테스트 주도 개발(TDD: Test-Driven Development)의 가치와 원칙을 잘 이해하고 있고, TDD 를 적용한 개발 방식이 습관화되어 있으면 TDD 가 제공하는 다양한 장점들을 얻을 수 있다. 하지만 위와 같은 경우가 아니라면 TDD 를 적용하더라도 비용 대비 효과를 얻을 수 없다. 본 논문에서는 비용 대비 효과를 높일 수 있도록 TDD 를 상황에 맞게 테일러링하여 협업에 적용한 사례를 제시한다.

슈퍼컴퓨터 5호기 누리온은 8,437대의 계산노드와 33.88PB 규모의 병렬스토리지가 100Gbps의 Omni-Path(OPA) 인터커넥트로 연결되어 있는 초대형 클러스터 시스템이다. 누리온의 계산자원은 PBS 작업스케줄러를 통해 관리되고 있고 병렬 스토리지는 DDN사의 Exascaler Monitoring System(ESMON)을 통해 influxDB에 read/write IO 통계 데이터를 수집하고 있다. 본 논문에서는 PBS의 과금 데이터와 ESMON influxDB의 IO 통계 데이터를 활용하여 사용자의 작업별 IO 통계 정보를 생성하는 방안에 대하여 소개한다.

현대 사회에서 극심한 스트레스로 고통을 호소하는 사람들이 많아짐에 따라 효과적인 스트레스 측정 시스템의 필요성이 대두되었다. 본 연구에서는 영상 속 인물의 표정과 음성 감성 분석을 통한 통합 스트레스 분석 시스템을 제안한다. 영상 속 인물의 표정과 음성 감성 분석 후 각 감성값에서 스트레스 지수를 도출하고 정량화한다. 표정과 음성 스트레스 지수로 도출된 통합 스트레스 지수가 높을수록 스트레스 강도가 높음을 증명하였다.

한국과학기술정보연구원(이하 KISTI)은 지난 11년 간 전사적으로 품질제고전략, 서비스만족전략, 이미지 제고전략 등 3대 고객만족 추진전략을 수립하여 체계적인 "고객만족경영시스템(CSM : Customer Satisfaction Management)"을 구축하고 이를 강화하기 위한 노력을 기울여 왔다. 본 연구의 목적은 과학기술정보서비스에 대한 고객만족도를 기반으로 하여 이용고객을 예측할 수 있는 모델을 구축하는 것이다. 이를 위해 과학기술정보 서비스를 경험한 500명의 의사결정자를 대상으로 과학기술정보서비스에 대한 고객충성도를 측정하였다. 고객의 충성도는 NPS(Net Promoter Score) 이론에 근거하여 하였다. 특히 연구결과 고객만족도 수준에 따라 비추천고객, 중립고객, 추천고객을 예측할 수 있는 모델을 구축하였다. 이와 같은 연구결과는 고객의 긍정적이거나 부정적인 구전으로 급속도로 노출되는 환경에서 고객의 만족도를 분석함으로써 기관의 주요 서비스별 고객을 확보하는데 사전 예측자료로 활용될 수 있다.

최장 공통 부분 서열(Longest Common Subsequence, LCS)은 서열 유사도(Similarity)를 측정하기 위한 주요 지표 중 하나로 특별한 가정이 없는 한 두 문자열의 LCS 를 계산하기 위해서는 두 문자열의 길이의 곱에 비례하는 시간이 필요하다. 최근 최장(longest)이라는 조건을 극대(maximal)로 완화한 극대 공통 부분 서열(Maximal Common Subsequence, MCS)이 제시되었고, 두 문자열의 MCS 를 선형에 가까운 시간에 찾는 알고리즘이 개발되었다. 극대는 최장을 보장하지 않기 때문에 두 문자열의 MCS 길이는 LCS 길이와 달리 유일하지 않을 수 있고, LCS 길이가 매우 길어도 길이가 1인 MCS가 존재할 수도 있다. 본 논문에서는 기존 알고리즘에 의해 계산되는 MCS 의 효용성을 알아보기 위해, DNA 등 여러 종류의 실제 데이터와 랜덤 생성된 데이터에 대해 LCS 와 MCS 의 길이를 비교했다. MCS 길이는 LCS 길이 대비 실제 데이터에서 32.1 ~ 60.2%, 랜덤 데이터에서는 27.5 ~ 62.9%로 나타났다. 이 비율은 문자열을 이루고 있는 알파벳 수가 많을수록, 문자열의 길이가 길어질수록 감소했다.

본 논문은 군과 경찰 등에서 수행하는 시뮬레이션 사격 훈련 중 스크린 사격과 VR 사격이 혼합된 복합 훈련 환경에서 사용할 수 있는 일체형 시뮬레이션 사격 서비스에 대해 연구하였다. 이 서비스는 스크린과 HMD에 투사되는 목표물에 대해 사격 훈련이 가능하도록 설계한 서비스로 하나의 가상공간에서 사용할 경우 스크린을 이용한 개인 사격 훈련과 VR을 이용한 팀 사격 훈련이 동시에 가능하다. 일체형 시뮬레이션 총기의 총구에 비가시 적외선 레이저 모듈을 장착하여 스크린 사격이 가능하도록 하고, 총열 상단에 HTC Vive Tracker를 장착하여 VR 사격에서 훈련자의 자세 및 위치를 인식하게 한다. 총열 하단에는 사용자의 행동을 제어하는 손잡이 형태의 인터페이스 모듈을 장착한다. 비가시 적외선 레이저 모듈과 인터페이스 모듈에서 발생한 신호는 일체형 시뮬레이션 총기의 총열에 장착한 무선 통신 모듈에 의해 블루투스 방식으로 통합 제어 장치로 전달되어 처리함으로써 혼합 환경에서 사용이 가능하다. 스크린 사격과 VR 사격이 동시에 가능한 혼합 환경에서 시험한 결과 운용이 가능한 것을 확인하였다. 일체형 시뮬레이션 사격 서비스는 기존 사람 중심의 훈련 서비스에서 자동차 또는 함정 등과 같은 조종 훈련 플랫폼과 연동하여 운용할 수 있는 기술 발전이 필요하다.

포화 이진 트리를 기반으로 하는 상수 분지수 3의 새로운 그래프 TG_n를 제안한다. TG_n의 노드 주소는 n개의 비트로 나타내며, 노드 수는 2ⁿ개이고 지름은 2n-2다. 에지는 3가지로 분류할 수 있으며, 루트 노드와 연결된 에지, 중간 노드와 연결된 에지, 말단 노드와 연결된 에지가 있다. 트리를 기반으로 한 TG_n의 깊이는 편의상 index N으로 나타낸다. index는 노드 주소를 S라 할 때, S가 0이면 0이고 1 이상이면 ⌊log₂S+1⌋이다. 본 연구에서는 상수 분지수를 갖는 TG_n을 정의하고, 라우팅 알고리즘과 지름을 분석한다.

본 논문에서는 딥러닝 영상기술을 활용해 파프리카 잎에서 나타나는 병해를 분류하는 연구를 진행하였다. 비파괴 방법으로 파프리카 잎 뒷면을 촬영하면 잎을 잡는 손이 파프리카 잎을 가리는 영역이 부분적으로 나타나고, 이는 학습을 방해하는 요소가 된다. 이를 해결하기 위해 잎의 영역을 먼저 찾고 그 외의 배경영역을 없애고, 병해를 진단할 수 있도록 모델을 설계하였다. 잎의 영역을 찾아내는 모델은 86.7%의 IoU(Intersection over Union)의 값을 얻었고, 병해를 진단하는 분류 정확도는 86.4%을 얻었다.

컴퓨팅 시스템에서는 특정 프로세스가 반드시 필요한 상황이 아님에도 불구하고 메모리에 상주하며 구동되고 있는 경우가 존재한다. 이러한 상주형 프로세스는 해당 프로세스를 사용하지 않고 있을 때에도 리소스를 점유하며 구동되어서 리소스 활용 효율성을 저하시킨다는 문제가 있다. 또한, 어떤 상주형 프로세스들은 자신이 종료되는 것을 방지하는 메커니즘이 적용되어 있어서 종료되지 않은 상태로 컴퓨터의 리소스를 지속적으로 소모한다는 문제가 있다. 따라서 이러한 문제점들을 개선하기 위해 상주형 프로세스들의 리소스를 효율적으로 제어 및 관리할 수 있는 방안이 필요하다. 본 논문에서는 Linux Signal과 Control group namespace를 활용하여 리눅스 운영체제에서 구동 중인 프로세스의 자원을 효율적으로 오케스트레이션 할 수 있는 p-Fusebox 프레임워크를 제안한다. 우리의 실험결과에 따르면 p-Fusebox를 사용하였을 때 1시간 동안의 메모리 누적사용량이 약 38% 감소함을 확인할 수 있었다.

단일 가상화 서비스 플랫폼은 메모리 및 컴퓨팅 집약적 워크로드를 수행하기 위한 고성능 시스템 환경의 신속한 구축을 지원하는 클라우드 기반의 소프트웨어 정의 서버를 위한 핵심 기술이다. 본 연구는 다수의 물리 노드를 통합하여 하나의 고성능 단일가상서버로 구성하기 위해 개발된 HCC 단일 가상화 서비스 플랫폼에서 대용량 데이터 처리 및 대규모 연산이 필요한 NGS 기반 농생명유전체 조립 프로그램과 이상 기상의 탐지 분석을 위한 GOES 위성자료 전처리 프로그램을 시험하여 활용 적합성을 검증하였다.

스마트폰의 다양한 사진들은 현재 대부분 저장 일자를 기준으로 표시되기 때문에 특정 사진을 검색할 경우 많은 노력이 필요하다. 이를 해결하기 위하여 몇몇 앨범형 앱들이 개발되었지만 실제 사용자가 직접 사진을 선택해야 하는 문제점이 존재한다. 이를 해결하기 위하여 본 논문에서는 사진들의 특징을 이용하여 사진의 자동으로 분류가능한 앱의 개발에 대하여 설명한다. 개발된 앱은 위치 및 인물에 따라 현재 사진들을 자동으로 분류하고 폴더에 저장함으로써 보다 쉽게 사진을 관리 할 수 있다. 제안된 기능은 안드로이드 기반으로 개발되었고 각 기능이 정상적으로 동작함을 실험을 통하여 증명하였다.

최근 HPC, 인공지능에서 GPU 성능이 향상되면서 사용이 보편화되고 있지만 GPU 프로그래밍은 난이도 측면에서 여전히 큰 장애물이다. 특히 호스트(host) 메모리와 GPU 메모리를 따로 관리해야 하는 어려움 때문에 편의성과 성능 측면에서 연구가 활발히 진행되고 있으며, 다양한 CPU-GPU 메모리 전송프로그래밍 방법들이 제시되고 있다. 본 연구는 NVIDIA Tegra 장치들과 NVIDIA SMX 기반 V100 GPU 카드에서 CPU-GPU 데이터 전송 기법별로 성능비교를 하고자 한다. 특히 NVIDIA Tegra 장치는 CPU와 GPU 통합메모리를 제공하고 있어서 CPU-GPU 메모리 전송방법의 관점에서 기존 GPU 장치와 다른 성능 특징을 보여준다. 성능비교를 위한 실험 워크로드는 HPC 응용프로그램에서 빈번하게 사용하는 2차원 행렬 전치 예제를 사용하였다. 실험을 통해 각 GPU 장치별로 CPU-GPU 메모리 전송 방법에 따른 GPU 커널 성능차이, 페이지 잠긴 메모리와 페이지 가능 메모리의 전송 성능차이, 마지막으로 전체 성능비교를 하였다.

다양한 응용에서 저장 매체로 사용되는 NAND 플래시 메모리는 저비용과 대용량을 위해 셀 당 비트 수 증가, 제조 공정의 미세화, 그리고 적층 기술 등 다양한 기술을 사용한다. 그렇지만 이러한 기술들은 플래시 메모리 셀의 안정성과 성능에 악영향을 준다. 특히 QLC 3D 플래시 메모리인 경우, 셀 상태가 많고 상태 간 임계 전압 간격이 좁기 때문에 프로그램과 읽기에 필요한 시간이 길다. 본 논문에서는 프로그램 수행 시간을 줄이고 셀 안정성에 긍정적인 영향을 줄 수 있도록 데이터 코드를 변환하는 비균일 스크램블 기법을 소개하고, 실제 시스템 데이터를 이용하여 스크램블 기법의 성능을 평가한다. 시뮬레이션을 통해 얻은 결과에 따르면 데이터 코드를 변환하여 저장하는 스크램블 기법은 최대 204%의 프로그램 성능 개선 효과를 보인다.

일반적으로, 과실 재배 농가에서의 과실 분류 작업은 많은 노동력을 필요로 한다. 최근 코로나19 방역조치로 외국인 근로자 입국 제한으로 인해 농가에서는 인력 수급에 어려움을 겪고 있다. 본 연구에서는 이러한 농가 피해 상황을 해소하고 수급 문제를 해결하기 위해 YOLO 기반 과실 분류 모델설계 및 구현을 소개한다. 본 모델을 기반으로 여러 과실 중 사과에 적용하여 인력이 많이 동원되는 선별과정을 YOLO의 객체 인식을 통해 해결하고 적은 비용으로 효율성 있는 분류 모델을 구축한다.

유해조수에 의한 농작물 피해규모는 2015 년 106 억원, 2017 년 126 억원에 이어 2019 년 137 억원으로 해마다 늘어나고 있다. 유해조수 중 조류에 의한 피해는 농작물 외에도 항공기, 전기/통신망, 양식장에 이르기 까지 다양한 산업분야에서 발생한다. ICT 기술은 유해조수에 의한 농작물 및 시설물의 피해를 줄이기 위한 효과적인 방안을 제시할 수 있다. 본 연구에서는 이미지 인식 및 분석 기술을 이용하여 유해조수 감지 및 피해방지를 위한 YOLO 기반의 감지 모델을 설계 후 유해조수 중 조류에 적용하여 테스트했다. 제안하는 모델은 여러 산업분야에서 유해조수 피해 방지를 위한 다양한 응용개발에 활용될 수 있다.

데이터베이스 백업은 데이터베이스 데이터를 보존 및 복구하기 위해 사용되는 필수 기법이다. 이를 위해 데이터베이스 관리 시스템(Database Management System)에서는 백업 기능을 수행하는 응용을 제공한다. 하지만 이러한 백업 응용은 기존 HDD 의 특성을 고려하여 설계 및 구현되어있기 때문에 최근 주로 사용되고 있는 저장장치인 SSD 에서는 SSD 의 성능을 최대한 이끌어내지 못하고 있다. 예를 들어, 기존 백업 응용에서는 단일 스레드가 백업을 위한 데이터를 순차적으로 접근하고 풀 스캔 방식으로 백업을 수행한다. 따라서 본 연구에서는 SSD 의 병렬적 특성을 활용하여 백업 응용의 성능을 극대화시키는 것을 목표로 한다. 이를 위해 본 논문은 병렬 인덱스 스캔 기법을 제시한다. 제안한 기법은 기존 백업 기법과 달리 멀티 스레드를 활용하여 인덱스 스캔을 수행하고 병렬적으로 데이터에 접근하여 백업을 수행한다. 해당 기법은 기존 기법에 비해 최대 2.5 배 성능을 향상시켰다.

최근 대학교는 코로나로 인하여 교육에 언택트를 접목시킬 것과, 학생들에게 필요한 전문지식을 단기간에 효율적으로 습득시킬 것을 요구받고 있다. 이를 위해 학교들은 온라인 교육 플랫폼을 구성함과 동시에, 고효율 교육방법으로서 모듈형 교육과정을 개발하고 있다. 하지만 모듈형 교육과정은 기존 교육과정과 다른 부분이 있어 기존에 활용하던 온라인 교육 플랫폼으로는 모듈형 교육과정을 온전히 제공하기 힘들다. 따라서 본 논문에서는 다양한 국내외 온라인 교육 플랫폼을 조사하여 교육에 필요한 기능들을 정리하였다. 또한 다수의 동영상, 퀴즈, 실습, 과제, 그리고 프로젝트로 구성된 모듈형 교육과정을 가정하고 이를 활용하기 위한 기능들을 도출하였다. 이를 기반으로 모듈형 교육과정용 플랫폼의 기능별 구성, 구성요소별 연결 방식, 활용 시나리오를 제안하고, 온라인 기반 모듈형 교육과정 플랫폼을 보다 효율적으로 활용할 수 있을 것으로 생각되며, 향후 모듈형 교육과정을 제공하기 위한 기반을 구성할 수 있을 것으로 생각된다.

