• 한국응용과학기술학회지
• /
• 제35권1호
• /
• pp.299-305
• /
• 2018

지각이란 다양한 감각기관을 통하여 시각, 청각, 촉각, 후각 등 주위 환경에 대한 정보를 습득하는 과정으로 뇌에 전달된 정보를 통합하고 해석하는 것을 의미한다. 이러한 지각된 정보를 바탕으로 상황에 적합한 정보를 효율적으로 사용하는 능력을 지각기술(perceptual skill)이라 하며, 스포츠에서 지각기술은 경기력 향상을 위한 중요한 요소로 작용한다. 따라서 많은 연구자들은 지각기술을 극대화하기 위하여 다양한 방법의 지각기술훈련 프로그램을 개발하고, 그 효과를 검증하려는 시도들이 진행되고 있다. 본 연구에서 소개하고 있는 지각기술훈련은 시지각에 중점을 둔 훈련 방법으로 미국이나 유럽에서 스포츠 경기력 향상을 위해 적용하는 훈련프로그램이다. 축구 페널티킥 상황에서 골키퍼에게 키커의 중요 단서(키커의 엉덩이-몸통, 발의 각도)를 바탕으로 지각기술훈련을 실시한 결과, 볼의 방향 예측 능력이 향상되었고, 테니스에서도 서버의 중요 단서(자세, 공, 라켓)에 대한 지각기술훈련을 실시한 결과, 서브 방향에 대한 예측능력이 향상되었다. 최근 지각기술훈련에 대한 연구가 활발하게 진행되고 있지만 아직까지는 연구의 수가 많지 않으며, 대부분이 실험실 상황에서의 연구로 실제 경기 상황에서의 활용에 대한 연구가 부족한 실정이다. 따라서 연구자들은 스포츠 경기력 향상을 위하여 지각기술훈련의 필요성을 검토하고, 그 효과에 대한 연구 방향을 포괄적으로 검토해 보는 시도가 필요하다.

• 한국게임학회 논문지
• /
• 제8권4호
• /
• pp.65-73
• /
• 2008

본 논문에서는 발달장애 아동의 교육 및 치료에 있어서 감각, 인지훈련을 효과적으로 할 수 있는 에듀테인먼트 플랫폼을 제시한다. 이를 위해 임베디드 하드웨어를 개발하고 여기서 재생할 콘텐츠를 제작하기 위한 저작도구, 학습 결과를 확인할 수 있는 관리도구, 학습 상황을 실시간으로 모니터링하는 도구를 개발하였다. 발달장애 아동의 특성을 관찰 분석하여 개발한 하드웨어는 주의집중을 위한 감각훈련을 집중적으로 할 수 있도록 시각, 청각, 촉각 등의 자극을 제공한다. 이와 함께 개발한 소프트웨어는 특수교사 이외의 비전문가도 쉽게 교육용 콘텐츠를 만들고 학습 현장이외에서도 학습상황을 볼 수 있도록 하는 기능을 제공한다. 또한, 학습한 결과를 다음 학습단계로 적용할 수 있도록 이를 보관하고 살펴 볼 수 있는 기능도 제공한다. 이를 통해 시간, 장소의 제한 없이 효과적으로 반복 학습을 수행이 가능하다. 개발한 플랫폼을 직접 교육현장에 적용해봄으로써 주의집중과 학습 능력을 높이는데 효과가 있음을 알 수 있었다.

• Journal of Astronomy and Space Sciences
• /
• 제41권2호
• /
• pp.61-78
• /
• 2024

This study developed a real-time spacecraft pose estimation algorithm that combined a deep learning model and the least-squares method. Pose estimation in space is crucial for automatic rendezvous docking and inter-spacecraft communication. Owing to the difficulty in training deep learning models in space, we showed that actual experimental results could be predicted through software simulations on the ground. We integrated deep learning with nonlinear least squares (NLS) to predict the pose from a single spacecraft image in real time. We constructed a virtual environment capable of mass-producing synthetic images to train a deep learning model. This study proposed a method for training a deep learning model using pure synthetic images. Further, a visual-based real-time estimation system suitable for use in a flight testbed was constructed. Consequently, it was verified that the hardware experimental results could be predicted from software simulations with the same environment and relative distance. This study showed that a deep learning model trained using only synthetic images can be sufficiently applied to real images. Thus, this study proposed a real-time pose estimation software for automatic docking and demonstrated that the method constructed with only synthetic data was applicable in space.

