 (3, 1.1%), and integration - level 6 (1, 0.4%). Many HE teachers had heard about MBC but were in the introductory level of not knowing what it is, and at the stage of being unconcerned or wanting to know about MBC. Of the 271 respondents, only 35 used metaverse in classes. Therefore, it is necessary to provide teacher training opportunities that provide basic information on the significance and implementation of MBC for HE teachers. Also, an MBC guideline book should be developed and distributed to HE teachers. Finally, a teacher community meeting is needed to share the expertise of teachers with substantial experience in using MBC.

• 재활치료과학
• /
• 제11권3호
• /
• pp.7-22
• /
• 2022

목적 : 본 연구는 연하장애를 가진 뇌졸중 환자에게 적용된 혀 운동을 체계적으로 분석한 논문이다. 혀 운동에 대한 전반적인 효과를 검증하고, 현재 이루어지고 있는 혀 운동에 대한 경향을 파악하는데 그 목적을 가지고 근거를 제공하고자 한다. 연구방법 : PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analysis) 체크리스트 및 흐름도를 이용하여 체계적 고찰을 시행하였다. 데이터베이스는 PubMed, MEDLINE, CINAHL, RISS, e-article 을 통해 문헌 검색을 진행하였다. 본 연구에 사용된 문헌의 수는 총 6편이었고, 문헌의 질을 평가하기 위하여 PEDro scale(Physiotherapy Evidence Database scale)을 사용하였다. 결과 : 분석된 논문 6편에서 3가지의 중재 방법이 포함되었다. 혀 운동의 종류로는 혀 근력훈련 3편, 혀 근력 및 정확도 훈련 2편으로 모두 아이오와 구강 수행 도구를 통한 중재를 시행하였고, 혀 신장훈련을 적용한 논문이 1편이었다. 조사된 문헌에서 시행한 중재 별 치료 효과는 모두 효과가 있는 것으로 확인되었다. 하지만 대부분 표본수가 적어 일반화 시키기는 어려울 것으로 생각되며, 실험군과 대조군 비교 시 몇몇 그룹 간에 유의한 차이가 발견되지 않은 결과들이 있는 만큼 전통적 연하재활치료도 구강기 연하장애를 가지고 있는 환자들에게 적절한 치료 방법으로 판단된다. 결론 : 본 연구는 작업치료사들이 연하장애를 가진 뇌졸중 환자들에게 혀 운동을 적용함에 있어 효율적인 연하재활치료를 제공하는데 도움을 줄 수 있을 것이며, 혀 운동의 효과를 알아보기 위해 더 많은 연구축적이 이루어져야 할 것으로 생각된다.

• 한국측량학회지
• /
• 제39권6호
• /
• pp.437-456
• /
• 2021

우리나라 원격탐사 분야에서는 2017년을 기점으로 딥러닝의 뛰어난 성능을 바탕으로 연구 성과를 나타내기 시작하여, 현재는 영상 전처리부터 활용까지 원격탐사의 거의 모든 분야에서 딥러닝을 적용하는 연구가 수행되고 있다. 원격탐사 분야에 적용된 딥러닝의 연구 동향 분석을 수행하기 위해, 2021년 10월까지 출판된 원격탐사 분야에 딥러닝이 적용된 국내 논문들을 수집하였다. 수집된 60여 편의 논문들을 바탕으로 딥러닝 네트워크 목적, 원격탐사 활용 분야, 원격탐사 영상 취득 탑재체별로 나누어 연구 동향 분석을 수행하였다. 또한, 논문에서 훈련자료 구축에 효과적으로 이용되었던 오픈소스데이터들을 정리하였다. 본 논문을 통해 현시점에서 딥러닝이 원격탐사 분야에 자리잡기 위해 해결해야 할 문제점들을 제시하면서, 향후 연구자들의 원격탐사 분야에 딥러닝 기술을 접목하기 위한 연구 방향을 설정하는 데 도움을 제공하고자 한다.

• 디지털융복합연구
• /
• 제20권5호
• /
• pp.1-10
• /
• 2022

본 연구는 교육에서의 ICT 활용의 중요성이 커짐에 따라 에듀테크 활용에 대한 교육현장과 산업체의 인식의 차이 및 특징을 분석하고, 요구사항을 도출함으로써 에듀테크 활성화를 위한 정책적 제언을 제시하고자 한다. 이에, 교사 201명과 100개 기업체를 대상으로 설문조사를 실시하여, 에듀테크 활용에 대한 필요도와 활용도를 알아보기 위한 IPA 분석과 Borich 요구도, 기초통계, t검증을 실시하였다. 그 결과, 에듀테크 활용의 필요도에 대해 높게 인식하고 있었으며, 에듀테크를 위한 지원이나 접근성이 부족한 것으로 인식하고 있었다. 이에, 제품 개발단계부터 활용, 사후관리에 이르기까지 현장 교사와 기업의 직접적인 교류, 에듀테크 도입을 위한 전문적 지원, 구매 프로세스 간소화 및 관련 규제 완화, 교사 특성에 따른 맞춤형 지원 및 연수 프로그램이 요구된다. 향후, 코로나-19 이후에 나타날 교육 변화를 고찰하여 알맞은 제품 개발과 활용 확산 전략이 수립되어야 할 것이다.