Machine learning model gained the popularity in recent years as multi-national companies have incorporated machine learning in their services. Such service is called machine learning as a service (MLaSS). Such services are provided to users based on charge-per-query which triggers the motivations for adversaries to steal the trained victim model to reduce the cost of using the service. Therefore, it is important for companies that provide MLaSS to protect their intellectual property (IP) against adversaries. It has been arms race between the attack and defence in a context of the privacy of machine learning models. In this paper, we provide a comprehensive study of recent development in protecting privacy of machine learning models.

가짜뉴스는 뉴스 기사 형식을 갖는 날조된 정보를 의미하며, 최근 모바일 인터넷 장치의 보급과 소셜 네트워크 서비스의 대중화로 온라인 확산이 가속화되고 있다. 기존 연구는 가짜뉴스의 탐지를 위해 뉴스의 주제목, 부제목, 리드, 본문 등 뉴스 기사를 이루는 구성요소를 비롯하여 언론사, 기자, 날짜, 확산 경로 등의 메타 데이터를 대상으로 분석하였다. 그러나 뉴스의 제목과 본문 및 메타 데이터 등은 내용 수정이 쉬워, 다량의 데이터를 학습한 모델이라 하더라도 높은 정확도를 장기간 유지하기 어려울 수 있다. 이러한 문제점을 해결하기 위하여 본 논문은 합성곱 신경망을 이용해 문맥 정보를 분석하고 장단기 메모리 기반의 감성분석을 추가로 수행한다. 문맥 정보와 가짜뉴스 유포자가 쉽게 수정할 수 없는 감성 변화 패턴을 활용하여 성능이 개선된 가짜뉴스 탐지 모델을 제안한다.

인터넷 가상화폐 거래소에 게시되는 공시를 분석하여 향후 게시된 공시가 가상화폐 가격에 줄 영향을 예측해보고자 한다. 과거 게시된 공시 데이터를 바탕으로 딥러닝을 이용해 영향치를 도출해낸다. 프로그램은 Python 언어로 작성하였으며, django 웹 프레임워크를 이용하여 결과치를 보여줄 수 있는 웹 사이트를 구현하였다. 또한 공시를 통합한 데이터를 이용하여 새로 게시되는 공시가 해당 가상화폐의 가격에 줄 예측치를 분석하였으며 해당 공시가 가상화폐의 가격에 어떻게 영향을 줄지 쉽게 판단할 수 없는 사용자들에게 도움을 줄 수 있을 것이다.

현재의 저궤도 위성 통신망은 일반적으로 지상기반 네트워크와 공중 기반 네트워크로 구성되지만 최근에는 위성들간의 애드 혹 네트워크 기술을 적용하고자 하는 연구가 진행중이다. 이러한 애드 혹 네트워크 구성의 핵심은 라우팅 프로토콜로써 본 논문에서는 송신자와 수신자 위성간의 교차지점을 활용한 라우팅 프로토콜을 제안한다. 제안된 방법은 시뮬레이션을 통하여 성능을 평가하였다.

경로 탐색을 위해 RREQ 패킷을 절대적으로 플러딩하는 방식에 따라 높은 채널 경합 및 과도한 패킷 충돌이 발생하는 AODV 의 문제점을 해결하기 위해 제어 패킷을 감소시키려는 여러 방법들이 제안되었다. 이러한 기법들은 주 경로에 포함되는 노드 수를 제한함으로써 전반적인 제어 패킷의 발생을 감소시켰으나 경로가 유사한 경우 전송되는 중복된 제어 패킷에 의한 오버헤드 상승 문제는 고려하지 않았다. 이러한 문제를 해결하기 위해 본 논문에서는 목적지와의 거리에 따라 RREQ 의 전송 순서를 동적으로 조정하는 기법을 제안한다. 제안된 방법은 시뮬레이션을 통하여 성능을 평가하였다.

본 논문에서는 현재 ISO/IEC JTC1 SC6 에서 표준화가 진행중인 만물네트워크 프로토콜 기능을 구현하기 위한 초기 단계로 만물네트워크 사물 사용자의 소셜 그룹 형성을 위한 프로토콜 메시지를 JSON 표현으로 표기하였다. ISO/IEC JTC1 SC6 에서 표준화가 진행중인 만물네트워크의 사물 유저 소셜 그룹 관리 기능은 안정적인 프로토콜 기능과 데이터 전송 관리를 제공하고 있으며 멤버 디스커버리기능, 데이터 전송 통로 관리기능 등의 그룹 관리 기능을 제공하고 있다. 이러한 기능을 구현하기 위한 표준 프로토콜 메시지를 JSON 으로 표기함으로써 만물네트워크 실현 및 상용화에 기여할 수 있으며 특히 표준화가 진행되고 있는 ISO/IEC JTC1 SC6 의 미래 네트워크 구현과 실증에 적극 반영하고자 한다.

비디오 컨텐츠 사용이 증가하면서, 사용자가 요구한 파일을 제시간 안에 전달하는 문제가 중요해졌다. 사용자와 가까운 곳에 파일을 캐싱해 두고 필요할 때 다운받으면 파일을 보다 빨리 전달할 수 있는데 사용자가 움직일 경우 이동성을 고려해야 한다. 본 논문에서는 사용자의 이동 경로와 파일의 인기도를 함께 고려해 딜레이드 오프로딩(delayed offloading) 스키마를 적용한 환경에서 마이크로 기지국(micro base station, MBS)에서 다운받는 데이터 크기를 최소로 만들어 비용을 최소화 하는 캐싱 기법을 제안한다. 실험을 통해 타알고리즘에 비해 MBS 로부터 다운받는 양을 줄이고 스몰 셀 기지국(small cell base station, SBS)에서 다운받을 성공 확률을 높이는데 효과가 있다는 것을 보였다.

수중 다중매체 통신 또한 수중 통신과 마찬가지로 에너지 확보 문제로 노드의 마비, 높은 에너지 교체 비용등의 문제를 가지고 있다. 이에 본 논문에서는 이전 연구에서 제시된 에너지 소모 산출 모델을 이용하여 수중 다중매체 통신 네트워크를 대상으로 하는 에너지 기반 라우팅 알고리즘을 제시한다.

최근 사물 인터넷 관련 해킹 우려 신고 건수가 증가하는 추세를 보이고 있다. 하지만 급격하게 늘어나는 IoT 환경에 따라서 관리자가 새로운 침입 탐지 공격패턴을 인식하는 것에 대한 어려움이 있으며, 대량의 공격이나 새로운 공격패턴이 등장할 경우 이에 맞는 특징을 재선정해야 할 경우도 발생한다. 본 논문에서는 운영 네트워크 상에 특정이상동작 파악 및 근원지 진단을 위한 목적을 가진 전반적인 네트워크 상태 분석 및 사용자 이슈 식별이 가능한 프레임워크를 설계하였다.

다양한 서비스로부터 발생된 엄청난 양의 데이터는 대량의 네트워크 트래픽을 발생시켜 네트워크 환경의 복잡성을 증대시킨다. 이로 인하여 초고속, 저지연 서비스를 제공하기 위한 방법으로 네트워크 가상화 기술을 도입하였고 그중에서도 SDN 기반의 네트워크 슬라이싱 기법은 네트워크를 논리적으로 분리할 수 있으나 다양한 트래픽을 발생시키는 사용자의 요청에 동적인 대응이 어렵다. 본 논문에서는 LSTM에 사용자 요청의 트래픽 패턴을 학습시켜 네트워크 슬라이스가 자동으로 구성되는 모델을 제안한다.

최근 비정상적인 네트워크 활동 감지 및 네트워크 서비스 프로비저닝과 같은 다양한 분야에서 응용되는 네트워크 트래픽 예측 기술이 네트워크 통신 문제에 의한 트래픽의 결측 및 네트워크 유저의 불규칙한 활동에 의한 비선형 특성 때문에 발생하는 성능 저하를 극복하기 위해 딥러닝 신경망에 대한 연구가 활성화되고 있다. 이 딥러닝 신경망 중 시계열 딥러닝 신경망은 단기 네트워크 트래픽 볼륨을 예측할 때 낮은 오류율을 보인다. 하지만, 시계열 딥러닝 신경망은 기울기 소멸 및 폭발과 같은 비선형성, 다중 계절성 및 장기적 의존성 문제와 같은 한계를 보여준다. 이 논문에서는 계절성 임베딩을 고려한 주의 신경망 기반 트래픽 예측 기법을 제안한다. 제안하는 기법은 STL 분해 기법을 통해 분해된 트래픽 트랜드, 계절성, 잔차를 이용하여 일별 및 주별 계절성을 임베딩하고 이를 주의 신경망을 기반으로 향후 트래픽을 예측한다.

5G 의 발전과 함께 차량과 IT 통신 기술을 융합한 어플리케이션들이 급증하면서 멀티 액세스 엣지 컴퓨팅(MEC)이 차세대 기술로 등장했다. 낮은 지연시간 안에 계산 집약적인 서비스들을 제공하기 위해 단독적인 MECS 서버(MECS)에서의 수행이 아닌 다수의 MECS 에서 동시에 연산을 수행할 수 있도록 태스크를 파티셔닝하는 기법이 주목받고 있다. 특히 차량이 다수의 MECS 로 태스크를 파티셔닝하여 오프로딩하는 기법과 하나의 MECS 로 오프로딩한 후 다른 MECS 들로 파티셔닝하여 마이그레이션하는 기법들이 연구되고 있다. 본 논문에서는 오프로딩과 마이그레이션을 이용한 파티셔닝 기법들을 서비스 지연시간과 차량의 에너지 소비량 측면에서 성능을 비교 분석을 하였다.

도시의 인구 밀집도가 증가함에 따라 도시의 단위 면적당 건물 밀집도 역시 증가하고 있으며, 이에 도시 화재는 대규모 화재로 발전할 가능성이 높다. 도시 내 대규모 화재로 인한 인명 및 경제적인 피해를 최소화하기 위해 시뮬레이션 기반의 화재 대응 방안들이 널리 연구되고 있으며, 최근에는 시뮬레이션에서 효과적인 화재 대응 방안을 탐색하기 위해 강화학습 기술을 활용하는 연구들이 소개되고 있다. 그러나, 시뮬레이션의 규모가 커지는 경우, 상태 정보 및 화재 대응을 위한 행위 공간의 크기가 증가함으로 인해 강화학습의 복잡도가 증가하며, 이에 따라 학습 확장성이 저하되는 문제가 발생한다. 본 논문에서는 시뮬레이션 규모 증가 시 강화학습의 학습 확장성을 유지하기 위해, 화재 상황 정보와 재난 대응을 위한 행위 공간을 변환하는 기법을 제안한다. 실험 결과를 통해 기존에 강화학습 모델의 학습이 어려웠던 대규모 도시 재난시뮬레이션에서 본 기법을 적용한 강화학습 모델은 학습 수행이 가능하였으며, 화재 피해가 없는 상황의 적합도를 100%로 하고, 이것 대비 99.2%의 화재 대응 적합도를 달성했다.

글로벌 퍼블릭 클라우드 산업 규모는 매년 폭발적으로 성장하고 있으며 최근 COVID-19 등 비대면 문화 확산에 따라 지속 확장되고 있다. 클라우드 사업자는 유한한 인프라 자원으로 다수의 사용자에게 양질의 IT 서비스 제공을 위해 잉여 자원 할당을 최소화하는 것이 중요하다. 그러나 일반적인 퍼블릭 클라우드 환경에서는 정적 자원 할당 기법을 채택하고 있기 때문에 사용자의 주관적인 판단에 따라 잉여 자원의 발생은 필연적이다. 본 논문에서는 머신 러닝 기법 중 K-Means Clustering 알고리즘을 적용하여 클라우드 동적 자원 관리 기법을 제안한다. K-Means Clustering 기반으로 클라우드에 탑재된 각 Instance 의 자원 사용률 데이터를 분석하고, 분석 결과를 토대로 각 Instance 가 속한 Cluster 에 대하여 자원 최적화 작업을 수행한다. 이를 통해 전체 데이터센터 관점에서 잉여 자원의 발생을 최소화하면서도 SLA 수준 및 서비스 연속성을 보장한다.

기업은 IT 를 일종의 자산으로 판단하여 IT 센터를 직접 구축하고 온프레미스 형태의 시스템을 운영했다. 그러나 경영 환경의 변화가 빨라지면서 IT 부문의 비용 효율성에 대한 압박도 커지고 있다. 클라우드 컴퓨팅을 도입하면 IT 자원을 효율적으로 활용하고 사용한 만큼 비용을 지불할 수 있어 IT 자원의 효율화가 가능하다. 하지만 무작정 클라우드로 옮기는 방식으로 인해 시스템 복잡성이 오히려 증가하고, 관리포인트 증가로 시스템 안전성을 해치는 상황이 벌어지고 있는 것도 현실이다. 신규 서비스 제공 시 기존 시스템 안전성을 해치지 않으면서 IT 자원의 효율적인 활용도 고려하는 방안으로 서비스 단위별 클라우드 컴퓨팅 도입을 검토하였다. 이 방법은 클라우드의 우수한 시스템을 사용하며, 실시간 오케스트레이션이 가능하고, 보안도 우수하다고 볼 수 있다. 기존 인프라를 유지하면서 클라우드 컴퓨팅을 구현한 하이브리드 방식으로 시스템 구축 결과 중단 없는 시스템 운영이 가능하였으며, 보안도 보다 강화된 결과를 얻었다. 향후 시스템 구축 시 온프레미스의 경우 서비스 단위로 클라우드 서버를 병행 운영한다면 운영효율성 뿐 아니라 기능성까지 만족시킬 수 있을 것으로 기대한다.

최근 인공지능 및 빅데이터 연구가 대두되면서 슈퍼컴퓨터와 같은 고성능컴퓨터를 이용하여 다양한 연구환경을 제공할 수 있어야 한다는 요구가 증가하고 있다. 이에 한국과학기술정보연구원(KISTI)에서는 슈퍼컴퓨터 등 고성능컴퓨터를 인프라로 활용하는 KI(KISTI Intelligent) Cloud를 개발하여 서비스하고 있다. 본 논문에서는 KI Cloud의 모니터링 기능의 설계 및 구현 방법을 기술하였다. KI Cloud는 다양한 자원으로부터 데이터를 효율적으로 수집하고, 데이터를 시각화할 수 있는 오픈소스인 Prometheus와 Grafana를 이용하여 모니터링 기능을 개발하였다.

슈퍼컴퓨터는 수백~수천 노드의 컴퓨팅 자원이 연결되어 복잡한 계산이나 대규모 데이터를 병렬 처리하며 일부 노드에서 발생하는 예상치 못한 문제는 전체적인 시스템 성능 저하로 이어질 수 있기 때문에 슈퍼컴퓨터 모니터링과 성능 분석은 슈퍼컴퓨터를 구축하고 운영하는데 필수적인 요소로 볼 수 있다. 본 논문에서는 오픈소스 소프트웨어인 Performance Co-Pilot, Bpftrace, Grafana를 활용한 슈퍼컴퓨터 모니터링 및 성능분석 시스템 구축 방안을 제안하였으며 이를 통해서 확장가능하면서도 유연한 구조의 슈퍼컴퓨터 모니터링 및 성능 분석이 가능함을 보였다.

최근 4차 산업혁명의 기술이 발전하며 인공지능과 클라우드 컴퓨팅의 융합에 대한 연구가 활발하게 진행되고 있으며 클라우드 컴퓨팅에 컨테이너 기술을 접목한 새로운 컴퓨팅 환경이 주목받고 있다. 그러나 현재 사용되고 있는 컨테이너 기반의 가상화 기술은 컨테이너 실행에 필요한 파일과 설정 값을 포함하고 있는 컨테이너 이미지를 통해 배포하는 방식을 사용하고 다수의 컨테이너가 하나의 커널을 공유하기 때문에 취약한 패키지를 사용하는 컨테이너 이미지가 다수의 사용자와 공유 되어 시스템 보안이 매우 취약하다 이에 본 논문에서는 자연어처리 기법을 활용한 취약점 분석 시스템을 통해 컨테이너를 실행에 필요한 파일과 설정 값을 포함하고 있는 컨테이너 이미지에서 취약점을 분석하는 시스템을 제안한다.

본 논문에서는 기존의 산업 및 서비스 변화에 따라 발생하는 빅데이터 분석 서비스 처리를 위한 빅데이터 분석 서비스 브로커 시스템을 제안한다. 기존의 빅데이터 분석 시스템은 분석하는 시간 동안 지속적으로 자원을 점유하고 있어야 하며, 이러한 서비스를 이용하기 위해 내부에 대규모의 시스템을 구축하고 지속적으로 운영해야하는 단점이 존재한다. 본 논문에서는 빅데이터 분석에 필요한 자원을 효과적으로 사용하기 위해 클라우드 기반의 자원 관리와 연계하고 서비스 이용을 용이하게 하기 위해 단일 엔드포인트 기반의 빅데이터 분석 서비스 호출 구조를 설계하였다. 이를 통해 빅데이터 서비스 분석에 소요되는 자원 점유에 따라 동적으로 자원을 생성 관리하여 자원을 보다 효과적으로 이용할 수 있는지 테스트베드를 구축하여 서비스 이용 및 자원 사용을 효과적으로 하는지 확인하였다. 또한, 이를 통해 대규모 자원을 지속적으로 점유해야하는 빅데이터 분석 플랫폼의 자원사용에 대한 한계를 일부 해소하여 자원을 효과적으로 이용할 수 있는 것을 확인하였다.

