• 스마트미디어저널
• /
• 제5권2호
• /
• pp.15-23
• /
• 2016

본 논문에서는 신체 부분 포즈를 이용한 깊이 영상 포즈렛과 제스처를 인식하는 방법을 제안한다. 제스처는 순차적인 포즈로 구성되어 있기 때문에, 제스처를 인식하기 위해서는 시계열 포즈를 획득하는 것에 중점을 두고 있어야 한다. 하지만 인간의 포즈는 자유도가 높고 왜곡이 많기 때문에 포즈를 정확히 인식하는 것은 쉽지 않은 일이다. 그래서 본 논문에서는 신체의 전신 포즈를 사용하지 않고 포즈 특징을 정확히 얻기 위해 부분 포즈를 사용하였다. 본 논문에서는 16개의 제스처를 정의하였으며, 학습 영상으로 사용하는 깊이 영상 포즈렛은 정의된 제스처를 바탕으로 생성하였다. 본 논문에서 제안하는 깊이 영상 포즈렛은 신체 부분의 깊이 영상과 해당 깊이 영상의 주요 3차원 좌표로 구성하였다. 학습과정에서는 제스처를 학습하기 위하여 깊이 카메라를 이용하여 정의된 제스처를 입력받은 후, 3차원 관절 좌표를 획득하여 깊이 영상 포즈렛이 생성되었다. 그리고 깊이 영상 포즈렛을 이용하여 부분 제스처 HMM을 구성하였다. 실험과정에서는 실험을 위해 깊이 카메라를 이용하여 실험 영상을 입력받은 후, 전경을 추출하고 학습된 제스처에 해당하는 깊이 영상 포즈렛을 비교하여 입력 영상의 신체 부분을 추출한다. 그리고 HMM을 적용하여 얻은 결과를 이용하여 제스처 인식에 필요한 부분 제스처를 확인한다. 부분 제스처를 이용한 HMM을 이용하여 효과적으로 제스처를 인식할 수 있으며, 관절 벡터를 이용한 인식률은 약 89%를 확인할 수 있었다.

• 문화기술의 융합
• /
• 제5권4호
• /
• pp.387-394
• /
• 2019

본 연구에서는 도시철도 침목플로팅궤도(STEDEF) 궤도구성품의 손상영향을 분석하기 위하여 20년 이상 공용중인 현장에서 시료를 채취하여 궤도재료에 대한 육안검사와 실내시험 및 유한요소해석을 통해 궤도구성품의 손상취약부를 분석하였다. 육안검사결과 레일패드와 체결구는 특이사항이 없었으나 침목방진상자는 모서리부분의 마모 및 찢어지는 현상이 발생하였다. 침목방진패드는 두께감소 및 피로경화층이 뚜렷하게 조사되었다. 레일패드와 침목방진패드에 대한 스프링강성 시험결과, 레일패드의 노후는 뚜렷하지 않았으나 침목방진패드는 설계기준치를 크게 상회하는 것으로 나타나 침목방진패드는 통과톤수에 직접적인 영향을 받는 것으로 분석되었다. 현장시료의 열화상태와 수치해석 결과와의 비교결과, 수치해석모델의 응력 및 변위 집중위치와 현장시료의 손상위치가 일치하는 것으로 나타나 공용중인 침목플로팅궤도 궤도구성품의 손상취약부를 실험 및 해석적으로 입증하였다.

• 해양환경안전학회지
• /
• 제23권6호
• /
• pp.628-638
• /
• 2017

최근 국내 일부 항해사들은 해운산업의 어려운 취업환경을 극복하고, 직업선택의 저변을 확대하기 위하여 승선경력을 기반으로 국내외 교육기관에서 DP운항사 교육을 이수하여 직종을 전환하고자 노력하고 있다. 그러나 아직까지 국내에서는 해양플랜트 서비스 산업이 활성화 되어있지 않기 때문에 동 분야로 진출하고자 하는 항해사들은 어렵게 자격취득을 위한 실습을 마치고 대부분 해외선사로 진출하고 있다. 그럼에도 불구하고 DP운항사로 취업을 희망하는 항해사들은 경력을 중시하는 해외 해양플랜트 기업의 보수적인 채용 절차, 비영어권 출신자의 언어사용의 한계, 다문화 승선생활의 어려움, 필수 직무요건에 대한 체계적인 정보 부족 등의 이유로 구직 단계에서 부터 어려움을 겪고 있다. 따라서 이 연구는 DP운항사가 갖추어야 할 직무능력 및 자격 요건을 분석하여 국가에서 요구하는 최소한의 능력 수준을 제시하고 있는 NCS 표준 개발을 위한 기초자료를 제공하고, DP운항사 전문인력양성을 활성화하기 위한 방안을 제시하는 데 목적을 두고 있다. 본 연구의 결과로서, DP운항사의 직무 분류, 직무능력표준 및 경력개발경로를 제시하였고, DP운항사 양성 활성화 방안으로서 DP 실습선박의 공동 활용, DP 전문 교원 양성 및 정부주도 NCS 수출모델을 제안하였다.

