• 식물병연구
• /
• 제24권4호
• /
• pp.342-347
• /
• 2018

Clavibacter michiganensis는 토마토에 궤양병을 일으키는 식물병원성 세균으로 인공배지에서 자라는 속도가 매우 느리기 때문에 감염조직으로부터 병원균을 분리 배양하는 방법을 통해서는 진단하기가 쉽지 않다. 또한 토마토 궤양병균은 식물체 내에서 오랜 잠복기를 거친 후에 병징을 나타내기 때문에 방제하기 어려운 세균병 중에 하나이므로 발병 시 신속한 진단을 통해 빠른 방제가 이루어져야 한다. 본 연구에서는 토마토 궤양병균의 검출을 위한 특이 프라이머를 제작함으로써 감염 식물체의 direct PCR을 통해 토마토 궤양병에 대한 빠르고 정확한 진단이 가능하도록 하였다. 새로 개발된 CmmF와 CmmR 프라이머 세트로 PCR을 수행했을 때, 토마토 궤양병균의 16-23S ribosomal RNA intergenic spacer 영역에서 약 165 bp의 단일 밴드가 특이적으로 증폭되었다. 반면에 토마토 궤양병균과 유연관계에 있는 고추 궤양병균이나 다른 Clavibacter 종 세균에서는 전혀 증폭되지 않는 것을 확인할 수 있었다. 이 방법은 감염 식물체로부터 DNA를 추출하지 않더라도 감염조직의 즙액에서 바로 토마토 궤양병균의 DNA 증폭이 가능하고 총 진단시간을 줄일 수 있다는 이점이 있기 때문에 토마토 궤양병의 진단에 유용하게 사용될 수 있을 것으로 판단된다.

• 지구물리와물리탐사
• /
• 제21권4호
• /
• pp.231-243
• /
• 2018

흐름 전위는 지하 공극 내 유체의 흐름에 의해 발생하는 자연 전위로 이러한 흐름 전위를 이용한 자연 전위 탐사는 유체 흐름 뿐만 아니라 지층 유체에 대한 정보도 파악할 수 있는 탐사법이다. 지하 매질과 유체 사이에 존재하는 전기 이중층과 같이 입자가 대전하고 있을 때 여러 원인에 의해 유체가 유동하여 발생하는 계면 동전기 현상 중 하나인 흐름 전위는, 발생 기작이 복잡하고 측정 전위 값이 비교적 작아 잡음에 취약하다는 어려움도 있지만 이를 이용한 자연전위 탐사는 인공적인 송신원이 없어 탐사가 용이할 뿐만 아니라 반복성도 좋기 때문에 지층 유체 모니터링 탐사에 적용이 확대되고 있다. 이 논문에서는 지금까지 흐름 전위의 발생 기작에 대한 연구와 지배 방정식들을 정리하여 설명한 뒤, 매질의 물리적 특성 변화에 따른 흐름 전위 반응 특성 및 다양한 국내외 유체 흐름 자연 전위 탐사의 사례 분석을 수행하였다. 이 기술보고에서는 흐름 전위에 대한 이해도를 높임과 동시에 적용 가능한 다양한 분야를 소개함으로써, 국내에서의 흐름 전위를 이용한 자연전위 탐사의 현장 적용 방안을 제시하고자 한다.

• 방송공학회논문지
• /
• 제24권1호
• /
• pp.77-86
• /
• 2019

본 논문은 머신 러닝 기술을 이용하여 과거의 수집된 문서를 분석하고 이를 바탕으로 문서를 분류하는 방법을 제안한다. 특정 도메인과 관련된 키워드를 기반으로 데이터를 수집하고, 특수문자와 같은 불용어를 제거한다. 그리고 한글 형태소 분석기를 사용하여 수집한 문서의 각 단어에 명사, 동사, 형용사와 같은 품사를 태깅한다. 문서를 벡터로 변환하는 Doc2Vec 모델을 이용해 문서를 임베딩한다. 임베딩 모델을 통하여 문서 간 유사도를 측정하고 머신 러닝 기술을 이용하여 문서 분류기를 학습한다. 학습한 분류 모델 간 성능을 비교하였다. 실험 결과, 서포트 벡터 머신의 성능이 가장 우수했으며 F1 점수는 0.83이 도출되었다.