Smart cities collect data from thousands of IoT-based sensor devices for intelligent application-based services. Centralized cloud servers support application tasks with higher computation resources but introduce network latency. Fog layer-based data centers bring data processing at the edge, but fewer available computation resources and poor task allocation strategy prevent real-time data analysis. In this paper, tasks generated from devices are distributed as high resource and low resource intensity tasks. The novelty of this research lies in deploying a virtual node assigned to each cluster of IoT sensor machines serving a joint application. The node allocates tasks based on the task intensity to either cloud-computing or fog computing resources. The proposed Task Allocation Strategy provides seamless allocation of jobs based on process requirements.

국내에서 유통되는 일회용 가스라이터 점유율의 약 절반은 국내 유일의 한 공장에서 생산하고 있다. 저렴한 외국산 가스라이터로부터 국내 사업을 보호하기 위해 품질 향상과 원가경쟁력 확보의 중요성이 매우 커진 것이 현실이다. 본 논문에서는 YOLOv4 머신러닝 객체인식 모델과 OpenCV 실시간 이미지 처리 오픈소스를 활용해 개발한 불량품 자동 검출 시스템을 제안한다. 대표적인 불량인 '액화가스 부피 불량품'을 검출하는 시스템을 개발하고 실험을 통해 그 정확성을 검증하였다. 제안한 시스템은 97%의 정확도로 상태를 분류하였으며, 이를 통해 100%의 불량을 검출할 수 있었다.

사물인터넷을 기반으로 실시간으로 소화기 주변의 상태와 화재 발생 여부, 소화기의 상태를 확인할 수 있는 웹 시스템과 화재 알림을 받을 수 있는 애플리케이션을 설계하였다. 소화기 주변의 온도와 습도를 측정하여 화재 유무를 판단하고, 화재를 감지했을 시에 LED 불빛과 경고음을 출력한다. 자이로센서를 이용하여 소화기의 쓰러짐 상태를 파악한다. 웹페이지에서 소화기의 상태 및 소화기 주변의 온습도 상태, 화재 여부를 확인할 수 있다. 사용자는 애플리케이션을 이용하여 회원가입, 로그인을 수행할 수 있으며 화재 알림을 받을 수 있다.

본 연구에서는 사물인터넷을 기반으로 하나의 방역 장치에서 '온도 측정, 손소독'이 가능한 코로나 방역 장치를 구현한다. 라즈베리파이 기반에 센서들을 활용한 하드웨어 시스템에서는 체온 측정 후 손소독이 가능하며 어플리케이션에서는 실시간으로 사용자의 체온측정 결과와 하드웨어의 손소독제 잔량 확인이 가능하다. 본 논문에서는 UML(Unified Modeling Language)을 활용한 여러 다이어그램 기반의 설계 부분과 열 감지 센서를 활용한 하드웨어 시스템 및 어플리케이션의 UI를 볼 수 있다.

전 세계적으로 기후변화에 대해 민감하게 대응하고 있으며, 이중 국내에서는 지난 2018년 폭염을 자연 재난으로 개정했다. 대구시는 매년 지역 현안의 해결과제로 폭염 재난을 언급하고 있다. 이전 연구를 통해 대구시를 대상으로 온열 질환 취약 계층을 고려한 폭염 대응 관제 플랫폼을 개발했다. 본 연구는 온열 질환 의심 환자 판별알고리즘 및 실시간 모바일 앱 알림 서비스를 추가 적용 등 플랫폼 고도화 작업을 진행했다.

본 논문은 oneM2M을 활용하여 스마트시티의 일환으로 사회적 이슈가 되고 있는 미세먼지(PM10, PM2.5) 측정 플랫폼을 설계하였다. 미세먼지 측정 디바이스를 이동식 차량에 부착하여 미세먼지가 측정이 되고 있지 않은 사각지대까지 범위를 넓혀 측정하였다. 또한 미세먼지뿐만 아니라 일상생활과 연관된 온도, 습도, 대기압, 휘발성 유기화합물(VOC), 일산화탄소(CO), 아황산가스(SO₂), 이산화질소(NO₂), 소음을 센서의 응답 시간에 따라 최소 10초 간격으로 수집하였다. 수집된 정보들은 미세먼지 측정 디바이스 기준으로 반경 1km내 격자모양으로 지형 화면에 실시간으로 표시하고 모니터링함으로서 동작성을 확인하였다.

최근 많은 이슈가 되고 있는 제 4 차 산업혁명 기술을 건설 분야에 적용하여 다양한 형태의 센서를 활용한 IoT 의 활용가치를 높이고 근로자의 위험사항을 사전에 예방함과 동시에 건설현장에서 IoT 기반 스마트 건설안전시스템 전호구축을 위한 아키텍처를 개발하는 것을 목적으로 하고 있다. 이를 위해 IoT 의 개념을 살펴보고, 현장 안전관리 프로세스를 근로자 편리성을 감안한 아키텍처로 전환연구를 하고자 한다. IoT 기반 스마트 건설안전시스템 구축을 위해서 활용 가능한 위험지역을 도식화하고, 적용 가능한 영역을 파악하였고, 다양한 사전예측분석 알고리즘을 활용하여 안전사고 예방에 관한 사전예측 유형을 분석하였다. 이를 바탕으로 위험지역에 대한 근로자의 동선을 파악한 후 위험지역에 사전정보 제공을 통한 건설현장의 IoT 기반 스마트 건설안전시스템을 전환해서 재해율 감소에 기여하고자 한다.

최근 발표된 정책으로 공공시설과 민간건물의 제로에너지 전환이 진행되고 있다. 본 논문에서는 제로에너지 기술인 패시브 기술에 사물인터넷을 적용하여 스마트 주택에 쾌적한 내부 환경 조성과 효율적인 에너지 운영을 도울 수 있는 패시브하우스 아키텍처를 제안한다. 패시브하우스의 모의 구현을 통하여 관리 시스템 운영에 필요한 기술을 제안하며, 패시브하우스의 모니터링 시스템을 제안하므로 사용자에게 편의성을 제공한다.

최근 국내 전동킥보드 공유서비스의 증가 추세에 따라 전동킥보드와 보행자 혹은 차량과의 충돌사고가 증가하고 있다. 이러한 충돌사고로 인한 사고를 예방하기 위해 본 논문에서는 영상처리 기술에 기반한 후방위험요소 감지 시스템을 제안한다. 제안 시스템은 전동킥보드 사용자의 안전 헬멧에 라즈베리파이와 파이캠을 장착하여 가까이 오는 보행자나 차량을 영상처리 기법을 활용하여 인식하도록 하여 이들과의 충돌을 사전에 방지하도록 해준다. 제안 시스템의 정확도를 파악하기 위해 입력영상의 해상도별 처리속도와 정확도를 비교한다. 아울러, 제안 시스템을 안전 헬멧에 장착하여 테스트필드 실험을 통해 실제 환경에서 사용가능 여부를 검증한다.

대한민국은 곧 초고령사회에 진입할 것으로 전망된다. 국내 신호 교통체계에서 교통약자에 해당하는 고령자의 보행 안전성은 취약한 상태이다. 이에 본 논문에서는 고령자와 기타 교통약자의 보행 안전성을 높이기 위해 초음파 센서와 적외선 센서를 사용한 스마트 신호등을 제안한다. 제안하는 시스템은 교통약자가 인식되면 보행신호 시간을 연장하여 횡단보도에서의 보행자 사고율을 감소시킬 수 있다.

본 논문에서는 아두이노와 라즈베리 파이를 기반으로 연동한 스마트 금고 시스템을 제안한다. 기존의 금고와 달리 보안성과 편리성의 취약점을 해결하도록 했다. 아두이노와 라즈베리 파이 기반의 다양한 센서를 이용해 스마트 금고의 보안성과 편리성을 높이도록 제안한다. 구현을 위해 지문인식 센서, RFID 센서, 키 패드, GPS, 충격감지 센서, 파이 카메라, PIR 센서를 사용한다. 또한, 스마트 금고 상태와 조작을 할 수 있는 어플리케이션을 제작해 편리성을 높이도록 했다. 금고 프로토 타입의 외부 재질은 3D 프린팅을 이용하여 제작을 했다.

현재 일상색활에서 다양한 사물들에 IT 기술이 접목되고 있다. 그 중 대표적인 제품으로 스마트미러가 있다. 스마트미러는 높은 접근성을 이용하여 사용자에게 일기예보, 뉴스피드, 캘린더, 개인맞춤정보 등 일상생활에 밀접한 다양한 정보를 제공한다. 본 논문은 영상처리 기반 얼굴인식을 이용한 스마트 미러 시스템을 제안한다. 그리고 실제 프로토타입을 제작함으로써 실제 사용가능 여부를 판단하였다.

요즘 사회에 흔하게 볼 수 있는 질병인 당뇨병은 그 수가 계속 늘어나고 있다. 증상이 적은 당뇨병의 특성 덕분에 인지율이 낮고 당뇨발과 같은 심각한 합병증으로 발전하기에 이를 사전에 진단하고 예방하는 것이 중요하다. 기존의 연구는 입력 혹은 발의 온도를 기반으로 차이를 구분함으로써 당뇨발 환자군을 판별했다. 본 논문에서는 당뇨발 진단의 정확도 향상을 위해 AI 학습 모델을 사용하는 방식을 사용하기 위하여 다중 센서를 부착한 스마틴솔을 개발하고 데이터 전처리를 통해 학습 데이터를 생성하는 과정을 기술한다. 또한, 이를 위한 스마틴솔에 다중 센서를 부착하고 펌웨어를 통해 발의 압력과 온습도를 오차 없이 효율적으로 실시간으로 받아내는 개발 과정과 결과를 제시한다.

코로나바이러스로 인하여 전 세계는 어려움을 겪고 있으며, 바이러스를 확산을 막기 위해서 실외에서는 마스크를 쓰는 것이 일상이 되었다. 하지만, 이를 따르지 않는 사람이 일반 시설에 방문할 때 이를 감지하고 경고를 할 수 있는 시스템이 없어, 마스크 미 착용자로 인한 위험성 방지에 취약점을 가지고 있다. 본 연구에서는 OpenCV 라이브러리를 이용한 마스크 착용 여부를 확인하는 시스템을 설계한다. Haar 특징기반 다단계 분류자를 이용하여 마스크 인식 프로세스를 설계하였으며, 마스크 착용 확인 시스템은 경량 컴퓨터인 라즈베리파이 장치 위에 구현하였다. 또한 확인된 사람의 이미지는 클라우드 시스템에 저장할 수 있도록 구현하였다. 본 연구를 통해, 누구나 손쉽게 해당 마스크 착용 확인 시스템을 중소 매장에 설치하여 사용할 수 있으며, 코로나바이러스 확산 방지에 기여할 수 있다고 예상한다.

자율주행 기술이 고도화됨에 따라 사용자가 주행 상황을 실시간으로 모니터링하고 주행을 제어할 수 있는 자율주행 서비스가 필요하다고 생각했다. 또한, 돌발 장애물을 고려하며 정해진 경로로 주행하는 자율주행을 구현하고자 해당 시스템을 설계하게 되었다. 해당 시스템은 차량, 서버, 애플리케이션으로 구성되어있으며 구성요소 간의 실시간 통신을 통해 차량 주행 상황 및 사용자 제어 명령을 자유롭게 전달하고자 했다. 차량의 자율주행 알고리즘을 구현하기 위해 이미지 데이터 처리에 효과적인 CNN을 활용하여 장애물 회피 모델과 라인 트레이서 모델을 구현하여 해당 모델들을 하나의 솔루션으로 통합하였다. 해당 솔루션 구현을 통해 차량이 마주할 수 있는 돌발 상황에 대처하는 자율주행의 안전성을 높이고자 했으며 자율주행 환경에서 사용자 조작을 용이하게 하고자 하였다.

본 논문에서는 기술의 빠른 발전에도 불구하고 줄어들지 않는 화재 사고, 그 중에서도 많은 인명피해를 내는 실내 화재 사고에 대하여 기존 실내 화재 알림 시스템의 한계점인 알림의 양치기 소년화로 인한 안전 불감증 증가와 알림의 사각지대 문제를 해결하고자 새로운 대안 시스템을 설계 및 구현하고, 실험 검증을 진행하였다. 위 두 가지 문제점을 해결하기 위해, 본 연구에서는 스마트폰이 매우 대중적으로 보급되어 있다는 점을 기반으로 IoT, 엣지 컴퓨팅, 비콘 등을 응용한다. 비콘 신호를 broadcasting 하는 엣지 노드의 신호 범위 내에 진입하면 사용자 정보를 수집하여 대상 건물에 출입한 대상을 특정한다. 말단 센서 노드와 엣지 노드 간의 무선 RF 통신으로 화재를 모니터링하며 화재가 발생했을 시 특정된 대상들에게만 스마트폰 어플의 푸시 알림으로 화재 발생 상황을 전송하는 시스템을 설계 및 구현하였다. 시스템 성능 평가를 위해 동국대학교 건물 내에서 수평, 수직으로 이동하며 실험을 진행하였고, 그 결과를 통해 대안 시스템의 성능과 한계를 분석하여 이를 실내 공간에 적용하기 위한 적합성을 평가하였다.

5G와 사물인터넷(IoT) 시대에 데이터의 크로스컴퓨팅은 연구, 의료, 금융, 민생 분야 등에 더 많은 지원을 할 수 있고 프라이버시 안전성이 중요해지고 있다. SMPC (Secure Multi-party Computation)은 서로 믿지 않는 참여자 간의 프라이버시 보호 시너지 컴퓨팅 문제를 해결하고, 데이터 수요자에게 원본 데이터를 누설하지 않는 범위 하에서의 다자간 컴퓨팅 능력을 제공한다. IoT 장치는 전력 소모와 지연에 제한을 받기 때문에 대부분의 장치가 여전히 경량화 보안 메커니즘에 속하고 IoT에서 트래픽의 데이터 통합관리가 어렵기 때문에 통신 중 신원인식과 데이터를 주고받는 단계에서 프라이버시 유출의 문제가 발생할 수 있고 심지어 DDOS공격, RelayAttack공격 등 사이버의 목적이 될 수도 있다. 본 논문에서 IoT 네트워크 데이터 통신 특징을 분석하고 동형 암호에 기반의 SMPC 연산 아키텍처를 제안한다. 제안하는 이키텍처에서 동형 암호를 사용함으로써 장치 데이터의 안전을 보장하는 동시에 전체 네트워크 안전성도 확보한다. SMPC 및 동형암호 기술의 지속적 발전에 따라 제안하는 아키텍처가 계속 개선할 잠재력이 있다.

최근 우리나라에서 재배되고 있는 농작물은 지구 온난화 등의 영향으로 점점 북상하고 있다. 이러한 농업 환경의 변화에 적극적으로 대처하기 위해 본 논문에서는 농업 재배지의 환경 데이터를 수집하고 분석하여 현재 농업 재배지에 최적화된 농작물을 추천할 수 있는 농작물 추천 서비스를 제안한다. 이를 위해 농작물 추천 서비스에 활용하기 위해 농업 환경 데이터의 모니터링과 농작물 데이터 관리 스마트팜 모형을 설계 및 구축한다.

오늘날 정보화 시스템은 우리 생활에 아주 밀접하게 접근하고 있다. 모든 이들이 생활을 접함에 있어서 이제 정보화 시스템은 당연하게 여겨지고 오히려 그에 대한 중요성에 대해 망각하고 사용하게 되었다. 그러나 우리의 실생활에 있어서 접목되는 정보화 시스템들이 과연 적절하고 효율적으로 구성되었는지 충분히 고민을 해봐야 한다. 정보화 시스템은 기획되고 개발되고 사용되고 궁극적으로는 최적화되어야 한다. 본 논문은 I-MOD 시스템의 구조를 가지고 여러 아키텍처 설계 방법론 중 골조의 근간이 하나가 아닌 다양한 방법론의 장점들을 융합하여 다양한 시각 입장으로 설계 방법을 풀어내려 연구하였다.

