• 융합정보논문지
• /
• 제11권10호
• /
• pp.45-52
• /
• 2021

본 논문에서는 U-Net 기반의 semantic segmentation 방법에서 정확도를 개선하기 위한 Atrous Residual U-Net (AR-UNet)을 제안하였다. U-Net은 의료 영상 분석, 자율주행 자동차, 원격 감지 영상 등의 분야에서 주로 사용된다. 기존 U-Net은 인코더 부분에서 컨볼루션 계층 수가 적어 추출되는 특징이 부족하다. 추출된 특징은 객체의 범주를 분류하는 데 필수적이며, 부족할 경우 분할 정확도를 저하시키는 문제를 초래한다. 따라서 이 문제를 개선하기 위해 인코더에 residual learning과 ASPP를 활용한 AR-UNet을 제안하였다. Residual learning은 특징 추출 능력을 개선하고, 연속적인 컨볼루션으로 발생하는 특징 손실과 기울기 소실 문제 방지에 효과적이다. 또한 ASPP는 특징맵의 해상도를 줄이지 않고 추가적인 특징 추출이 가능하다. 실험은 Cityscapes 데이터셋으로 AR-UNet의 효과를 검증하였다. 실험 결과는 AR-UNet이 기존 U-Net과 비교하여 향상된 분할 결과를 보였다. 이를 통해 AR-UNet은 정확도가 중요한 여러 응용 분야의 발전에 기여할 수 있다.

• 한국지리정보학회지
• /
• 제21권4호
• /
• pp.81-90
• /
• 2018

사람과 사물, 장소 등 공간상의 모든 객체가 네트워크로 서로 연결되어 정보를 공유하는 '초연결 시대'가 점차 현실로 다가오고 있다. 이와 같은 정보통신 환경의 변화에 따라 공간정보도 중요한 도전에 직면해 있다. 정부는 자율주행자동차, 드론, 3차원 공간정보 등 '초연결'로 인한 공간정보의 사회적 수요에 부응하기 위해 노력하고 있지만 근본적인 대응책을 마련하지 못하고 있다. 초연결 시대가 필요로 하는 공간정보의 수요에 효과적이고 능동적으로 대응하기 위해서는 근본적인 변화를 이끌어 낼 수 있는 중장기 전략이 필요하다. 본 연구는 '초연결 시대'라는 커다란 패러다임의 변화에 직면한 공간정보의 미래 수요변화와 활용특성을 분석하고, 이를 기반으로 미래 사회의 공간정보 수요에 효과적으로 대응할 수 있는 전략을 모색하는데 목적이 있다.

• 반도체디스플레이기술학회지
• /
• 제17권4호
• /
• pp.21-26
• /
• 2018

Recently, the emergence of 3D cameras, 3D scanners and various cameras including Lidar is expected to be applied to applications such as AR, VR, and autonomous mobile vehicles that deal with 3D data. In Particular, the 3D point cloud data consisting of tens to hundreds of thousands of 3D points is rapidly increased in capacity compared with 2D data, Efficient encoding / decoding technology for smooth service within a limited bandwidth, and efficient service provision technology for differentiating the area of interest and the surrounding area are needed. In this paper, we propose a new quality parameter considering characteristics of 3D point cloud instead of quality change based on assumed video codec in MPEG V-PCC used in 3D point cloud compression, 3D Grid division method and representation for selectively transmitting 3D point clouds according to user's area of interest, and propose a new 3D Manifesto. By using the proposed technique, it is possible to generate more bitrate images, and it is confirmed that the efficiency of network, decoder, and renderer can be increased while selectively transmitting as needed.