• 방송공학회논문지
• /
• 제24권1호
• /
• pp.58-66
• /
• 2019

대화 문장 내 고유명사와 같은 개체명에 대한 인식 연구는 효율적 대화 정보 예측을 위한 가장 기본적이며 중요한 연구 분야이다. 목적 지향 대화 시스템에서 가장 주요한 부분은 대화 내 객체가 어떤 속성을 가지고 있느냐 하는 것을 인지하는 것이다. 개체명 인식모델은 대화 문장에 대하여 전처리, 단어 임베딩, 예측 단계를 통해 개체명 인식을 진행한다. 본 연구는 효율적인 대화 정보 예측을 위해 전처리 단계에서 사용자 정의 사전을 이용하고 단어 임베딩 단계에서 최적의 파라미터를 발견하는 것을 목표로 한다. 그리고 설계한 개체명 인식 모델을 실험하기 위해 생활 화학제품 분야를 선택하고 관련 도메인 내 목적 지향 대화 시스템에서 적용 할 수 있는 개체명 인식 모델을 구축하였다.

• 디지털융복합연구
• /
• 제17권1호
• /
• pp.313-317
• /
• 2019

설치미술은 특정한 이념이나 형식을 고수하지 않으며 다양한 매체를 융 복합적으로 활용하여 설치(installation)하는 작품을 적극적으로 시도한다. 그럼으로써, 결과적으로 일상적인 장소에 대한 새로운 인지를 자극한다. 설치미술은 공간에 설치되는 것인 만큼 설치되는 장소에 따른 공공미술적인 성격도 갖게 된다. 따라서 설치미술은 그 시작부터 대중과의 소통, 사회적 이슈에 대한 행동을 잠재하고 있다. 이러한 설치미술은 가운데는 지속적으로 공간을 점유하지 않는 일시적인 설치미술도 존재한다. 일시적인 설치미술은 영구성에서 벗어남으로써 창작과 소통에 가벼움을 갖는다. 이는 곧 열린 공간에서의 인간과 세계의 소통을 위한 새로운 융 복합적 예술로서 시도할 수 있는 예술 양식으로 고려하고 제언할 수 있다.

• 한국인터넷방송통신학회논문지
• /
• 제21권1호
• /
• pp.195-200
• /
• 2021

교통 수단과 모바일의 발전으로 관광 여행 수요가 증가하고 관련 산업 또한 크게 발전하고 있다. 디지털 미디어 기술 중 한 분야인 증강현실과 관광 콘텐츠의 접목 또한 활발하게 연구 중이며 인공지능은 이미 관광 산업과 다양한 방향으로 접목되어 관광객의 여행 경험을 풍부하게 만들어준다. 본 논문에서는 관광지역을 축소해 제작한 미니어처 모형을 스캔하면, 사전에 딥러닝을 이용해 학습된 모델을 기반으로 해당 관광지를 찾은 뒤 관련 정보와 3D 모델을 AR 서비스로 제공하는 시스템을 제안한다. 다양한 딥러닝 신경망 중 하나인 YOLOv3 신경망을 사용해 모델 학습과 객체 검출을 진행하므로, 빠른 속도로 물체 검출이 이루어져 실시간으로 서비스를 제공할 수 있다.

• 방송공학회논문지
• /
• 제27권3호
• /
• pp.351-360
• /
• 2022

영상 흐려짐은 피사체의 움직임, 카메라의 흔들림 등의 요인으로 발생하는 현상이다. 최근 합성곱 심층신경망(Convolution Neural Network, CNN)을 활용하여 흐려짐 현상을 복원하는 연구가 활발하게 진행되었으며, 원본과 정답 영상의 차이를 이용하여 복원 과정을 가이드하는 방법이 뛰어난 성능을 보였다. 본 논문에서는 왜곡 정보를 기반으로 흐려진 영상 복원 성능을 개선하는 방법을 제안한다. 이를 위해 학습 시, 원본과 정답 영상 차이에 대한 이진화를 수행하여 복원 과정을 가이드 할 수 있도록 하는 트랜스포머(Transformer) 기반 신경망 모듈을 설계하였다. 제안하는 방법은 학습 과정에서 잠재 특징을 기반으로 전역적 추론을 통해 예측한 왜곡 위치 정보 분포를 흐려짐 복원 과정에 반영한다. 다양한 영상 흐려짐 복원 신경망에 제안하는 모듈을 적용하여 복원 성능을 효과적으로 향상시킬 수 있음을 확인하였다.