PIPO 경량 블록암호는 ICISC'20에서 발표된 암호이다. 본 논문에서는 PIPO의 단일 평문 최적화 구현과 4평문 병렬 구현을 제안한다. 단일 평문 최적화 구현은 Rlayer의 최적화와 키스케쥴을 포함하지 않은 구현을 진행하였다. 결과적으로 키스케쥴을 포함하는 기존 연구 대비 70%의 성능 향상을 확인하였다. 4평문의 경우 32-bit 레지스터를 최대한 활용하여, 레지스터 내부 정렬과 Rlayer의 최적화 구현을 진행하였다. 또한 Addroundkey 구현에서 메모리 최적화 구현과 속도 최적화 구현을 나누어 구현하였다. 메모리 사용을 줄인 메모리 최적화 구현은 단일 평문 구현 대비 80%의 성능 향상을 확인하였고, 암호화 속도를 빠르게 구현한 속도 최적화 구현은 단일 평문 구현 대비 157%의 성능 향상을 확인하였다.

지능정보사회의 발전에 따라 사이버 공격은 업종과 규모를 가리지 않고 모든 기업을 대상으로 이뤄지고 있다. 이러한 현실을 반영하여 최근 정보통신망법은 모든 정보통신서비스 제공자에게 특정지위의 정보보호 최고책임자(CISO)를 지정하도록 개정되어 시행될 예정이다. 그러나 정보통신망법령은 업종별 정보화 특성을 고려하지 아니하고, 매출액·자산총액 기준으로만 정보보호 최고책임자의 지위를 차등화하고 있으며, 차등화된 지위는 임원·비임원 여부로만 규정되어 있어 현장에서 실효성이 발휘되기 곤란하다는 문제가 있다. 본 논문은 정보보호 거버넌스 관점에서 지위를 차등화하고 업종별 특성과 종업원 수 기준에 따른 정보보호 최고책임자의 법적 지위 요건을 제시하고자 한다.

현재 IT 보안 관제 시스템을 구축하여 사용하고 있는 기업들은 여러 보안 솔루션을 도입하고 있어 각 솔루션에 따라 서로 다른 IT 이상징후 탐지 모델을 필요로 하고 있다. 이에 따라 솔루션별로 상이한 모델이 필요하며, 유지보수에 어려움이 대두되었다. 이러한 보안 관제 시장의 문제를 해결하기 위해 요구된 것이 이기종 보안 솔루션의 공통 정보 모델로의 표준화 및 탐지 모델 체계화이다. 현재 JCIM은 보안 관제 시장에서 데이터를 공통 정보 모델로 표준화하고, 선택한 솔루션의 시나리오를 보여주며 즉시 탐지까지 가능한 제품을 구현하였다. 이를 통해 AI 기반의 이상 탐지 시나리오를 구현할 수 있는 인력을 양성하고, 이를 기반으로 다양한 고객(산업군)사에 적응하는 것을 기대한다.

기술이 발전함에 따라 악성코드 또한 함께 발전하여 보안 위협이 증가되고 있다. 특히 PowerShell 과 같은 스크립트 언어를 사용하여 포렌식이 어려운 Fileless 악성코드가 지속적으로 증가하고 있다. 이에 본 논문에서 PowerShell 데이터셋을 활용하여 기존 패턴은 탐지할 수 없는 한계점을 가진 시그니처 또는 휴리스틱 기반 탐지 기법을 보완하여 기존의 악성코드들을 학습 및 새로운 악성코드를 추측하는 것이 가능한 심층 학습 기술, Graph Convolutional Networks 과 자카드 유사도를 활용하여 기존의 방식에 비해 더 효율적으로 탐지를 이루어 내는지를 판단해보려한다.

ICISC'19에서 기존 CHAM과 동일한 구조와 규격을 갖지만, 라운드 수만 증가시킨 revised CHAM이 발표되었다. CHAM은 사물인터넷에서 사용되는 저사양 프로세서에서 효율적인 구현이 가능한 특징을 갖고 있다. AVR, ARM 프로세서 상에서의 CHAM 암호 알고리즘에 대한 최적 구현은 존재하지만, 아직 RISC-V 프로세서 상에서의 CHAM 구현은 존재하지 않는다. 따라서, 본 논문에서는 RISC-V 프로세서 상에서의 Revised CHAM 알고리즘을 최초로 구현을 제안한다. CHAM 라운드 함수의 내부 구조의 일부를 생략하여 최적 구현하였다. 그리고 홀수 라운드와 짝수 라운드를 모듈별로 구현하여 필요에 따라 모듈을 호출하여 손쉽게 사용할 수 있게 하였다. 결과적으로, RISC-V 상에서 제안 기법 적용하기 전보다 제안 기법 적용 후에 12%의 속도 향상을 달성하였다.

본 논문은 WebAssembly 가 도입된 2017 년부터 현재 2021 년까지 발생한 보안 취약점을 분석하고 분류하여, WebAssembly 에 대한 개발자들의 이해도를 높이고 WebAssembly 도입에 생길 수 있는 문제점들을 정리한다. 특히 CVE-2018-6092(Integer Overflow), CVE-2018-6036(Underflow) 사례들을 제공된 PoC 를 통하여 재현하고, PoC 코드, 원인 코드와 대처 코드까지 분석한다.

동형암호를 이용한 통계 분석은 기존의 개인정보보호 문제로 수행할 수 없었던 데이터에 대해서 통계분석이 가능하게 만든다. 본 논문에서는 대용량 데이터에 사용되는 대표적 통계 수치인 평균, 분산, 왜도, 첨도를 병렬처리를 사용하여 구하는 방법을 제안한다. 또한, 연산이 비교적 제한적인 동형암호에서도 통계적 수치를 구하기 위하여 동형암호문끼리의 뺄셈, 나눗셈, 제곱근 연산을 제안한다. 이를 통해, 분산된 대용량 데이터에 대해서도 동형암호를 통해 다양한 통계 연산이 가능할 것으로 기대된다.

고전적인 인공 신경망을 암호 분야에 사용하기 위한 연구들이 이뤄지고 있으며 다양한 암호 관련 분야에서의 사용이 제안되었다. 더 나아가 최근에는 양자 컴퓨터의 연산속도 이점을 활용해서 고전적인 인공 신경망을 학습하기 위한 연구들이 진행되고 있다. 양자컴퓨터의 양자 알고리즘은 기존 컴퓨터에서 보여주지 못한 연산속도를 보여주었으며 앞으로의 잠재력이 기대되고 있다. 본 논문에서는 Quantum Neural Network (QNN)를 활용한 암호 연구 동향에 대해 살펴본다.

동형암호는 서버에 암호화된 데이터를 통해 연산할 수 있다는 장점으로 대용량의 데이터를 암호화하여 처리하는 시스템에 사용될 수 있어 주목된다. 동형암호의 방법 중 효율성과 실용성을 지니는 장점으로 인해 연구되고 있는 Bilinear Pairing을 사용하는 서명 및 인증 방법들은 DDH와 CDH 문제에 기반을 둔 방법으로, 많은 연구가 진행되어 왔다. 본 논문은 동형암호에서 사용되는 Bilinear Pairing의 핵심인 GDH 그룹과 타원곡선암호, Weil Pairing, SDH 문제를 기반으로 하는 서명 방식과 그룹 서명 방식, 랜덤오라클을 제외한 서명을 소개한다.

IoT 기기가 발전으로 블루투스 활용도와 보안에 대한 관심이 증가하면서, 블루투스와 관련된 취약점이 매년 발생하고 있다. 보안을 높이기 위하여 블루투스 4.2 버전부터 페어링 단계에서 타원곡선 디피-헬먼 키 교환을 적용하였지만 타원곡선 기반의 암호들은 양자컴퓨터의 발전과 Shor 알고리즘에 의해 더 이상 안전하다고 보기 어렵다. 본 논문에서는 양자 환경에서 발생할 법한 블루투스 관련 취약점을 미연에 방지하기 위하여 페어링 단계에 적용된 기존의 암호 대신 양자 내성 암호 NewHope를 적용한 블루투스 모델을 제안한다.

인증 및 그룹키 합의 프로토콜은 통신하고자 하는 여러 구성원들의 그룹키를 합의하여 안전한 그룹 통신을 제공할 수 있다. 현재 안전하고 효율적인 인증 및 그룹키 합의 프로토콜을 위한 연구가 활발히 진행 중이다. 기존의 공개키 인프라 기반 인증 및 그룹키 합의 방식에는 인증서와 키의 관리 문제가 나타나며 신원 기반 인증 및 그룹키 합의 방식에는 키 에스크로 문제가 나타난다. 본 논문은 이러한 문제를 해결 할 수 있는 무인증서 기반 인증 및 그룹키 합의 방식을 제안한다. 또한, 본 논문에서는 기존에 무인증서 암호시스템에 발생할 수 있는 공개키 대체로 인한 위장 공격을 방지할 수 있는 방법을 설계한다. 제안하는 방식은 효율성을 제공하기 위해서 구성원 수거 증가하더라도 통신 Round 수가 증가하지 않는 특징을 갖는다.

양자 알고리즘이 수행 가능한 양자 컴퓨터는 기존 암호 시스템의 보안성을 낮추거나 깨뜨릴 수 있다. 이에 양자 컴퓨터의 공격 관점에서 기존 암호 시스템의 보안성을 재평가하는 연구들이 활발히 수행되고 있다. NIST는 대칭키 암호 시스템에 대한 양자 후 보안 강도에 평가에 Grover 알고리즘의 적용 비용을 채택하고 있다. Grover 알고리즘이 대칭키 암호 시스템의 보안성을 절반으로 줄일 수 있는 시점에서 중요한 건 공격 비용이다. 본 논문에서는 경량블록암호 SPECK 양자 회로 최적화 구현을 제시한다. ARX 구조의 SPECK에 대해 최적의 양자 덧셈기를 채택하고 병렬 덧셈을 수행한다. 그 결과, 최신 구현물과 비교하여 depth 측면에서 56%의 성능향상을 제공한다. 최종적으로, 제시하는 SPECK 양자 회로를 기반으로 Grover 알고리즘 적용 비용을 추정하고 양자 후 보안 강도를 평가한다.

최근 스캠 코인에 의한 피해 사례가 증가함에 따라 대부분의 가상자산 거래소가 상장된 가상자산에 대해 자체적 신뢰도 평가를 수행하고 있으나, 관련 법·제도적 체계의 부재로 인해 여전히 위험이 존재한다. 스캠 코인 여부를 판단하는 기존 서비스는 불명확한 스캠 코인 판별 기준으로 인해 충분히 신뢰하기 어려우며, 지도 학습에 필요한 라벨링 된 데이터셋이 충분하지 않아 관련 연구 또한 한계를 가진다. 본 논문은 클러스터링을 통해 스캠 코인 여부를 판단하는 것을 목표로 한다. 스캠 코인과 정상적인 가상자산을 구분하는 과정에서 유의미한 데이터를 수집하여 클러스터링을 수행하고, 스캠 코인 여부가 라벨링 된 테스트셋을 구성하여 클러스터링 결과를 평가한다. 이를 통해 본 논문이 제시하는 이더리움 기반 토큰에 대한 클러스터링 결과를 기반으로 추후 통일된 스캠 코인 판단 기준을 세울 수 있음을 제안한다.

국가 4차 산업혁명의 성장 동력으로 데이터 경제가 주목받고 있으며, 현(現)산업계는 초연결, 초지능, 초융합 사회로 진보하고 있다. 이와 같은 환경에서는 산업군 간의 경계가 사라지고 전방위적인 상호 유기적인 복합 생태계를 구성하게 된다. 따라서 사이버 보안사고 발생 시 단순 데이터 탈취 정도에 국한되지 않고 안보, 생명, 국가 경제 등에 돌이킬 수 없는 손실을 끼칠 것으로 예상된다. 그러나 현재 사이버 보안의 각종 제도 및 법령 등은 중복·혼재되어 있거나 특정 산업군에 적용하기에는 일부 미흡한 요소도 존재한다. 본 논문에서는 이와 같은 문제점을 개선하고 전방위적인 보안거버넌스를 달성하기 위한 통합 사이버 보안 프레임워크 구축 방안을 제언한다.

코로나19 확산으로 기업들이 재택근무와 화상회의 등을 시행하며 업무방식이 획기적으로 변화되고 있다. 재택근무를 시행한 직원들은 편하고 쾌적하다는 의견이 다수였지만, 일부 불편함을 호소하기도 했다. 일부 기업은 재택근무 형태가 긍정적이라고 보고 적극 도입을 검토하기 시작했다. 재택근무의 여러 장점 이면에는 스마트폰, 태블릿 등 스마트 기기의 사용 증가로 보안문제점이 심각하게 대두되고 있고, 스마트워크 환경은 클라우드 기반의 실시간 서비스가 그 생태계를 주도하고 있다. 따라서 이 같은 스마트워크 환경에 따른 법제화와 인사시스템 적용, 그리고 정보보호 및 보안 관련 인증을 통한 스마트워크 서비스의 개선이 절실히 필요하다. 본 논문은 기존 글로벌 시스템의 확산에 대응하기 위해 국내 시스템의 낮은 인지도와 품질 문제 해결을 위한 차세대 기술 개발 및 사용성 강화를 제안한다.

팬데믹 시대를 맞아 전세계적으로 원격의료에 대한 수요가 높아졌고, 이에 따라 원격의료의 보안 위험도 급증하고 있다. 원격의료는 각각의 원격의료 참여자가 서로 보안수준이 상이한 물리적 공간에 있으면서 의료행위에 참여하고, IT와 의료기기 비전문가인 개인이 자신의 공간에서 다수의 의료기기를 운용해야 하는 경우가 많으며, 서비스형태에 따라 실시간 데이터 교환이 이루어져야 한다는 점에서 일반적인 의료와 다른 보안 이슈가 발생한다. 이와 같은 특성의 원격의료 보안 위험 대응방안 연구를 위하여 관련 표준을 검토해 보았으나, ISO/IEC 및 미국 NIST의 일반보안 표준으로부터 분기한 의료 일반에 대한 보안표준이나 의료기기 보안 가이드는 존재하지만 원격의료보안을 포괄적으로 정립한 표준을 찾을 수 없었다. 이에 따라 국제적으로 통용될 수 있는 원격의료보안 표준의 개발이 시급하며, 이를 위하여 원격의료에 대한 용어 정의, 원격의료 참조모델 규정, 원격의료 보안모델 개발이 필요하다. 향후 이와 같은 원격 의료 구성 요소들을 정의하고 구성 요소들 간의 상호작용과 환경적 보안 취약성 및 위협, 보안 요구사항을 정립한 원격의료 보안프레임워크 수립이 수행되어야 할 것이다.

GPU 상에서의 효율적인 암호 구현을 위해서는 GPU 내부의 자원인 메모리와 명령어셋을 구현하고자 하는 암호 구조에 맞추어 사용하는 것이 중요하다. 본 논문에서는 Blowfish와 RC4를 최신 GPU 프로세서 상에서 최적 구현해 보고 성능을 저하시키는 요인들과 향상시키는 요인들을 비교 분석한다. 특히 파일암호화와 패스워드 크래킹에서 발생하는 암호화 구현 고려 사항에 대해 확인하며 해당 특징이 GPU 암호 구현 상에서 미치는 영향에 대해 확인해 보도록 한다. 마지막으로 앞에서 구현한 결과물의 성능을 저하시키는 요소에 대한 분석을 기반으로하여 높은 GPU 내성을 가지는 암호 설계를 위해 필요한 구조에 대해 확인해 보도록 한다.

Trusted Execution Environment(TEE) is an execution environment provided by CPU hardware to gain guarantee that the execution context is as expected by the execution requester. Remote attestation of the execution context naturally arises from the concept of TEEs. Many implementations of TEEs use cryptographic remote attestation methods. Though the implementation of attestation may be simple, the implementation of verification may be very complex and heavy. By using a server delegating the verification process of attestation information, one may produce lightweight binaries that may verify peers and establish a secure channel with verified peers.

최근 익명성이 보장되는 네트워크와 인터넷이 생기며 이를 이용한 악성코드가 증가하고 있다. 이를 막기 위한 방안 중 하나로 코드의 저자를 밝혀내는 연구인 코드 저자 식별이 있다. 이에 관해 최근 연구들은 소스 코드와 바이너리에서 높은 정확도로 저자를 식별해낼 수 있다는 것을 밝혀냈다. 하지만 스트립 바이너리와 관련해서는 연구가 많이 이루어지지 않았다. 이에 본 연구에서는 최근 연구에 사용되는 방법을 스트립 바이너리에 적용하여 실험을 진행하여 그 결과가 좋지 않음을 보였다. 그리고 이를 바탕으로 스트립 바이너리에서 저자 식별이 어려운 이유를 분석하였다.