• 스마트미디어저널
• /
• 제8권2호
• /
• pp.66-73
• /
• 2019

최근 컴퓨터 비전을 활용한 사물인식 기술이 센서 기반 사물인식 기술을 대체할 기술로 주목을 받고 있다. 센서 기반 사물인식 기술은 일반적으로 고가의 센서를 필요로 하기 때문에 기술이 상용화되기 어렵다는 문제가 있었다. 반면 컴퓨터 비전을 활용한 사물인식 기술은 고가의 센서 대신 비교적 저렴한 카메라를 사용할 수 있다. 동시에 CNN이 발전하면서 실시간 사물인식이 가능해진 이후 IoT, 자율주행자동차 등 타 분야에 활발하게 도입되고 있다. 그러나 사물 인식 모델을 상황에 알맞게 선택하고 학습시키기 위해서는 딥러닝에 대한 전문적인 지식을 요구하기 때문에 비전문가가 사물 인식 모델을 사용하기에는 어려움이 따른다. 따라서 본 논문에서는 딥러닝 기반 사물인식 모델들의 구조와 성능을 분석하고, 사용자가 원하는 조건의 최적의 딥러닝 기반 사물 인식 모델을 스스로 선정할 수 있는 플랫폼을 제안한다. 또한 통계에 기반한 사물 인식 모델 선정이 필요한 이유를 실험을 통해 증명한다.

• 한국시뮬레이션학회논문지
• /
• 제28권1호
• /
• pp.93-98
• /
• 2019

현대에서 사용되는 무인 비행체의 경우 자율화수준이 떨어져 사용자의 개입이 필요하다는 문제가 있다. 이에 본 연구는 자율화 달성의 방법론으로 유전자 알고리즘을 선택하고, 이것을 적용해 무인 착륙체의 자율화 가능성을 확인해 보는 것이다. 특별히 무인 비행체의 착륙은 비행체에서 매우 중요한 고전적인 과업 중의 하나이며, 착륙에 있어서 역사적 사건 중의 하나가 달착륙이라고 할 수 있다. 달 착륙선의 추동 메카니즘을 장착한 낙하체의 착륙 자율화 방법을 이용해 무인 착륙체의 자율화 가능성을 확인한다. 본 논문에서는 유전자알고리즘 적용시 게놈을 단지 4가지 액션 (좌회전, 우회전, 분출, 자유낙하) 으로 인코딩하여 무인 착륙체에 적용하고, 유전자 알고리즘의 주요 연산을 접목하여 실험을 성공적으로 진행하였으며 센서에 대한 의존도를 최소화할 수 있는 무인 비행체의 모의 UAV를 제작하였고, 유전자알고리즘을 적용해 그 가능성을 확인하는 테스트 베드를 구축하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.169-170
• /
• 2019

인공지능이 글로벌 경쟁력 원천 기술로 부각되면서 정부도 자율주행차, 드론, 로봇 등 미래 신산업의 기반 기술이 되는 인공지능을 전략적으로 육성하고 있다. 국내 인공지능 연구 및 서비스는 네이버와 카카오를 중심으로 출시되었으나 해외에 비하면 규모나 수준이 미약한 편이다. 최근, 딥러닝 (deep learning)은 최근 음성인식과 영상인식을 비롯한 다양한 패턴인식 분야에서 혁신적인 성능을 기록하면서 많은 연구가 진행되고 있다. 그 뿐만 아니라 딥러닝은 초창기부터 산업계의 큰 관심을 끌어 구글이나 마이크로소프트, 삼성전자 등 글로벌 정보기술 회사에서 상용제품에 딥러닝 기술을 성공적으로 적용하고 있고 계속 연구개발을 진행하고 있어 대중매체에서도 관심을 가지고 주목하고 있다. 이러한 선행연구를 바탕으로 주목 받고 있는 인공지능에 대해 살펴보도록 하겠다.

• 자동차안전학회지
• /
• 제13권3호
• /
• pp.78-85
• /
• 2021

Recently a traffic accident of heavy duty vehicles under the mandatory installation of ADAS (Advanced Driver Assistance System) is often reported in the media. Heavy duty vehicle accidents are normally occurring a high number of passenger's injury. According to report of Insurance Institute for Highway Safety, FCW (Forward Collision Warning) and AEB (Automatic Emergency Braking) were associated with a statistically significant 12% reduction in the rate of police-reportable crashes per vehicle miles traveled, and a significant 41% reduction in the rear-end crash rate of large trucks. Also many countries around the world, including Korea, are studying the effects of ADAS installation on accident reduction. Traffic accident statistics of passenger vehicle for business purpose in TMACS (Traffic safety information Management Complex System in Korea) tends to remarkably reduce the number of deaths due to the accident (2017(211), 2018(170), 2019(139)), but the number of traffic accidents (2017(8,939), 2018(9,181), 2019(10,095)) increases. In this paper, it is introduced a traffic accident case that could lead to high injury traffic accidents by being equipped with AEB in a bus. AEB reduces accidents and damage in general but malfunction of AEB could occur severe accident. Therefore, proper education is required to use AEB system, simply instead of focusing on developing and installing AEB to prevent traffic accidents. Traffic accident of AEB equipped vehicle may arise a new dispute between a driver's fault and vehicle defect. It is highly recommended to regulate an advanced event data recorder system.