• 한국정보통신학회논문지
• /
• 제26권6호
• /
• pp.827-833
• /
• 2022

본 연구는 교통정보를 수집하기 위한 검지기 와 돌발 상황 검지에 사용되는 다양한 알고리즘들의 분석을 통해 기존 교통정보 수집체계의 한계를 극복하여 심각도가 높은 2차 교통사고를 예방하고자 한다. 즉 본 연구는 2차 교통사고를 유발하는 돌발 상황과 기존 교통정보 수집체계를 분석하고 그에 알맞은 2차 교통사고의 선제적 예방이 가능한 솔루션 및 도로 전 구간에 대한 정확한 정보수집이 가능한 지능화된 새로운 교통정보 수집 및 전달체계를 제시한다. 실험결과 데이터 전송 신뢰도는 95% 기준 97%를, 데이터 전송 속도는 1000ms 기준 평균 209ms, 네트워크 장애복구 시간은 120sec 기준 50sec의 목표치를 달성하였다.

• 방송공학회논문지
• /
• 제27권3호
• /
• pp.332-340
• /
• 2022

최근 딥러닝을 적용하는 비디오 압축에 대한 연구가 활발히 진행되고 있다. 특히, 화면내 예측 부호화의 성능 한계를 극복할 수 있는 방안으로 딥러닝 기반의 화면내 예측 부호화 기술이 연구되고 있다. 본 논문은 신경망 기반 문맥적응적 화면내 예측 모델의 학습기법과 그 부호화 성능분석을 제시한다. 즉, 본 논문에서는 주변 참조샘플의 문맥정보를 입력하여 현재블록을 예측하는 기존의 합성곱 신경망(CNN: Convolutional Neural network) 기반의 화면내 예측 모델을 학습한다. 학습된 화면내 예측 모델을 HEVC(High Efficiency Video Coding)의 참조 소프트웨어인 HM16.19에 추가적인 화면내 예측모드로 구현하고 그 부호화 성능을 분석하였다. 실험결과 학습한 예측 모델은 HEVC 대비 AI(All Intra) 모드에서 0.28% BD-rate 부호화 성능 향상을 보였다. 또한 비디오 부호화 블록분할 구조를 고려하여 학습한 경우의 성능도 확인하였다.

• 방송공학회논문지
• /
• 제27권3호
• /
• pp.295-307
• /
• 2022

본 논문은 동영상의 시각적 특징을 추출하는 MPEG CDVA 표준 기술에서 개별 프레임의 전역적인 특징을 표현하는 scalable Fisher vector (SCFV)의 새로운 압축 방법을 제안한다. CDVA 표준은 전역 특징 서술자에 대한 시간적 중복성 제거 기법을 도입하였으며, 구체적으로 부호화 단위 세그먼트 내의 SCFV 들이 서로 유사할 가능성이 높다는 점을 활용하여 SCFV에 대한 차분을 부호화하는 방식을 사용하고 있다. 그러나 SCFV의 구조적 특징에 의해 SCFV의 차분을 부호화 한 결과물이 원본 데이터보다도 용량이 큰 경우가 발생하게 된다. 이와 같은 현상을 방지하기 위해 비대칭적 SCFV의 차분 계산 방법과 변경된 SCFV 차분을 활용하여 원본 SCFV를 복원하는 새로운 방법을 제안하였다. FIVR 데이터셋을 활용한 실험결과는 전역 특징 서술자의 압축 효율이 기존 CDVA Experimental Model에 대비하여 유의미하게 증가함을 보여준다.