최근, 연구책임자가 대학에서 연구되고 있던 LIDAR 기술 연구자료를 중국에 위치한 대학 연구원에게 유출하였다. 이러한 연구자료 유출로 인해 국가는 핵심기술에 대한 상용화 기회를 잃게 되었다. 이처럼 연구정보 유출로 인한 피해가 증가하면서 연구보안의 중요성이 대두되고 있으며, 이에 국가연구개발혁신법의 제정으로 연구산출물 및 과정을 보호하기 위한 방안을 마련하고 있다. 하지만 새로운 법제로는 특허 등 지식재산권을 보호하지 못하는 등의 미비점이 존재하며, 새로운 연구개발 환경에 맞는 연구정보 보안 체계가 필요하다. 본 연구에서는 연구보안을 위한 연구정보 등급화를 위해 연구정보의 개념을 정의하고, 연구정보 등급화 체계를 연구하고자 한다. 이를 기반으로 향후 연구를 통해 연구정보 등급화 체계를 도출하고자 한다.

캔 통신은 차량 내부의 전자장치 간 데이터 송수신 시에 사용되는 통신 방식이다. 차량 기술이 발전함에 따라 내부에 탑재되는 전자장치가 늘어나고 있고 이는 해킹의 위험성이 높아지고 있음을 의미한다. 이는 다가오는 4차 산업 혁명에서 자율주행 차량 기술의 치명적인 문제로 작용할 수 있다. 본 논문에서는 CAN Bus 통신에서의 위협 대응 방안과 안정성 향상에 대한 연구들의 동향을 살펴본다.

SME(small and medium sized enterprise) 환경의 스마트공장 환경에서는 실제 제조라인에서 동작하는 센서(Sensor) 및 액추에이터(Actuator)와 이를 관리하는 PLC(Programmable Logic Controller), 더불어 그러한 PLC를 제어 및 관리하는 HMI(Human-Machine Interface), 그리고 다시 PLC와 HMI를 관리하는 OT(Operational Technology)서버로 구성되어 있으며, 제어자동화를 담당하는 PLC 및 HMI는 공장운영을 위한 응용시스템인 OT서버 및 현장 자동화를 위한 로봇, 생산설비와의 직접적인 연결을 수행하고 있어서 스마트공장 환경에서 보안 기술의 개발이 중점적으로 필요한 영역이다. 이러한 SME 환경의 스마트공장 보안 내재화를 이루기 위해서는, 스마트공장 SW 및 HW 개발 단계에서 IEC 62443-4-1 Secure Product Development Lifecycle에 따른 프로세스 정립 및 IEC 62443-4-2 Component 보안 요구사항과 IEC 62443-3-3 System 보안 요구사항에 적합한 개발 방법론의 도입이 필요하다.

4차 산업혁명으로 인해 제조산업에 인공지능, 빅데이터와 같은 ICT 기술을 활용한 스마트팩토리의 제조 공정 자동화 및 장치 고도화 연구가 진행되고 있다. 제조 공정 자동화를 위해 스마트팩토리의 각 계층별 장치들이 유기적으로 연결되고 있으며, 이로 인해 발생 가능한 보안위협도 증가하고 있다. 스마트팩토리에서는 SIEM 등의 장비가 보안위협 데이터를 수집·분석·시각화하여 대응하고 있다. 보안위협 데이터 시각화에는 그리드 뷰, 피벗 뷰, 그래프, 차트, 테이블을 활용한 대시보드 형태로 제공하고 있지만, 이는 스마트팩토리 전 계층의 보안위협 데이터 확인에 대한 가시성이 부족하다. 따라서, 본 논문에서는 스마트팩토리 보안위협 데이터를 CVSS 점수 기반의 Likelihood와 보안위협 데이터 기반의 Impact를 활용하여 위험도를 도출하고, 히트맵 기반 스마트팩토리 보안위협 데이터 시각화 모델을 제안한다.

4차산업혁명과 함께 기존 산업구조가 급속하게 변화하고 기술패권주의가 심화되면서, 기술 패권의 승패에 따라 국가의 글로벌 경쟁력이 크게 좌우된다. 세계 주요국들은 기술경쟁력 확보를 위해 기술혁신과 기술연대의 경쟁을 벌이고 있고, 우리나라도 이러한 동향 속에서 적극적인 R&D 연구 투자와 정책적 지원을 통해 미래 산업 분야의 기술경쟁력 확보를 위해 노력하고 있다. 현재 중국에 의한 기술 탈취나 인력 유출이 발생하고 있고, 이는 산업경쟁력 상실로 이어져 막대한 경제적 피해를 야기할 수 있다. 기술경쟁력을 잃지 않기 위해, 반드시 우리의 산업기술 보호 수단도 마련되어야 한다. 선제적으로 중요한 산업기술을 적절히 식별하여 중요도에 따라 보호수단을 이행하는 것이 산업기술 보호의 시작일 것이다. 이에 따라, 본 논문에서는 지식그래프와 임베딩 모델을 활용하여 우리나라의 핵심산업분야 중 하나인 반도체 분야의 기술문서를 중요도에 따라 수직적으로 분류할 수 있는 방안에 대해 연구하고자 한다.

양자 컴퓨터 기술의 발전에 따라 현재 사용되고 있는 암호 알고리즘과 시스템들이 위협받고 있다. 이러한 시대적 흐름에 따라 양자 컴퓨터로도 쉽게 해결할 수 없는 양자내성암호의 개발이 요구되고 있으며, 미국 NIST 에서는 양자내성암호의 표준화를 위한 공모전을 진행하고 있다. 본 논문에서는 공모전 최종 후보 중 하나인 NTRU 알고리즘을 가속화하기 위한 성능 분석을 진행하였다.

텍스트 형식의 암호는 가용성이 높고 비용이 저렴한 장점으로 인해 가장 널리 사용되는 방식이다. 사용자는 암호를 알고 있어야 하므로 기억하기 쉬워야하므로 대부분의 암호는 편향되어 규칙성을 보인다. 암호 크래킹의 대부분은 이러한 규칙을 기반으로 수행된다. 최근에는 GAN, RNN, LSTM의 딥러닝 모델을 사용하여 암호 크래킹 연구에 적용되고 있으며 또한 다가오는 양자 컴퓨터 시대에서는 Grover의 알고리즘을 사용과 편향된 암호의 특성을 기반으로 사용자 암호에 대한 위협이 될 수 있다.

Text classification is one of the popular tasks in Natural Language Processing (NLP) used to classify text or document applications such as sentiment analysis and email filtering. Nowadays, state-of-the-art (SOTA) Machine Learning (ML) and Deep Learning (DL) algorithms are the core engine used to perform these classification tasks with high accuracy, and they show satisfying results. This paper conducts a benchmarking performance's analysis of multiple SOTA algorithms on the first known labeled Korean voice phishing dataset called KorCCVi. Experimental results reveal performed on a test set of 366 samples reveal which algorithm performs the best considering the training time and metrics such as accuracy and F1 score.

4차 산업혁명 시대가 도래함에 따라 사물인터넷(IoT)이 다양한 산업의 영역에서 활용되고 있다. 특히 IoT 기술 및 서비스를 활용하는 분야 중 하나인 스마트 의료 분야는 최근 소프트웨어 및 네트워크의 연결성이 강화되면서 사이버보안 사고가 급증하고 있다. 따라서 스마트 의료 기기·서비스 개발단계부터 보안을 고려하여 안전하게 개발하는 것이 필요하며, 서비스 제공시에도 보안을 고려하여 안전하게 관리 및 서비스를 제공하는 것이 필요하다. 이에 본 연구에서는 IoT 서비스 활용 분야 중 스마트 의료 분야에서 원격의료 서비스의 개인정보 침해 요인을 도출하고 이를 토대로 어택트리 기반의 시나리오 분석을 수행하고자 한다.

최근 편리하고 안전한 생체인증 기술이 핀테크 서비스의 필수 구성요소가 되고 있다. 그러나 생체인증의 보안성과 정확도 향상을 위해 많은 양의 생체 정보를 활용한다면 연산과정이 복잡해져서 속도 저하와 개인정보 유출 가능성이 높아지고, 실시간성을 제공하기 위해 생체 정보의 일부만 샘플링하여 활용하는 경우에는 보안성과 정확도가 열화되는 Trade-off 문제가 있다. 종래의 생체인증 기술은 메타데이터를 이용한 필터링의 경우 데이터 간의 상관성이 고려하지 않아서 개인정보보호와 사용자 편의성에 한계가 있었다. 본 연구에서는 상관성 높은 데이터를 활용하여 프라이버시 중심의 생체인증 설계와 보안사용성을 향상시키는 방안을 제안한다.

최근 사회는 디지털기술을 기반으로 비대면전환이 빠르게 이루어지고 있다. 이에 디지털 신분증과 디지털 신원인증에 대한 관심이 증가하고 있다. 기존 오프라인에서 사용되고 있는 플라스틱 신분증은 분실 및 위·변조의 위험성이 존재한. 또한 현재 온라인에서 널리 사용되고 잇는 신원인증 모델들을 데이터의 주권이 사용자가 아닌 서비스 제공자에게 있다는 문제점이 있다. 위와 같은 문제들을 해결하고 사용자의 신원정보를 효과적으로 관리하기 위해 분산신원증명의 필요성이 제기되었다. 본 논문에서는 분산신원증명의 구조와 서비스 적용 사례에 대해 살펴본다.

최근 개인 정보 보호를 위해 주목 받고 있는 동형암호 알고리즘은 암호화된 상태로 덧셈과 곱셈 연산이 가능하여, 연산을 위한 복호화 과정 없이 데이터에 대한 가공이 가능하다. 따라서 이러한 동형암호 알고리즘이 개인 정보 보호를 위한 방법으로 떠오르고 있으며, 특히 완전동형암호 알고리즘의 경우 덧셈과 곱셈 연산을 모두 지원하며, 유효 연산 횟수에도 제한이 없어 응용 분야에서 널리 활용될 것으로 예상된다. 그러나, 완전동형암호 알고리즘의 경우 암호문의 크기가 평문대비 크게 증가하고, 다항식으로 구성된 암호문의 덧셈 및 곱셈 연산도 복잡하여 이에 대한 가속이 필요한 실정이다. 이에 FPGA 기반의 동형암호 가속기 개발이 많이 연구되고 있으며, 이를 통해 동형암호 연산의 특징을 이해하고 가속기 연구 동향을 알아보려 한다.

블록체인은 블록체인 네트워크에 참여하는 모든 노드에 동일한 원장을 중복 저장함으로써 참여자 모두에게 데이터가 공개되며, 이를 통해 데이터의 투명성을 확보하고 참여자 다수의 합의를 통해 데이터의 신뢰성을 보장하는 기술이다. 현재의 블록체인 시스템은 이러한 데이터 소유의 탈중앙화를 통해 데이터의 신뢰성을 확보할 수 있게 되었으나, 합의, 저장, 분석 등 여러 방면에서 확장성 한계로 인해 주로 가상 자산의 거래에만 활용되고 있다. 본 논문은 다양한 일반 산업 및 비즈니스에서의 블록체인 기술의 활용성을 증대하기 위해 요구되는 데이터의 다양성, 대규모 용량, 대용량 데이터, 트랜잭션 처리 속도 등 저장 확장성 문제를 해결하기 위한 고확장성 블록체인 저장 기술을 제안하고 설계 개념 및 특징, 그리고 고확장성 저장 기술을 제공하기 위한 시스템 SW 구조를 제시한다.

블록체인은 모든 참여자가 동일한 원장을 유지하는 분산 원장 기술로써, 신규로 참여하는 블록체인 노드는 원장을 동일하게 유지하기 위한 동기화 절차를 거쳐야 한다. 일반적으로, 동기화는 블록체인 상의 모든 블록을 순차적으로 적용하는 과정을 거처야 함으로 많은 시간이 걸리게 된다. 본 논문에서는 ETRI에서 자체 개발한 PON 기반 블록체인에서 동기화 성능을 개선하기 위해 비잔틴 환경에서 병렬적으로 동기화 요청하는 고속 병렬 동기화 모드와 최신 상태만 동기화하는 최신 상태동기화 모드를 개발하였다. 성능 평가 결과 100,000 개 블록 동기화시 고속 병렬 동기화 모드가 기본 동기화 대비 5 배, 최신 상태 동기화 모드가 기본 동기화 대비 880 배 빠른 것을 확인하였다.

자율주행 자동차는 최근 들어 비약적인 발전을 거듭하고 있지만, 동시에 V2V, V2I 등 차량의 네트워킹에 따른 보안 문제에 대한 중요도 또한 함께 올라가고 있다. 이에 대비책으로 SCMS 를 중심으로 보안 기술이 발전하고 있지만, 중앙 데이터베이스에 대한 의존도는 여전히 높아 한 번의 보안 사고에도 심각한 피해가 우려되는 상황이다. 본 논문은 이러한 상황을 방지하기 위해 블록체인의 DID(Decentralized Identify, 탈중앙화 신원증명) 기술을 적용하는 방안을 설명하고, 그 예시로 긴급 차량에서의 DID 활용 방안을 제안한다.

본 논문에서는 블록체인 기술을 활용하여 게임 콘텐츠의 위변조를 방지하고 유전 알고리즘을 이용하여 게임 콘텐츠의 유기적 생태계를 구축하는 방법을 제안한다. 블록체인 기술을 바탕으로 모든 게임 플레이어는 Non-Fungible Token (NFT)으로 보호되는 독자적인 게임 캐릭터를 생성 및 관리할 수 있다. 또한 각 게임 캐릭터는 캐릭터의 고유 성질을 나타내는 유전 정보로 정의되며, 유전 알고리즘에 의하여 새로운 캐릭터가 생성되도록 함으로써 게임 캐릭터들의 유기적 생태계가 구축될 수 있다. 제안한 기술을 바탕으로 한 경영 시뮬레이션 웹 게임인 Cryptoy 를 개발하였고, 이를 통해서 제안한 기술의 안전성 및 정확성을 분석하였다.

2020년 전자서명법 개정으로 공인인증서가 폐지됨에 따라 자체 인증 기술의 도입이 필요한 실정이다. 특히나 COVID-19로 인한 비대면 상황이 지속됨에 따라 기존 아날로그 방식을 통해 대면으로 계약서를 작성하고 수립하는데 많은 비효율적 문제가 대두되었다. 디지털 전환 가속화와 비대면 거래확대로 인한 전자 신원확인 중요성이 점차 커지고 있음에 따라 전자 서명 및 전자 봉투 방식으로 계약할 수 있는 안전한 시스템 개발을 진행하고자 한다. 이를 위해 계약 시스템의 보안 요구 사항을 도출하였으며 최종적으로 NFT 연동을 통해 안전한 계약을 진행할 수 있도록 프로세스를 설계하였다. 시스템의 동작 방식을 표현하기 위하여 DFD 등을 포함한 Diagram 형태로 나타내었으며 실제 프로토타입을 제작 후 블록체인 네트워크에 연결한 뒤 테스트를 진행하여 시스템 검증을 수행하였다. 추후 이 시스템을 통해 B2B, B2C 모델 등의 모델 기반 다양한 거래와 계약이 가능하도록 구성할 예정이며 추가적인 연구를 진행하여 사용자 측면에서 더 간편하고 안전한 환경이 될 수 있도록 고도화 시키는 것을 목표로 한다.

허가형 블록체인 기반 데이터 공유 시스템은 분산 환경에서 신뢰 수준을 구축하고 일관된 메시지를 기록 및 공유함으로써 서비스의 상호 운용성을 가능하게 한다. 그러나 허가형 블록체인은 종종 탈중앙화, 보안 및 상호 운용성과 충돌한다. 이는 중앙 집중식 시스템으로 돌아가거나 데이터의 독점 및 남용 및 오용으로 이어질 수 있다. 따라서 CAP (Consistency, Availability, Partition tolerance)에 이론 검증에 따라 메시지 공유, 비잔틴 내결함성 및 메시지 일관성을 고려하고 적용해야 한다. 기존의 PBFT(Practical Byzantine Fault Tolerance) 합의 알고리즘는 노드의 증가시, 장애내성을 갖기위해 계산되어야 할 합의 처리시간이 증가하며, DPOS(Delegated Proof of Stake) 알고리즘은 보상, 리더 선출의 공정성 문제 등에 따라 허가형 블록체인에서의 적합한 방식이 연구되고 있다. 본 논문에서는 서비스의 상호 운용성과 과제에 대해 논의하고 허가된 블록체인의 합의 개선을 통한 데이터 공유 시스템을 제안한다.

공공정보 소프트웨어(SW) 사업에서 프로젝트관리 방법론의 요구 산출물과 개발 산출물이 일치하지 않아 산출물의 누락이 발생하며, 대금 지급을 위한 별도의 프로세스를 진행해야 한다. 본 논문에서는 이더리움의 스마트 콘트랙트를 활용하여 이더리움 기반 공공정보 소프트웨어 사업산출물 관리 시스템을 설계하였다. 발주사의 요청에 따라 수행사가 등록한 산출물을 해시값으로 관리하여 산출물의 누락을 최소화하고, 요청된 모든 산출물이 승인되면 자동으로 수행사에 대금을 지급할 수 있도록 시스템을 설계하였다.