• 전자공학회논문지SC
• /
• 제45권6호
• /
• pp.117-122
• /
• 2008

맥진은 한의 진단에 있어 중요한 요소이나 맥진 교육에 있어서 수련자와 교육자 간에 언어적 표현 외에는 적절한 교육 정보 소통의 도구가 없어 정량적이며 과학적 교육이 어려운 실정이다. 이에 본 논문에서는 맥진 시 한의사가 세 손가락을 통해 맥진 부위에 가하는 가압력 프로파일을 정량적으로 측정할 수 있는 하드웨어와 이를 기반으로 맥진 동작을 트레이닝할 수 있는 프로그램을 개발하였다. 가압력 프로파일 측정 하드웨어는 인조 팔 속 맥진 위치에 놓인 3개의 로드셀과 맥진 가압력 신호를 증폭하는 증폭부 및 상용 A/D 변환 모듈인 NI-USB 6009로 구성하였으며, 3채널 가압력 신호는 200Hz로 샘플링하였다. 하드웨어 출력 신호를 질량 값으로 교정할 수 있도록 $50{\sim}500g$ 범위의 8개 추를 인조 팔에 올려놓았을 때의 질량 대비 출력전압 테이블을 작성하였다 또한, 이 시스템을 통해 한방 전문의 3명의 맥진 가압 프로파일을 각 3회씩 측정해 보았으며, 이를 통해 한의사의 맥진은 크게 3개의 구간으로 나눌 수 있고 최대 가압력이 약 $500g{\cdot}f$인 것 등을 알 수 있게 되었다. 맥진 가압트레이닝 프로그램은 LabView를 통해 구현하였으며, 수련자가 미리 저장된 목표 맥진 가압 프로파일과 유사하도록 인조 팔을 맥진할 때의 가압 프로파일이 목표 가압 프로파일과 유사한 정도를 평가하여 일정 범위를 벗어나면 경고하고, 실습이 끝나면 목표 프로파일과 유사도 점수를 화면에 표시하도록 하였다. 더 나아가 유사도 점수의 추이를 통해 숙련 추이를 관찰 할 수 있도록 하였다. 이 시스템을 맥진 교육에 활용한다면 보다 정량적이며 과학적인 교육이 가능해질 뿐만 아니라 교육의 효율도 크게 향상될 것으로 기대된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.383-385
• /
• 2021

2018년에 발행된 반려동물 관련 산업 규모 추정 및 전망에 관한 논문에 따르면 2015년 기준 우리나라 반려동물 보유 가구중 26.9%가 30대 1인 가구이며, 부부로만 구성된 1세대 가구인 것이 확인되었다. 1인가구와 맞벌이 부부가 사회적으로 증가한 것과 관련하여, 반려동물이 원하지 않는 방치 시간의 급증과 훈련시간 부족이 문제가 된다고 판단된다. 본 논문은 레고마인드스톰을 이용한 반려동물의 훈련 및 관리를 위한 하드웨어 및 소프트웨어 제품 개발을 진행하였다. 레고마인드 스톰은 다양한 센서를 구비하였고, 쉬운 조립 및 비주얼 스크립팅을 통한 간단한 프로그래밍으로 반려동물을 훈련하거나 케어하는 장비를 제작 할 수 있다. 또한 자체 모듈화가 잘 되어있어, 새로운 장비로 전환 또한 쉬울 것으로 예상한다. 이 연구를 통해 반려동물시장 확대가 활발해지는 때 반려동물의 훈련과 관리에 도움이 되길 기대한다.