• 한국시뮬레이션학회논문지
• /
• 제28권2호
• /
• pp.1-14
• /
• 2019

고에너지 구성 요소 시스템의 설계를 위하여 고폭화약의 폭발 반응을 엄밀하게 모사할 수 있는 실제 규모의 하이드로다이나믹 해석을 수행하였다. 폭발성능 정밀 해석 SW는 고에너지 물질의 충격 민감도를 정량화하기 위한 반응 유동 모델을 검증하고 일련의 화약 트레인을 통과하는 충격파 전달을 예측하기 위해 개발되었다. 파이로테크닉 장치는 여폭약(HNS+HMX), 격벽(STS), 수폭약(RDX), 파이로테크닉 추진제(BPN)로 구성된다. 추진제 연소로 인하여 생성된 고압의 연소 가스는 충격파와 저밀도파 간 간섭에 의해 유도된 고유의 진동 유동 특성을 파악하기 위하여 10 cc 밀폐형 챔버에 유입된다. 특정 주파수(${\omega}_c=8.3kHz$)에서의 피크 특성을 검증하기 위하여 실험 및 계산으로 측정된 압력 진동을 비교하였다. 본 연구에서는 고폭화약의 폭발반응과 추진제의 폭연반응, 비-반응 금속의 변형에 관하여 단계별 수치해석 기법들을 충격 물리 해석 SW로 구현함으로써 고에너지 물질 시스템에 대한 대규모 하이드로다이나믹 시뮬레이션을 용이하게 하였다. 개발된 고폭화약 폭발성능 정밀 해석 SW를 고에너지 구성 요소 시스템의 파이로테크닉 연소 반응 M&S에 적용하여 실험 결과와 비교함으로써 검증하였다.

• 한국전산구조공학회논문집
• /
• 제35권2호
• /
• pp.131-140
• /
• 2022

레일장대화는 무도상교량의 소음, 진동, 충격 등의 문제점을 해결할 수 있는 경제적인 방안 중 하나이며, 최근 연동식 침목고정장치를 이용한 SSF 공법이 개발된 바 있다. 이 연구에서는 연동식 침목고정장치 적용 시 레일 높이 조정 및 열차 통과 시의 충격 흡수를 목적으로 교량침목 하부에 삽입되는 침목패드의 최적 연직강성을 결정하는 과정을 제시하였다. 침목패드의 최적 연직강성 결정을 위하여 관련 기존 기준을 검토하였으며, 유연다물체동적해석을 통하여 침목패드의 연직강성 변화에 따른 주행안전성, 승차감 및 궤도의 안전성에 대한 지표들과 교량 응답 변화를 검토하였다. 유연다물체동적해석은 상용프로그램인 ABAQUS와 VI-Rail을 이용하여 수행하였다. 수치해석은 30m 상로판형교에 대한 교량모델을 이용하여 수행하였으며, 침목패드의 연직강성이 7.5kN/mm ~ 240kN/mm로 변화할 때 ITX 새마을, KTX 및 화차 통과 시의 응답을 산정하였다. 수치해석에 적용된 궤도구성품 조건에서 침목패드의 최적 강성은 100kN/mm로 산정되었다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제26권2호
• /
• pp.28-36
• /
• 2022

매립지 위에 건설되는 항만시설물은 바람(태풍), 파랑, 선박과의 충돌 등 극한 외부 하중에 노출되기 때문에 구조물의 안전성 및 사용성을 주기적으로 평가하는 것이 중요하다. 본 논문에서는 항만 계류시설에 설치된 방충설비의 유지관리를 위하여 비전 및 딥러닝 기반의 방충설비 세분화(segmentation) 시스템을 개발하였다. 방충설비 세분화를 위하여 인코더-디코더 형식과 인간 시각체계의 편심 기능에서 영감을 얻은 수용 영역 블록(Receptive field block) 기반의 합성곱 모듈을 DenseNet 형식으로 개선하는 딥러닝 네트워크를 제안하였다. 네트워크 훈련을 위해 BP형, V형, 원통형, 타이어형 등 다양한 형태의 방충설비 영상을 수집하였으며, 탄성 변형, 좌우 반전, 색상 변환 및 기하학적 변환을 통해 영상을 증강시킨 다음 제안한 딥러닝 네트워크를 학습하였다. 기존의 세분화 모델인 VGG16-Unet과 비교하여 제안한 모델의 세분화 성능을 검증하였으며, 그 결과 본 시스템이 IoU 84%, 조화평균 90% 이상으로 정밀하게 실시간으로 세분화할 수 있음을 확인하였다. 제안한 방충설비 세분화 시스템의 현장적용 가능성을 검증하기 위하여 국내 항만 시설물에서 촬영된 영상을 기반으로 학습을 수행하였으며, 그 결과 기존 세분화 모델과 비교하였을 때 우수한 성능을 보이며 정밀하게 방충설비를 감지하는 것을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.991-1005
• /
• 2022