현재 웹툰 시장이 크게 성장하고 있는 가운데, 과도한 매출 수수료 및 불공정 계약 등 부조리한 수익분배 문제가 불거지고 있다. 본 논문은 웹툰 플랫폼의 수익모델을 보완하는 NFT 기반 웹툰거래 및 수익분배 시스템을 소개하고자 한다. NFT 는 고유한 값을 가진 토큰으로, 디지털 자산에 대한 소유권 인증에 용이하며 블록체인 네트워크 상에서 구매 이력 등의 데이터 위변조가 어렵다는 특징이 있다. 또한 암호화폐처럼 손쉽게 거래할 수 있고 재판매가 가능하다는 장점 때문에 예술 분야에서 각광받고 있다. 이에 웹툰에 NFT 를 발행하여 웹툰을 소장 및 거래하고, NFT 소장 비율에 따라 해당 웹툰의 열람 수익을 나눠 가질 수 있는 시스템을 개발하여 제안한다.

최근 환경문제에 관한 관심이 높아짐에 따라 전기차 시스템에 관한 연구개발도 활발히 진행되고 있다. 이에, 본 논문에서는 충전 가능성 예측을 위한 인공지능 기술과 학습 데이터의 무결성 보장, 데이터 속 개인정보 보호를 위한 블록체인 기술을 활용한 스마트 계약 중심의 효율적인 전기차 충전 시스템을 설계한다. 또한, 시스템 구현을 위한 충전 시스템의 충전 전, 충전 중, 충전 후로 나누어 제안하고, 충전소 선택 과정을 그림으로 보이며 실제 구현에 필요한 내용을 구성요소별로 제시한다.

본 논문에서는 지속적으로 늘어나고 있는 내부의 유출자를 탐지하기위해 컨소시엄 블록체인 기술을 활용하여 기업간 직원의 PC사용 행위 로그 데이터를 가명처리하여 블록에 기록하여 네트워크에 참여한 다른 기업들간의 안전한 공유를 통해 내부자 유출 데이터 및 시나리오의 확장하여 내부에서의 유출을 탐지할 수 있는 데이터 셋을 확보하는 연구를 제안한다. 현재 내부자 위협탐지의 한계점중 가장 큰 요소를 차지하는 부족한 실제 사례의 내부자 유출 데이터 셋의 문제점을 본 연구를 통해서 네트워크 참여 기업간의 내부자 유출 데이터를 확장하고 타기업의 유출 사례를 활용해 기업에서 발생할 수 있는 내부자 유출을 미연에 방지할 수 있다.

코로나 19의 확산으로 인해 온·오프라인의 경계가 희미해짐과 동시에 비대면 형태 서비스가 확산되고 있으며, 교육 분야에서도 비대면 화상 강의와 원격수업의 적용이 일상화되고 있다. 기존의 비대면 화상 강의 시스템의 경우, 피교육자 신원확인 미흡에 따른 비인가자 접근 및 교육 방해 행위가 발생하였고, 교육내용 및 보고서 등 교육자와 피교육자 간 송·수신 내용 노출의 위험성이 있으며, 대량의 트래픽 유발에 따른 수업 방해가 가능하여 보안상의 대책이 요구된다. 본 논문에서는 기존의 비대면 형태의 피교육자 신원확인 미흡에 따른 비인가 접근 및 교육 방해 행위와 교육자와 피교육자 사이의 송·수신 내용의 위험성을 해결하고, 대량의 트래픽 유발에 따른 수업 방해에 대한 보안대책으로 블록체인 기반 DID 비대면 실습교육 플랫폼 설계를 제안한다.

개인의 신원정보 보호에 대한 중요성이 높아지면서 개인이 직접 자신의 신원정보를 관리하고 데이터의 주권을 신원정보 소유자에게 부여하는 자기주권 신원 시스템에 대한 관심이 높아지고 있다. 자기주권 신원 시스템 내에서 개인은 스스로 자신을 식별할 수 있는 분산 식별자(DID: decentralized identifier)를 생성하고 분산 식별자 별 개인의 자격을 증명해주는 자격증명(VC: verifiable credentials) 정보를 발급받아 개인이 보유하며 자격증명의 검증을 요구하는 검증자에게 선택적으로 자격증명 정보를 제시한다. 개인의 프라이버시를 보호하기 위해 개인의 자격증명을 제시할 때 신원정보의 실제 데이터는 감추고 자격증명의 유효성은 입증시키는 영지식 증명의 개념을 적용하고 있다. 본 논문에서는 영지식 증명 기술을 살펴보고 하이퍼레저 인디(Hyperledger Indy) 기반 자기주권 신원 시스템에서 영지식 증명 기술 도입 예를 보인다.

자기 주권 신원 증명 기술인 DID가 강력한 인증 수단으로 떠오르고 있다. 이런 DID 기술을 사용한 DIDComm은 중앙을 거치지 않는, 사용자끼리의 통신(P2P)을 가능하게 만들어 주며, 이는 강력한 보안을 제공해 준다. 본 글은 DIDComm 기술을 활용한 P2P 메신저에 대해 작성하였다. 이를 활용한 메신저는 사용자 간의 높은 보안을 가진 통신을 제공해 줄 수 있으며 앞으로의 인터넷 시대, 메타버스 시대에서 주목할 만한 기술이다.

본 논문은 비전 기술을 기반으로 RHS 칼라차트를 이용하여 작물의 색채를 측정하는 특성조사기준에 관한 연구를 수행하였다. 다양한 색상을 가진 작물의 색채를 측정하기 위해 시료 채취 후 표준광원 촬영장치 광원 6500K 환경하에 촬영한 영상을 기반으로 분석 위치를 관심영역 선정 후, k-mean clustering을 활용한 세그먼테이션 방법을 통해 대표 RGB 색상을 획득한다. 획득한 RGB 색상과 RHS 칼라차트의 RGB 색상을 유클리디언 거리를 이용하여 최소화하는 RHS 칼라차트 정보를 추정하였다. 7가지 작물 시료에 대해 작물 형질 분석 전문가들이 측정한 결과와 비교 시 전체 평균 △E 5.013의 오차를 결과로 도출하였다.

스마트 시티에서 교차로의 통행을 관리하는 교통신호 시스템 분야의 목표는 교통 혼잡 최소화 및 처리량 최대화이다. 현재, 신호 제어 시스템은 고정형 시스템을 사용하고 있으며, 효율적이고 유동적으로 교통을 제어하기 위해 적응형 방식의 교통신호 제어 연구가 활발히 진행 중이다. 적응형 방식의 교통신호 방식 중에서 고정된 신호 순서에 상황에 맞는 신호시간을 할당하는 방법이 있다. 본 논문은 고정된 신호 순서가 교통 신호 성능에 미치는 영향을 분석하였다. 그 결과, 신호 순서가 교통신호 성능에 미치는 영향도가 크지 않다는 것을 확인할 수 있었다.

자율주행 기술이 급속도로 발전하고 있지만, 자율주행 레이싱 기술과 관련 산업은 전세계적으로 아직 걸음마 수준이다. 본 연구팀은 국내 자율주행차 대표기업인 (주)언맨드솔루션에서 지원하는 플랫폼을 사용하여 자율주행 레이싱 제어 모델 프레임워크를 설계하고 기초 실험을 진행하였다. 제안된 자율주행 레이싱 제어 모델은 GPS 신호처리부, LiDAR 신호처리부, 영상처리부, 차량제어부, 추월/회피 제어부, 컨트롤러 통신부 등으로 구성된다. 실험을 통해 각 구성요소에 대한 기본 성능을 검증하였고, 레이싱에 최적화된 인공지능(AI) 기반 추월/회피 제어 알고리즘 개발을 위한 중요한 토대를 마련하였다. 본 연구를 바탕으로 2021년 11월에 국내 최초로 개최되는 세계 AI 로보카레이스 대회에 출전하여 제안된 자율주행 레이싱 제어 모델 프레임워크의 성능을 검증할 계획이다.

인간의 보행에는 다양한 분야에서 유용하게 사용할 수 있는 정보를 가지고 있어 의료분야와 수사기관에서 사용되고 있다. 보행 데이터로부터 유용한 정보를 얻어내기 위해 선행되어야 하는 작업은 보행주기를 판별하는 것이다. 본 연구에서는 보행주기 판별을 위하여 발 뒷굽 닿기와 발가락 떼기 행동을 가속도 값과 각속도 값을 사용하여 알아내고, 정확도를 분석하는 알고리즘에 대해 논한다.

합동 해안경계시스템은 해상경계시스템과 해안대침투경계시스템으로 구성되며 주로 해군이 해상경계를, 육군이 해안경계를 책임지고 있는 시스템이다. 해군 및 육군의 다양한 무기체계가 복합적으로 운용되는 해안경계시스템의 작전효과를 시뮬레이션 기법을 이용하여 분석하였다. 작전효과 분석을 통해 현재 운용중인 해안경계시스템의 기상상태별 작전성공률 계량화가 가능하였다. 연구결과는 효과적인 합동 해안경계시스템을 구축하고 체계적인 경계작전을 수행하는데 활용될 수 있다.

본 논문에서는 주행 중 운전자의 운전작업 중 전방 주의집중 여부를 모니터링하는 연구 방안들을 조사하고 최신 연구 동향을 분석하였으며, 자율주행자동차에서 운전자의 주의집중이 필요한 상황들에 대해 사전에 안내하는 방안을 제시하고자 한다. 연구 동향을 조사한 결과 대부분의 방법은 시각 자료 기반과 생체신호 기반으로 진행하고 있다. 연구분석 결과를 바탕으로 두 가지 방법 중 본 연구에서는 시각 자료 기반 연구 방법에 초점을 맞추어, 자동차에 설치된 카메라를 통해 수집된 영상에서 운전자의 운전작업 주의 여부를 식별하는 방법들에 대해서 분석을 진행하였다. 주행 영상에서 HoG(histogram of oriented gradients) 특징과 딥러닝 학습을 통해 운전자의 주의집중 여부를 모니터링하는 방법이 효과적임을 제시한다. 본 연구조사를 통해 분석된 운전자 모니터링 방안들을 자율주행 자동차에 적용하기 위한 운전자 주의 태만 경고시스템에 적용이 가능함을 제시한다.

본 연구는 기업에서 로봇프로세스 자동화(Robotic Process Automation, RPA)의 실질적 적용가능성 확인을 위해 개념증명(Proof of Concept, PoC) 차원에서 RPA를 활용하여 법인카드 정산업무 자동화를 설계 및 구현하였다. 이를 위해 법인카드 정산업무 수행을 위한 프로세스 분류와 각 단계별 사용자 입력 요구사항을 상세분석하였으며, RPA 자동화영역 발굴을 통해 실제 시범운영 서비스로 구현하여 실효성을 검증하였다.

해마다 실내 냉방기 냉매누설 문제가 고질적으로 반복되며 소비자들의 피해도 커져가고 있다. 특히 제조사와 설치 업체가 다른 경우 냉매 누수의 원인이 제품인지, 설치하자인지 책임소재를 두고 갈등을 빚는 경우가 빈번하다. 이에 더 이상 소비자들의 피해를 막기 위해 냉매누설 검출 방안 마련이 필요해 보인다. 본 연구에서는 실내 냉방기 설치 후 냉매누설 검출을 위한 별도의 하드웨어 장치 추가 없이 냉방기의 운영을 위해 설치된 센서들의 값을 이용하여 냉매누설의 유무를 판단할 수 있는 방안을 제안하는 것을 목적으로 한다. 데이터 분석을 위하여 제조사의 제품 출하 전 현장 테스트 단계에서 측정한 온도값, 전류값, 습도값을 취합하여 데이터 셋을 구축하였다. 이때 자동화된 머신러닝(AutoML)을 이용하여 데이터의 80%를 훈련 데이터로 20%를 테스트 데이터로 사용하여 냉매량 80%는 1, 그 이하는 0으로 훈련시켰다. 구축한 데이터 셋을 이용하여 훈련시킨 결과 99% 정확도로 냉매누설 검출을 분별할 수 있었다. 또한 냉매누설과 관련성이 높은 중요 특징 4개를 추출할 수 있었다. 본 연구를 통하여 별도의 하드웨어 장치 추가 없이 소프트웨어적인 접근 방법으로 문제를 해결할 수 있는 feasibility를 확인할 수 있었다.

본 논문에서는 가상현실에서 작업 과정별 컨트롤러 활용에 관하여 연구한다. 가상현실은 실제와 유사한 공간적, 시간적 체험을 하게 하여 교육, 산업, 훈련, 관광 등 다양한 분야에서 가상현실을 활용하고 있다. 하지만 실제 작업 과정과 비교했을 때 컨트롤러의 모양, 진동, 시각효과, 소리 등 여러 차이로 인하여 몰입감이 떨어지는 상황이다. 본 연구에서는 그중에서 컨트롤러를 활용하여 실제 작업과정과의 차이를 줄이는 방법에 관하여 연구한다. 실제 작업 과정과 차이를 줄인다면 사용자에게 최적의 경험을 주고 현실 작업과 가상현실 작업과의 차이를 줄여 교육, 훈련, 산업 분야에 도움을 줄 수 있을 것으로 기대된다.

한의사의 복진을 모사하는 진단기기와 이를 이용하여 질환과 변증을 분류하는 알고리즘을 개발하는 연구가 진행되고 있다. 본 연구에서 적외선 체열 영상과 접촉식 온도계로부터 구성되는 복부 영역별 체열 영상 시스템을 제시하였고, 복부 영역의 절대 온도를 보정하는 방법을 살펴보았다. 접촉식 온도계를 활용해 추가로 복부표면 온도를 측정하였고, 동시에 열화상 카메라로도 영상을 촬영하여, 동일위치에서 열화상 영상의 온도값과 접촉식 체온계의 온도값을 비교해 전체 열화상 영상을 보정하였다. ICC 값이 0.96으로 나와 높은 재현성을 보였다.

최근 전기자동차의 수요가 급증하면서 전기차 충전 인프라에 대한 요구도 높아지고 있다. 따라서 전기차의 보급률에 비해 부족한 충전 인프라의 한계를 극복하기 위해 가정에서 쉽게 사용할 수 있는 이동형 충전기의 사용률도 높아지고 있다. 고속 충전소와 다르게 이동형 충전기의 경우 사용자의 특성(배터리용량, 주행량, 충전빈도, 충전시간 등)에 맞춰 충전 시간과 장소, 요금 등을 제안할 수 있는 맞춤형 부가 서비스를 창출할 수 있다. 이를 통해 결과적으로 주택 또는 건물과 도시 수준에서의 전기차 충전을 위한 전력 부하를 절감하는 효과를 가져올 수 있다. 본 논문은 이러한 부가 서비스를 창출하기 위한 이동형 충전기 사용자 데이터의 특성들을 분석한다.

최근 인공지능 기술이 발전하면서, 일상에서 인공지능 기반 챗봇을 어렵지 않게 접할 수 있다. 챗봇 기술이 발전하면서, 챗봇을 구현하기 위한 다양한 챗봇 프레임워크가 등장하였다. Google 의 Dialogflow 는 최소한의 코딩으로 챗봇을 설계하고, 생성하기 위한 오픈소스 챗봇 프레임워크로 Facebook Messenger, Telegram, Slack 등 여러 메신저 플랫폼과 연동이 된다. 본 논문은 Dialogflow 를 이용한 프로토타입 챗봇 구현을 통하여 Dialogflow 의 특징인 Dialog(대화)의 Flow(흐름)를 만들기만 하면 이를 통해 챗봇을 만들어 지는 용이성 검증을 시행하였다.

글로벌시대가 시작되면서 많은 사람들이 외국인과 소통하는 일이 많아졌다. 해외에 있는 사람들과 소통하기 위해 많은 사람들이 요금이 부과되지 않는 모바일 메신저를 사용한다. 하지만 많은 모바일 메신저에서는 번역기능을 제공하지 않는다. 본 연구는 다국적 언어 소통을 위한 번역이 가능한 모바일 메신저를 제공한다. 외부 번역 naver papagoAPI 와 firebase의 인증, 실시간 데이터베이스를 이용하는 안드로이드 기반 자동 번역 채팅 앱과 연결하여 자동 번역 채팅 서비스를 구현하였다. 본 논문의 애플리케이션은 기존에 번역기나 챗봇을 사용해야 했던 불편함은 낮추고 외국어 채팅의 자유도를 높여주는 결과가 나타난다. 이를 통해 자연스러운 외국어 채팅이 가능하도록 하여 서로 다른 언어를 사용하는 사람들과 언어에 상관없이 자유로운 의사소통을 가능하도록 한다.