• 한국건설관리학회논문집
• /
• 제23권3호
• /
• pp.95-103
• /
• 2022

4차산업혁명은 건설뿐만 아니라 많은 산업의 발전에 큰 영향을 미치고 있으며, 인공지능 및 빅데이터와 같은 4차산업혁명과 관련된 다양한 기술이 주목받고 있다. 하지만 4차산업혁명 기술에 대한 우리나라 건설산업 구성원들의 중요도 및 준비도와 같은 인식에 대해서 알려진 바는 부족하다. 본 연구는 우리나라 건설산업 구성원들이 4차산업혁명 기술들에 대해 어떻게 인식하고 준비하고 있는지 설문을 통해 파악하였다. 또한, 산업계와 학계의 협력가능점수를 바탕으로 협력 가능성이 높은 기술은 어떤 것이 있는지 제시하였다. 설문 결과 전체적으로 4차산업혁명 기술의 중요도는 높게 평가되었지만, 준비도 및 대학교육이나 사업에서의 활용 정도는 낮게 평가되었다. 또한, 산학협력 가능성이 높은 4차산업혁명 기술은 빅데이터/인공지능, 3D 프린팅/3D 스캐닝 순서로 높게 나타났다. 이를 바탕으로 4차산업혁명 전문인력 양성 및 준비도 향상에 도움이 될 수 있으며, 나아가 4차산업혁명 기술들을 건설산업에 적용시켜 혁신을 이루는데 기여할 것이다.

• 한국초등과학교육학회지:초등과학교육
• /
• 제41권3호
• /
• pp.538-552
• /
• 2022

본 연구에서는 Algodoo 시뮬레이션을 활용한 예비교사의 탐구 활동을 분석하여 그 특징을 이해하고 이를 통해 초등 예비교사를 위한 광학교육에 대한 교육적 시사점을 얻고자 하였다. 연구에는 교육대학의 1학년 학생 79명이 참여하였다. 학생들의 활동은 표상재생산, 확인실험, 탐구실험으로 구분할 수 있었다. 표상재생산을 수행한 학생들은 잘 알려진 권위 있는 표상을 시뮬레이션으로 나타냈으며 주요 특징을 포착하여 표상하였다. 확인실험을 수행한 학생들은 이론적 배경 조사를 통해 이미 알고 있는 개념을 확인하기 위한 실험을 수행하였으며, 주로 단순 탐구를 수행하였다. 탐구실험을 수행한 학생들은 현재 자신이 알지 못하는 것들을 시뮬레이션을 사용해 탐구하였으며 일반물리 이상에서 다루는 광학 현상에 대한 탐구를 수행한 학생도 있었다. 이상의 결과를 바탕으로 본 연구에서는 Algodoo를 활용한 자유로운 탐구 활동에서 학습자는 다양한 수준의 탐구 활동을 수행한다는 것을 확인하였다. 또한, Algodoo를 활용한 다양한 수준의 탐구 활동 예를 제시하고 Algodoo를 활용한 탐구 활동의 장단점과 이를 개선할 방안을 논의하였다.

• 한국음향학회지
• /
• 제41권3호
• /
• pp.359-366
• /
• 2022

본 논문에서는 콘포머 기반 FastSpeech2를 이용한 한국어 메뉴 음성합성기를 제안한다. 콘포머는 본래 음성 인식 분야에서 제안된 것으로, 합성곱 신경망과 트랜스포머를 결합하여 광역과 지역 정보를 모두 잘 추출할 수 있도록 한 구조다. 이를 위해 순방향 신경망을 반으로 나누어 제일 처음과 마지막에 위치시켜 멀티 헤드 셀프 어텐션 모듈과 합성곱 신경망을 감싸는 마카론 구조를 구성했다. 본 연구에서는 한국어 음성인식에서 좋은 성능이 확인된 콘포머 구조를 한국어 음성합성에 도입하였다. 기존 음성합성 모델과의 비교를 위하여 트랜스포머 기반의 FastSpeech2와 콘포머 기반의 FastSpeech2를 학습하였다. 이때 데이터셋은 음소 분포를 고려한 자체 제작 데이터셋을 이용하였다. 특히 일반대화 뿐만 아니라, 음식 주문 문장 특화 코퍼스를 제작하고 이를 음성합성 훈련에 사용하였다. 이를 통해 외래어 발음에 대한 기존 음성합성 시스템의 문제점을 보완하였다. ParallelWave GAN을 이용하여 합성음을 생성하고 평가한 결과, 콘포머 기반의 FastSpeech2가 월등한 성능인 MOS 4.04을 달성했다. 본 연구를 통해 한국어 음성합성 모델에서, 동일한 구조를 트랜스포머에서 콘포머로 변경하였을 때 성능이 개선됨을 확인하였다.