위성 영상은 핵 활동 탐지와 검증을 위한 효율적인 보조자료로 핵시설과 같이 접근이 어렵고 정보가 제한된 지역에 매우 유용하다. 특히 장비의 이동 또는 시설물의 변화와 같이 핵실험을 준비하는 과정은 시계열 분석을 통해 충분히 식별 가능하다. 본 연구에서는 핵 활동과 관련된 주요 객체의 변화를 탐지하기 위하여, 다시기 영상의 의미론적 분할 결과의 차이를 이용하였다. AIHub에서 제공하는 KOMPSAT 3/3A 영상으로 구성된 객체 판독 데이터셋에서 건물, 도로, 소형 객체의 정보를 추출하여 학습하였으며, U-Net, PSPNet, Attention U-Net에 대하여 주요 파라미터를 변경하며 대상 객체 추출에 적합한 의미론적 분할 모델을 분석하였다. 의미론적 분할 결과의 차영상으로 생성된 결과에 객체 정보를 포함하여 최종 변화 탐지를 수행하였으며, 제안 기법을 임의의 변화를 포함한 시뮬레이션 영상에 적용한 결과, 변화 객체를 효과적으로 추출할 수 있었다. 본 연구에서 제시된 변화 탐지 기법을 적용하기 위해서는, 의미론적 분할의 정확도가 우선적으로 확보되어야 하는 제약이 있으나, 추후 실험 대상 지역에 대한 학습데이터셋이 증가할 수록 적용 가능한 분석 범위가 증가할 것으로 기대된다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제28권3호
• /
• pp.55-65
• /
• 2022

X-ray 두개골 영상에서 주요 해부학적 부위들 간의 거리를 계측하는 것은 진단과 치료 등 임상적 의미에서 매우 중요하다. 최근에는 딥러닝 기술의 발전을 바탕으로 랜드마크를 식별 및 검출하는 자동화 시스템들이 제시되고 있다. 이러한 딥러닝 기반 모델을 과적합 없이 학습 시키기 위해서는 대량의 영상과 라벨링 데이터가 필요하다. 기존에는 숙련된 판독의가 환자의 영상에서 랜드마크를 수동으로 식별하여 라벨링하는 방식으로 계측이 이루어져 왔다. 그러나 이러한 계측 방식은 많은 비용이 소요될 뿐만 아니라, 재현성이 떨어지기 때문에 자동화된 라벨링 방법에 대한 필요성이 제기되고 있다. 또한, X-ray 영상에는 광자가 통과하는 경로 상의 여러 인체조직들이 표시되기 때문에 랜드마크 식별이 일반 자연 이미지 또는 삼차원 모달리티 영상에 비해 어렵다. 본 연구에서는 X-ray 영상 내에 대량의 라벨링 데이터 생성을 가능하게 하는 기하학적 데이터 증강 기법을 제안하고 있다. 또한, 두개골 내 주요한 16개 랜드마크들의 검출 성능을 향상시키기 위해 다양한 어텐션 기법들의 구현 및 적용을 통해 랜드마크 검출을 위한 최적의 어텐션 메커니즘을 제시하였다. 마지막으로 주요 두개골 랜드마크들 중 안정적인 검출이 보장되는 마커들을 도출하였으며, 이러한 마커들은 임상적인 활용 가능성이 높을 것으로 기대된다.

• Smart Structures and Systems
• /
• 제29권4호
• /
• pp.625-640
• /
• 2022

Maglev rail joints are vital components serving as connections between the adjacent F-type rail sections in maglev guideway. Damage to maglev rail joints such as bolt looseness may result in rough suspension gap fluctuation, failure of suspension control, and even sudden clash between the electromagnets and F-type rail. The condition monitoring of maglev rail joints is therefore highly desirable to maintain safe operation of maglev. In this connection, an online damage detection approach based on three-dimensional (3D) convolutional neural network (CNN) and time-frequency characterization is developed for simultaneous detection of multiple damage of maglev rail joints in this paper. The training and testing data used for condition evaluation of maglev rail joints consist of two months of acceleration recordings, which were acquired in-situ from different rail joints by an integrated online monitoring system during a maglev train running on a test line. Short-time Fourier transform (STFT) method is applied to transform the raw monitoring data into time-frequency spectrograms (TFS). Three CNN architectures, i.e., small-sized CNN (S-CNN), middle-sized CNN (M-CNN), and large-sized CNN (L-CNN), are configured for trial calculation and the M-CNN model with excellent prediction accuracy and high computational efficiency is finally optioned for multiple damage detection of maglev rail joints. Results show that the rail joints in three different conditions (bolt-looseness-caused rail step, misalignment-caused lateral dislocation, and normal condition) are successfully identified by the proposed approach, even when using data collected from rail joints from which no data were used in the CNN training. The capability of the proposed method is further examined by using the data collected after the loosed bolts have been replaced. In addition, by comparison with the results of CNN using frequency spectrum and traditional neural network using TFS, the proposed TFS-CNN framework is proven more accurate and robust for multiple damage detection of maglev rail joints.

• 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.