본 논문에서는 카페나 패스트푸드점같은 장소에서 인간을 대신하여 임의의 위치에 있는 다양한 컵을 3D 카메라로 검출하여 알맞은 위치로 분리수거하는 6축 수직 다관절 로봇 팔을 설계하였다. Yaw-Pitch-Pitch-Pitch-Yaw-Yaw 6축 구조로 설계하였으며, 이를 구동하기 위한 관절 구동기의 용량을 분석을 통해 최적화하였다. 각각 재질이 다른 컵을 그리퍼를 이용하여 잘 파지할 수 있도록 재질에 따른 파지력을 분석하였고 압력센서를 이용하여 재질이 다른 컵을 구분하여 분리수거 할 수 있도록 하였다. 실험을 통해 로봇의 성능과 개선점을 제시하였다.

본 논문에서는 서비스용 다관절 로봇팔의 주요기능인 다양한 컵의 검출과 조작, 이동등을 지능적으로 구현하기 위해 로봇 오픈소스 운영체제인 ROS(Robot Operation System)을 기반으로 관련 프로 그램을 개발하고 기능을 구현하였다. 연구의 주요 목표인 다양한 종류의 컵, 병과 같은 물체를 실수없이 집어서 옮기기 위한 처리과정으로 관심물체인식, 3D좌표생성, 결과데이터의 역 기구학 해석등을 수행하였으며, 이를 통해 각 기구부의 축들이 물체에 정확히 도달하고 동작의 오류를 최소화하기 위해 ROS기반의 6축 서비스 로봇팔을 활용한 경로 생성과정과 물체의 검출 성능 과정 및 실험등을 제시하였다.

본 논문은 서비스 로봇 분야에서 활용 가능한, ROS기반의 객체검출과 이동 기능을 갖는 6축 로봇 팔의 설계 방법 및 성능 개선결과를 제시한다. 기구설계, 물체검출, 3D좌표생성을 통한 실시간 역 기구학 해석 방법 및 지능적 모터 및 센서 제어 방법 등에 대해 제시하였다. 특히 영상과 센서기반 처리를 통해 고정된 작업반경 내 물체를 지능적으로 검출하고 목표지점까지 이동시키며, ROS기반의 추출된 정보를 이용하여 동작의 오차를 최소화하기 위해 다관절 로봇 팔의 운동을 최적화하여 설계하였으며 다양한 관련 실험을 통해 주요성능을 검증하였다.

지역사회에서는 병원퇴원 후 경증장애인의 체력회복을 도와 일상생활로의 복귀를 지원하고 노인 등 취약계층의 건강유지 및 증진을 위한 저비용 개인맞춤형 재활운동 서비스 시스템이 요구된다. 특히, 병원과의 데이터 연계를 통해 개인의 건강상태, 질병에 따라 최적화된 재활운동이 관리될 경우, 효율적인 재활 및 2차 부상방지를 지원할 수 있다. 이에, 본 연구에서는 재활운동의 비용감소와 장애인 및 노인 등 취약계층의 운동재활 접근성(코칭/시설) 강화를 위한 O2O(Online-to-Offline) 연계 AI 기반 개인맞춤형 운동재활 서비스 시스템을 설계한다.

전기 자동차 에너지 시스템을 개발하기 위해서는 열 유체-전자기장 연성해석이 필요하다. 이를 위해 열 유체와 전자기장 각각의 해석에 특화된 패키지들을 사용하고, 이 패키지의 실험 결과를 저장 장치를 통해 주고받는다. 하지만 이는 저장장치 I/O 횟수를 늘려서 전체 계산 과정을 느리게 만들 수 있다. 데이터 교환을 MPI 패키지를 이용하여 DRAM 을 통해 이루어지도록 만들 수 있지만, 이는 계산 결과의 지속성을 악화시킨다. 즉, 열 유체 및 전자기장 연산과정에서 속도와 결과의 지속성은 상충적인 관계 갖는다. 본 연구는 이러한 관계를 실험적으로 분석하고 데이터의 지속성을 완화했을 때 이에 의해 얻을 수 있는 성능 이익을 분석한다.

반도체 디스플레이 기술과 정보통신 기술의 발전으로 디지털 사이니지는 기존의 단순 옥외 광고매체에서 탈피하여 이용자 맞춤 광고나 정보를 제공 및 스마트폰과 연동하여 콘텐츠 제공 가능한 시스템으로 발전하고 있다. 본 연구에서 디지털 사이니지의 작동오류의 위험성을 낮추며 비용절감을 할 수 있도록 제어 서버의 역할을 축소시키고 엣지 영역으로 서버의 역할을 최대한 분담하는 서버리스 기반 디지털 사이니지 시스템 구축 가능성에 대해 연구한다.

라즈베리파이에 아두이노를 사용해 조도, 냉각기, 열선패드 등의 센서를 사용하여 하드웨어를 구축한다. 또한 라즈베리파이에 웹 서버(PHP)를 구축하고 데이터베이스(MySQL)에 센서 값을 담아 실시간으로 웹 서버에 출력하고 제어한다. 본 논문에서는 환경이 조절되는 스마트팜의 설계 과정(UML, Use Case, DataBase 설계, 모듈 설계 등)을 포함하고 웹 서버에서 센서를 동작할 수 있게끔 만드는 과정을 설명한다.

의료산업은 진단 및 치료 위주의 기술개발이 진행되어왔다. 최근 의료 빅데이터를 기반으로 진단, 치료 및 재활뿐만 아니라 예방과 예후관리까지 지원하는 의료서비스에 대한 패러다임이 변화되고 있다. 특히, 여러 의료 중심의 플랫폼 기술 가운데 객관적인 진단지표를 가지고 있는 의료영상을 기반으로 인공지능 학습에 적용하여 진단 및 예측을 중심으로 한 플랫폼 개발이 진행되고 있다. 하지만, 인공지능 연구에는 많은 학습 데이터가 요구될 뿐만 아니라 학습에 적용하기 위해서는 데이터 특성에 따른 전처리 기술과 분류 작업에 많은 시간 소요되어 이와 같은 문제점을 해결할 수 있는 방법들이 요구되고 있다. 따라서, 본 논문은 인공지능 학습까지 적용하기 위한 의료영상 데이터에 대한 확장 모델을 개발하여 공통적인 조건에 따라 의료영상 데이터가 표준화되어 변환하며, 자동화 시스템 구조에 따라 데이터가 분류·저장되어 인공지능 학습까지 지원할 수 있는 플랫폼을 제안하고자 한다. 그리고 근감소증 학습데이터 관리 및 적용 결과를 통해 플랫폼의 수행성을 검증하였다. 향후 제안한 플랫폼을 통해 의료데이터에 대한 전처리, 분류, 관리까지 지원함으로써 CDM 확장 표준 의료데이터 플랫폼으로 활용 가능성을 보였다.

SPL 방법론을 적용하여 개발한 제품군 시험은 모든 제품에서 사용되는 공통 부분과 일부 또는 단일 제품에서만 사용되는 가변 부분을 종합적으로 고려해야 하기 때문에 단일 소프트웨어 시험과는 상당히 다르다. 시험 커버리지는 작성된 시험에 대한 적절성을 측정하는 데에 사용되는 동시에 적절한 시험을 작성하기 위한 가이드로 사용되기 때문에 중요하다. SPL 시험에서 시험 커버리지 측정은 제품군을 구성하는 멤버제품 별로 측정될 수도 있지만, 이는 재사용을 기반으로 중복된 개발관련 활동의 최소화를 지향하는 SPL 의 원칙에 맞지 않다. 따라서 개별 제품이 아닌 SPL 수준에서 시험 커버리지 기준을 측정하고 시험의 적절성을 평가하기 위해서는 다른 방법이 필요하다. 이 논문에서는 구성가능한 소프트웨어 시스템(highly configurable software system)에 SPL 시험 방법을 적용하여 SPL 기반 제품군을 위한 시험 커버리지의 측정 방법을 제안하고 실험의 수행 결과를 기술하여 제안한 방법의 적절성을 검증한다.

농업에 ICT 기술을 접목한 스마트팜은 단순한 생육 환경 모니터링에서 벗어나 작물 생육을 위한 최적의 환경을 발견하고 인공지능에 기반한 자율제어가 가능한 농업으로 나아가고 있다. 자율제어가 가능한 농업의 시작은 최적의 작물 생육 환경을 아는 것이다. 이를 위해서는 관련 데이터를 수집하는 것도 중요하지만, 수집된 데이터들의 품질을 검증하고 데이터를 분석하여 작물 생육 환경을 제어하기 위한 유용한 정보를 도출해야 할 필요가 있다. 본 연구에서는 사용자들이 수집한 데이터를 활용하여 작물 생장에 필요한 정보를 얻을 수 있도록 지원하는 애플리케이션의 프로토타이핑 결과를 기술한다. 이 시스템에서 사용자는 웹브라우저를 통해 수집된 데이터들을 입력하고 원하는 분석을 요청하게 되고, 서버는 사용자의 요청과 관련된 R 스크립트를 실행하고 분석 결과를 사용자에게 전달한다.

갑상선 결절(thyroid nodule)은 검진 인구에서 빈번하게 진단되는 질환이지만 현재까지 진단방법은 경험적이며 정성적 판단에 의존하고 있는 실정이다. 본 연구는 갑상선 결절을 평가하기 위하여 시행한 초음파 의료영상을 이용하여 정량 분석할 수 있는 소프트웨어를 개발하였으며 갑상선 양성 결절환자에서의 임상활용 가능성을 평가하고자 한다. 임상 연구는 총 13명의 갑상선 양성 결절 환자를 대상으로 하였다. 환자별 갑상선 초음파영상을 이용하여 정상부위와 병변부위에서 정량 지표인 변동계수를 각각 측정하였다. 환자별 정상부위와 병변부위의 변동계수 차이는 대응표본 T 검정을 사용하여 비교하였으며 유의한 차이를 확인할 수 있었다. 본 연구를 통하여 개발한 정량분석 소프트웨어를 실제 갑상선 양성 결절 환자에서 갑상선 결절을 분석·평가하는데 활용할 수 있을 것으로 판단된다.

In training a deep learning model, it is crucial to tune various hyperparameters and gain speed and accuracy. While hyperparameters that mathematically induce convergence impact training speed, system parameters that affect host-to-device transfer are also crucial. Therefore, it is important to properly tune and select parameters that influence the data loader as a system parameter in overall time acceleration. We propose an automated framework called Num Worker Tuner (NWT) to address this problem. This method finds the appropriate number of multi-processing subprocesses through the search space and accelerates the learning through the number of subprocesses. Furthermore, this method allows memory efficiency and speed-up by tuning the system-dependent parameter, the number of multi-process spawns.

산업제어시스템은 IT 기술의 발전에 따라 다양한 기기 환경과 네트워크를 적용해 진화하고 있다. 이러한 상황에서 사이버 보안의 위협은 가중되고 있으며, 이를 예방하는 방법의 하나로 산업제어시스템에 탑재되는 소프트웨어의 소스코드 개발 과정에서 보안 취약점을 예방하기 위해 소스코드 보안 룰을 적용하여 위반사항을 제거한다. 본 연구에서는 소스코드 보안 룰에서 적용 우선순위를 선정하기 위한 가이드를 개발한다.

본 논문에서는 fork-join과 work stealing을 이용하여 동적 병렬처리를 수행하는 라이브러리를 구현하였다. 이 라이브러리는 병렬처리를 직관적으로 할 수 있는 함수형 프로그래밍 스타일의 파이프라인 API를 제공한다. 이를 이용한 성능 테스트에서 멀티코어를 제대로 활용하는 결과를 얻을 수 있었다. 마지막으로 blocking 작업 실행 시 병렬성 유지를 위해 추가로 개선할 수 있는 방법을 제시한다.

유동인구 예측은 상권의 특성에 따른 점포의 입지 선정 및 고객 맞춤형 마케팅 등 민간 분야에서부터 교통망 등 사회 간접 자본 설계를 위한 공공 분야에 이르기까지 다양한 목적으로 연구되어 왔으며, 최근에는 Covid-19 의 확산에 따라 그 중요도가 더욱 높아지고 있다. 보다 정교한 예측을 위해서는 전체적인 유동 인구 뿐만 아니라 특성 별로 세분화된 하위 그룹에 대해서도 정확한 예측이 요구되나, 기존의 예측 모델들은 이러한 데이터의 계층 구조를 고려하지 않았다. 본 연구에서는 세분화된 하위 그룹 별 유동인구의 예측 정확도를 높이기 위해 전체 유동인구의 패턴을 동시에 활용하는 Global-Local 구조 기반의 Deep Learning 유동인구 분석 모델을 제안한다. 실험 결과 단일 시계열 데이터만을 사용하는 경우 대비 5.4%~52.6%의 예측 오류 감소 효과가 있음을 확인하였다.

본 연구는 최근 ICT분야 R&D 동향을 파악하기 위하여 NTIS에서 제공하는 국가연구개발사업 과제정보를 텍스트 마이닝 기법을 통해 분석하였다. 2017년부터 2020까지의 과제 정보에서 키워드를 추출하고 연결 관계 마이닝을 통해 키워드 네트워크를 시각화하였다. 분석 결과는 다음과 같다. 첫째, 정보통신 각 분야에서 핵심 연구주제가 기술의 발전에 따라 변화하고 있음을 관찰하였다. 둘째, 키워드 네트워크 상에서 허브 역할을 하는 키워드를 통해 분야 간 융합의 매개 기술을 파악할 수 있었다. 마지막으로, 연도별 키워드 네트워크를 비교·분석함으로써 새롭게 등장하거나 연결 상태의 변화를 보이는 이머징(Emerging) 키워드를 통해 미래 유망 기술이나 최신 연구 방향성을 감지할 수 있음을 보였다.

최근 자연어 처리에 대한 관심이 증가함에 따라 자연어 처리 기술을 활용한 다양한 추천 시스템이 등장하고 있다. 본 논문에서는 자연어 처리를 이용한 서비스를 개발한다. 본 논문에서 개발한 서비스는 KoNLPy 와 Word2Vec 을 이용하여 크라우드 펀딩 프로젝트 창작자 및 후원자에게 키워드 및 키워드와 유사한 단어가 제목에 포함되는 프로젝트를 추천해준다. 단문 텍스트로서 프로젝트 제목을 사용하여 데이터를 자연어 처리 한 후, 딥러닝 모델에 적용시켜 추출한 데이터를 기반으로 창작자와 후원자에게 추천해주는 방식이다. 따라서 본 서비스는 프로젝트 제목 정보를 통한 추천 시스템의 개발로, 나아가 영화, 도서와 같은 콘텐츠 추천 분야에도 적용할 수 있을 것으로 기대한다.

본 논문에서는 코로나-19로 인해 홈 트레이닝 시장이 성장하고 있는 상황 속에서 효율적인 운동을 위해 사용자의 식습관, 신체조건, 선호도 등을 바탕으로 적합한 운동을 추천해주는 시스템을 제안한다. 먼저 K-최근접 이웃 알고리즘을 활용해 비만의 정도에 따라 사용자를 분류하고, 운동 데이터를 소모 칼로리에 따라 클러스터링 한다. 다음으로 비만의 정도와 운동 레벨에 따라 정해진 추천 점수를 통해 사전 선호도 확률을 계산하고, 베이지안 네트워크를 통해 사후 확률을 구한다. 이를 바탕으로 특이값 분해 알고리즘(SVD)를 활용하여 사용자 맞춤형 운동을 추천한다. 제안 시스템의 성능을 검증하기 위해 비교 실험을 진행하여 회귀 문제 평가 척도인 RMSE 값 측면에서 성능을 분석하였다.

The accuracy of real-time video analysis system based on 3D skeleton data highly depends on the quality of data. This study proposes a methodology to distinguish noise in 3D skeleton frames using Intersection Over Union (IOU) method. IOU is metric that tells how similar two rectangles (i.e., boxes). Simply, the method decides a frame as noise or not by comparing the frame with a set of valid frames. Our proposed method distinguished noise in 3D skeleton frames with the accuracy of 99%. According to the result, our proposed method can be used to track noise in 3D skeleton frames.

DBMS 파라미터 튜닝이란 데이터베이스에서 제공하는 다양한 파라미터의 값을 조율하여, 최적의 성능을 도출하는 과정이다. 데이터베이스 종류에 따라 파라미터 개수가 수십 개에서 수백 개로 다양하며, 각 기능이 모두 다르기 때문에 최적의 조합을 찾는 것은 쉽지 않다. 선행 연구에서는 BO 기법을 사용하여 적절한 파라미터 값을 추출했지만, 파라미터 개수에 비례하여 차원이 커지는 문제가 발생한다. 본 논문에서는 통계적으로 파라미터를 분류하여 탐색 공간을 줄인 다음 단계적으로 BO 를 수행하는 PBO 방식을 제안한다. 파라미터 값을 랜덤하게 할당하여 벤치마킹한 결과값을 군집화한 후, 각 군집별로 파라미터와의 연관성을 분석해 높은 상관관계를 가진 파라미터를 매칭시켜 분류한다. 제안하는 방법론을 검증하기 위하여 8 가지 회귀 모델과의 비교 실험을 통해 제안한 방법론의 우수성을 검증하였다.