• 디지털융복합연구
• /
• 제19권6호
• /
• pp.251-258
• /
• 2021

본 논문에서는 U-Net 기반의 semantic segmentation 방법에서 정확도를 향상시키기 위해 residual learning을 활용한 인코더-디코더 구조의 모델을 제안하였다. U-Net은 딥러닝 기반의 semantic segmentation 방법이며 자율주행 자동차, 의료 영상 분석과 같은 응용 분야에서 주로 사용된다. 기존 U-Net은 인코더의 얕은 구조로 인해 특징 압축 과정에서 손실이 발생한다. 특징 손실은 객체의 클래스 분류에 필요한 context 정보 부족을 초래하고 segmentation 정확도를 감소시키는 문제가 있다. 이를 개선하기 위해 제안하는 방법은 기존 U-Net에 특징 손실과 기울기 소실 문제를 방지하는데 효과적인 residual learning을 활용한 인코더를 통해 context 정보를 효율적으로 추출하였다. 또한, 인코더에서 down-sampling 연산을 줄여 특징맵에 포함된 공간 정보의 손실을 개선하였다. 제안하는 방법은 Cityscapes 데이터셋 실험에서 기존 U-Net 방법에 비해 segmentation 결과가 약 12% 향상되었다.

• 한국정보기술학회논문지
• /
• 제17권5호
• /
• pp.13-20
• /
• 2019

최근 CNN을 기반으로 한 객체 검출 기술의 연구가 활발하다. 객체 검출 기술은 자율주행차, 지능형 영상분석 등에서 중요한 기술로 사용된다. 본 논문에서는 CNN 기반의 객체 검출기 중 하나인 SSD(Single Shot Multibox Detector)에 MI-FL(Moment Invariant-Feature Layer)을 적용하여 회전 변형에 강인한 객체 검출 시스템을 제안한다. 먼저 VGG 네트워크를 기반으로 입력 이미지의 특징을 추출한다. 그 후 총 6개의 특징 계층(Feature layer)을 적용하여 객체의 위치 정보와 종류를 예측해 경계 박스들을 생성한다. 그 후 NMS 알고리즘을 이용해 가장 객체일 확률이 높은 경계 박스를 얻는다. 하나의 객체 경계 박스가 정해지면 MI-FL을 이용해 해당 영역의 불변 모멘트 특징을 추출하여 미리 저장하고 학습한다. 이후 검출 과정에서 미리 저장해둔 불면모멘트 특징 정보를 이용해 검출함으로써 회전된 이미지에 대해 기존 방법보다 더 강인한 검출이 가능하다. 기존의 SSD와 MI-FL을 적용한 SSD의 비교를 통해 약 4~5%의 성능 향상을 확인하였다.

• 한국항공우주학회지
• /
• 제50권1호
• /
• pp.47-57
• /
• 2022

전장에서의 무인기 활용이 시작된 이후 무인기는 기만, 정찰, 공격 등 다양한 임무에 투입되어 인간을 대신하여 성공적인 임무를 수행하여 왔다. 과거, 기술의 제한으로 자율적 임무수행이나 유인기와의 협업을 통한 임무는 불가하였으나 데이터 통신, 인공지능 등의 기술 발전으로 인하여 자율임무 수행은 물론 유무인 협업을 통한 시너지 효과를 창출하는 수준까지 발전하였다. 본 연구에서는 공군의 항공우주작전 중 공대공 임무를 중심으로 유무인 협업이 가능한 임무를 식별하였으며, 많은 공대공 임무 중 가장 핵심이면서 기본 작전으로 판단된 전투기소탕에 관한 유무인 협업 전술 개발을 연구하였다. 전투기소탕 작전 중에서도 유무인 협업을 통한 비스텔스기 대응과 스텔스기 대응 전술로 구분하여 연구를 진행하였으며, 이후 간단한 공학시뮬레이션을 통하여 제시한 전술의 실효성(임무 성공과 유무인기 생존 가능성)을 증명하였다.