• 디자인학연구
• /
• 제19권3호
• /
• pp.93-104
• /
• 2006

When the design profession started, design targets were mainly static hardware centered products. Due to the development of network and digital technologies, new products with dynamic and software-hardware hybrid interactive characteristics have become one of the main design targets. To accomplish the new projects, designers are required to learn new methods, tools and theories in addition to the traditional design expertise of visual language. One of the most important tools for the change is effective and rapid prototyping. There have been few researches on educational framework for interactive product or system prototyping to date. This paper presents a new model of educational contents and methods for interactive digital product prototyping, and it's application in a design curricula. The new course contents, integrated with related topics such as physical computing and tangible user interface, include microprocessor programming, digital analogue input and output, multimedia authoring and programming language, sensors, communication with other external devices, computer vision, and movement control using motors. The final project of the course was accomplished by integrating all the exercises. Our educational experience showed that design students with little engineering background could learn various interactive digital technologies and its' implementation method in one semester course. At the end of the course, most of the students were able to construct prototypes that illustrate interactive digital product concepts. It was found that training for logical and analytical thinking is necessary in design education. The paper highlights the emerging contents in design education to cope with the new design paradigm. It also suggests an alterative to reflect the new requirements focused on interactive product or system design projects. The tools and methods suggested can also be beneficial to students, educators, and designers working in digital industries.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.203-213
• /
• 2009

의료 분야는 가상현실 (VR, Virtual Reality)의 주요한 응용 분야 중의 하나이다. 가상현실을 의료 분야에 응용하는 연구는 학제간 연구의 대표적인 사례로 간주되며, 컴퓨터 과학자나 공학자, 내과 및 외과의사, 의학 교육자나 학생, 군사 의료 전문가들이나 의생명과학 전문가들이 참여하고 있다. 사용자들이 인지하는 물입감의 경험을 기준으로 하여 사람과 컴퓨터의 상호 작용(HCI, Human Computer Interaction)을 향상시키기 위해서는, 햅틱(Haptic), 음성, 냄새 등 비전통적 상호 작용 방법이 탐구되어야 한다. 특히, 햅틱 피드백은 전통적 상호작용 방식인 시각 정보와 서로 긴밀하게 관계가 맺어진다. 시각 정보와 햅틱 피드백을 결합하게 되면, 사용자들은 몰입감을 좀더 강하게 느끼게 된다. 전세계적으로 햅틱 피드백은 오랫동안 연구되어 왔고, 햅틱 기반의 시스템도 많이 개발이 되었다. 본 논문에서는 해틱 피드백이 의료 분야에 적용된 사례들에 집중하였다. 즉, 햅틱 피드백과 이들이 의료 분야에 응용된 사례들을 정리하여 발표하였다.

• Journal of Biosystems Engineering
• /
• 제17권1호
• /
• pp.65-78
• /
• 1992

When using a computer vision system for a measurement, the geometrically distorted input image usually restricts the site and size of the measuring window. A geometrically distorted image caused by the image sensing and processing hardware degrades the accuracy of the visual measurement and prohibits the arbitrary selection of the measuring scope. Therefore, an image calibration is inevitable to improve the measuring accuracy. A calibration process is usually done via four steps such as measurement, modeling, parameter estimation, and compensation. In this paper, the efficient error calibration technique of a geometrically distorted input image was developed using a neural network. After calibrating a unit pixel, the distorted image was compensated by training CMLAN(Cerebellar Model Linear Associator Network) without modeling the behavior of any system element. The input/output training pairs for the network was obtained by processing the image of the devised sampled pattern. The generalization property of the network successfully compensates the distortion errors of the untrained arbitrary pixel points on the image space. The error convergence of the trained network with respect to the network control parameters were also presented. The compensated image through the network was then post processed using a simple DDA(Digital Differential Analyzer) to avoid the pixel disconnectivity. The compensation effect was verified using known sized geometric primitives. A way to extract directly a real scaled geometric quantity of the object from the 8-directional chain coding was also devised and coded. Since the developed calibration algorithm does not require any knowledge of modeling system elements and estimating parameters, it can be applied simply to any image processing system. Furthermore, it efficiently enhances the measurement accuracy and allows the arbitrary sizing and locating of the measuring window. The applied and developed algorithms were coded as a menu driven way using MS-C language Ver. 6.0, PC VISION PLUS library functions, and VGA graphic functions.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.