최근 다수의 문서를 고려해야하는 다중홉(multi-hop) 추론과 같은 복잡한 문제를 해결하기 위해 계층적 그래프 신경망기반 질의응답 시스템이 제안되었다. 계층적 그래프 신경망 기반 질의응답 시스템은 사람의 정확도를 뛰어넘었으나 제한된 문서를 통해 추론을 진행하기 때문에 문서에 충분한 정보가 없을 경우 추론에 실패할 가능성이 존재한다. 따라서 본 논문에서는 위 문제를 해결하기 위해 정보를 재탐색하고 기존의 그래프 정보와 병합하여 기존의 정보와 새로운 정보를 고려하여 재추론 할 수 있는 그래프 병합 기법을 제안한다. 제안하는 그래프 병합 기법은 사전에 정의된 규칙에 의해 수행되며 노드의 병합 및 연결을 통해 새로운 그래프를 도출한다. 새로운 그래프는 그래프 신경망을 통해 추론을 진행하여 기존 정보와 새로운 정보를 고려한 정답을 도출할 수 있다.

재난 및 위기상황이 발생하면 해당 상황을 신속하고 정확하게 파악해야 많은 사람들을 구조할 수 있다. 본 논문은 SNS에서 재난 및 위기 상황을 정확하게 인식하는 연구를 진행한다. 텍스트 정규화, 워드 토큰화, 단어 임베딩 과정을 통해 전처리를 진행하고 키워드와 여러 특징들을 뽑아 SVM classifier를 사용하여 분류 작업을 실시한다. 실험결과 재난과 연관이 있는 경우에 해시태그의 빈도수, URL 빈도수, 두 키워드간의 거리가 다른 특징들의 조합보다 더 좋은 결과를 나타내었다.

교통약자의 이동권 보장을 위한 다양한 제도와 교통서비스가 국내외에서 시행되고 있다. 그러나 교통약자를 위한 정책이 이동편의시설 확충이나 특별교통수단·저상버스 확보 등에 치우쳐 있다. 이로 말미암아 교통수단간 연계와 이용자 관점의 서비스 편의성과 자율성 확보에는 여전히 한계가 있다. 본 연구에서는 교통약자 이동편의를 국내외 정책과 서비스 사례를 살펴보고, 마이데이터를 활용한 교통약자 이동지원 서비스 모델을 제시한다.

최근 데이터 산업 발전과 함께 데이터를 저장, 공유, 거래가 가능한 다양한 데이터 저장소와 거래소가 증가하고 있다. 대부분의 데이터 저장소 및 거래소는 데이터 검색과 공유를 위해 DCAT 기반 메타데이터를 구성하고 있다. 하지만 DCAT 기반 메타데이터는 웹 검색 엔진에서 검색이 잘되지 않는 문제점을 가지고 있다. 이는 웹에서 자원을 출판하기 위한 데이터 모델 기법이 Schema.org 방법을 사용하고 있기 때문이다. 본 논문에서는 이런 문제점을 해결하기 위해 DCAT 기반 메타데이터를 Schema.org 방법으로 변환할 수 있는 새로운 기법을 제안한다. 제안하는 변환 기법은 데이터 저장소와 거래소 내 데이터셋이 웹에서 잘 검색될 수 있는 웹 출판 기능을 지원한다.

텍스트 분류(text classification)는 원시 텍스트 데이터로부터 정보를 추출할 수 있는 기술에 기반하여 많은 양의 텍스트 데이터를 관심 영역으로 분류하는 것으로 최근에 각광을 받고 있다. 본 논문에서는 워드 임베딩(word embedding) 기법을 이용하여 특정 분야의 연구 논문을 분류하고 추천하는 기법을 제안한다. 워드 임베딩으로 CBOW(Continuous Bag-of-Word)와 Sg(Skip-gram)를 연구 논문의 분류에 적용하고 기존 방식인 TF-IDF(Term Frequency-Inverse Document Frequency)와 성능을 비교 분석한다. 성능 평가 결과는 워드 임베딩에 기반한 연구 논문 분류 기법이 TF-IDF에 기반한 연구 논문 분류 기법보다 좋은 성능을 가진다는 것을 나타낸다.

정부는 '한국판 뉴딜 1.0'(2020.7)과 '한국판 뉴딜 2.0'(2021.7)을 발표하여 국가의 새로운 미래를 설계하고자 디지털뉴딜, 그린 뉴딜, 휴먼 뉴딜, 지역균형 뉴딜 분야에 집중 지원 중이다. 이 중 디지털 뉴딜은 사회, 경제 전반에 걸친 디지털화의 확산 및 디지털 신사업 육성이 목표이다. 본 논문에서는 디지털 뉴딜과 관련해 인공지능(AI)과 이동통신(5G) 분야에 대해 국가R&D 지원 현황 등을 분석하였다. 분석 데이터는 2015년부터 2020년까지 NTIS에서 서비스하는 총 61,356건 과제와 총 198,355건 성과정보를 키워드 추출을 통하여 수집하였다. 데이터 분석 결과 각 분야의 과제와 연구비, 논문 성과는 지속적으로 증가하고 있으나, 특허 성과는 최근 소폭 감소하는 것을 알 수 있었다. 정부가 추진하는 한국판 뉴딜 정책의 혁신성장 성과분야에 대해 이용자가 바로 파악할 수 있도록 다양한 분석을 통하여 향후 NTIS에서 서비스할 계획이다.

정보통신 기술(ICT)의 발달로 이루어진 4 차 산업혁명으로 '빅데이터'의 시대가 도래하고 있다. 소셜 네트워크 서비스(SNS), 사물인터넷(IOT), 인공지능(AI) 등 다양한 장소에서 다양한 형태로 데이터들이 쌓이고 있다. 그중 MBTI 성격유형 검사를 통한 다양한 분석 시스템이 많아지고 있다. 사람들은 재미를 위해 자신의 성향을 입력하고 정해진 MBTI 검사 기준을 통해 결과를 받는다. 이러한 개개인의 성향 데이터를 모으면 거대한 빅데이터 플랫폼을 만들 수 있을 것이라 기대한다. 이에 본 논문은 구체적인 방안을 제시하고자 한다.

대용량 실험데이터를 생성하는 가속기, 전자현미경, 전파망원경 등과 같은 첨단 실험장비들의 기술적 발전으로, 생성되는 실험데이터의 규모가 폭발적으로 증가하고 있다. 이에 따라, 데이터 분석연구에 대용량 데이터의 저장이 가능하고, 데이터 분석에 필요한 고성능 계산 서버를 갖춘 전문 데이터센터의 활용이 증가하고 있다. 본 논문에서는 이러한 전문 데이터센터를 연계한 데이터 분석 연구환경구축에서 가장 기본이 되는 데이터수집을 위한 고성능 데이터 전송 시스템을 구현하고, 이를 적용한 사례를 통해 제안하는 시스템의 효율성을 검증한다.

관세법에서는 해외직구물품이 일정금액(미화 150불, 단 미국은 미화 200불)이하 또는 자기사용 물품으로 인정되는 경우에 제세를 면제토록 규정하고 있으며 관련규정을 어길시 관세법상 무신고 밀수입죄에 해당된다. 본 논문은 해외직구 리셀러(되팔이)가 증가하고 해당 사항이 사회적 이슈로 대두되기에 해외직구 물품 불법거래에 관한 모니터링시스템을 설계하고 해석하였다. 온라인 중고 사이트(e-commerce)에서 거래되고 있는 거래 내용을 크롤링을 통하여 데이터를 수집·전처리를 통해 구조화하고 데이터 정제, 텍스트 범주화, 텍스트 마이닝 등 관계 예측을 해석하였다.

코로나19로 인한 언택트 문화의 확산으로 오프라인 중심의 소비를 주 매출로 하는 매장은 많은 어려움에 처해 있다. 또한 부외수입과 실용적 소비를 추구하는 사람들이 늘어나면서 온라인 중고거래 플랫폼이 성장하고 있으며, 특히 중고도서는 거래액이 크지 않아 수요가 많은 품목이다. 그러나 공유를 통한 도서대출 서비스는 편의성 높은 플랫폼 부재와 도서전달을 위한 비용문제가 있으며 다양한 서비스 또한 부재한 상황이다. 본 논문에서는 가정마다 보유한 도서의 활용률 제고와 매장의 이용 활성화를 위한 매장거점 도서공유 방법을 제안하여 사용자의 접근성이 높은 매장 내에 설치된 북박스를 통한 딜리버리 서비스를 통해 도서 전달비용 절감과 중고도서의 단순매매가 아닌 대여 서비스가 가능한 장점이 있고, 오프라인매장에서 도서전달뿐만 아니라 도서를 이용할 수 있게 하여 도서이용의 상시성과 다양한 매장과의 다양한 프로모션을 통해 매장 이용 활성화가 가능한 장점이 있다.

원전 빅데이터를 효율적으로 분석하고 수집된 데이터를 인공지능 서비스에 활용할 수 있도록 제공하기 위해서는 원전 데이터에 특화된 빅데이터 플랫폼이 필요하다. 단순히 시간 순으로 나열된 원시(Raw) 데이터는 의미있는 단위로 논리적으로 구분되어 관리될 필요가 있고, 사건/사고의 발생에 따른 분류가 필요하다. 뿐만 아니라, 다수의 데이터들을 분석하여 수천 개의 계측신호들 중에서 원하는 목적에 적합한 신호가 어떠한 것들인지를 찾아낼 수 있는 데이터 분석이 지원될 필요가 있다. 이는 기계학습 애플리케이션을 개발할 때 필수적인 고품질의 데이터 제공에 크게 기여할 수 있다. 본 연구에서는 원전 데이터를 효과적으로 처리하고 분석하기 위한 원전 데이터 전처리 및 분석 기술을 고안하고 이를 빅데이터 저장 인프라와 통합한 원전 빅데이터 처리 체계를 소개한다. 본 연구의 결과물은 본격적인 원전 빅데이터 시스템 구축 사업에 활용될 것으로 기대된다.

전 세계적으로 확산된 코로나19의 장기화로 인해 국민들은 경제적, 심리적 어려움을 겪고 있으며, 이에 따른 자살 시도에 대한 우려가 높아지고 있다. 본 연구에서는 자살사망자 통계와 자살 관련 뉴스 기사의 토픽 모델링을 통해 코로나19가 자살에 미친 영향을 분석하였다. 그 결과 수치적으로는 재난 직후 자살률이 일시적으로 감소하는 '허니문 기간'을 보였고, 의미적으로는 자살 예방에 대한 중요성이 지속적으로 부각되었다. 또한 유명인 또는 사회적으로 이슈화된 사건에 대한 수사 및 사실관계가 언론을 통해 드러났으며, 연초를 지나도 꾸준히 유지되는 경제 관련 이슈가 도출되었다.

관광 분야에서 온라인 리뷰의 중요성이 커지고 있다. 온라인 리뷰의 텍스트 데이터는 파악이 어렵다. 이에 본 연구에서는 특정 관광지에 대한 온라인 리뷰 텍스트 데이터가 나타내는 전반적인 의견을 직관적으로 도출하는 방법에 대해 알아보고자, 토픽 모델링과 Markov Chain을 시행했다. '해운대'에 대한 온라인 리뷰를 수집한 후, LDA와 BTM을 활용하여 주제를 도출하고, Markov Chain을 시각화하여 키워드 간의 관계와 전체적인 평가 내용을 확인했다. 사용된 기법은 각자 특징적인 결과를 제시했기 때문에 다양한 기법을 상보적으로 이용하기를 제안하였다.

인터넷 서비스의 발전으로 프로젝트의 규모가 커짐에 따라 발생하는 문제를 해결하기 위해 프로젝트의 구조가 Monolith 구조에서 Micro Service 구조로 변하는 중이다. Micro Service 구조는 각각 독립된 데이터베이스를 가지기 때문에 각 서비스들 간에 데이터를 공유하고 관리하는 것에 어려움이 있다. Apache Kafka와 같은 분산 메시징 시스템은 여러 개로 분산된 서비스 간에 메시지를 전송 및 수신하여 데이터의 통신과 교환을 가능하게 한다. 본 논문에서는 분산 메시징 시스템에서 지원하는 압축 방식 별로 성능을 측정하고 분석하고자 한다.

Nowadays recommendation systems are so ubiquitous, where our many decisions are being done by the means of them. We can see recommendation systems in all areas of our daily life. Therefore the research of this sphere is still so active. So far many research papers were published for clothing recommendations as well. In this paper, we propose the clothing-recommendation system according to user emotion and weather information. We used social media to analyze users' 6 basic emotions according to Paul Eckman theory and match the colour of clothing. Moreover, getting weather information using visualcrossing.com API to predict the kind of clothing. For sentiment analysis, we used Emotion Lexicon that was created by using Mechanical Turk. And matching the emotion and colour was done by applying Hayashi's Quantification Method III.

최근 데이터의 양이 급격히 증가함에 따라 빅데이터 환경에서 데이터 질의 처리 수행 시 연산 시간이 많이 소요되는 문제점이 발생한다. 이러한 처리 시간을 줄이기 위한 방법으로 근사질의 처리에 대한 연구의 필요성이 대두되고 있다. 근사 질의 처리 방법은 정확도가 다소 떨어지더라도 빠른 결과를 요구하는 응용 분야에서 매우 유용하게 쓰일 수 있다. 본 논문에서는 사용자가 원하는 결과 정확도와 적시성 등을 지원하기 위한 근사 질의 처리 언어 확장, 실행 계획생성 및 질의 최적화 기술을 제안하고, 설계 방향 및 특징 등에 대해서 설명한다.

빅데이터를 활용한 기계학습 모델을 개발하기 위해서는 빅데이터 처리를 위한 플랫폼과 딥러닝 프레임 워크 등 고급 분석을 수행할 수 있는 도구의 활용이 동시에 요구된다. 그러나 빅데이터 플랫폼과 딥러닝 프레임워크를 자유롭게 활용하기 위해서는 상당한 수준의 기술적 지식과 경험이 필요하다. 또한 빅데이터를 이용한 딥러닝 모델을 개발할 경우 분산처리와 병렬처리에 대한 지식과 추가적인 작업이 요구된다. 본 연구에서는 빅데이터를 활용한 기계학습 모형을 자유롭게 개발 및 공유하고 분산 딥러닝을 위한 시스템적 지원을 통해 분야별로 딥러닝 모형을 개발하는 응용 연구자들이 활용할 수 있는 플랫폼을 제시하였다. 본 연구를 통해 다양한 분야의 연구자들이 자신의 데이터를 이용하여 모형을 개발할 경우 분산처리와 병렬처리를 위한 기술적 제약을 극복하고 보다 빠르고 효율적인 방법으로 모형을 개발하고 현업에 활용할 수 있을 것으로 기대한다.

One of the most promising technologies that is raised from the fourth industrial revolution is Digital Twin (DT). A DT captures attributes and behaviors of the entity suitable for communication, storage, interpretation or processing within certain context. A digital twin based on microservice framework architecture is proposed in this paper which identifies elements required for the complete orchestration of microservice based Survival Analysis of Lung Cancer Patients. Integration of microservices and Digital Twin Technology is studied.

본 논문은 어떤 기업의 주식 주문 정보를 담고 있는 호가창(limit order book)과 해당 기업과 관련된 뉴스 헤드라인을 사용하여 해당 기업의 주가 등락을 예측하는 딥러닝 기반 모델을 제안한다. 제안 모델은 호가창의 중기 변화와 단기 변화를 모두 고려하는 한편, 동기간 발생한 뉴스 헤드라인까지 예측에 고려함으로써 주가 등락 예측 정확도를 높인다. 제안 모델은 호가창의 변화의 특징을 CNN(convolutional neural network)으로 추출하고 뉴스 헤드라인을 Word2vec으로 생성된 단어 임베딩 벡터를 사용하여 나타낸 뒤, 이들 정보를 결합하여 특정 기업 주식의 다음 날 등락여부를 예측한다. NASDAQ 실데이터를 사용한 실험을 통해 제안 모델로 5개 종목(Amazon, Apple, Facebook, Google, Tesla)의 일일 주가 등락을 예측한 결과, 제안 모델은 기존 방법에 비해 정확도를 최대 17.14%, 평균 10.7% 향상시켰다.

발전시설 장비는 이상이 생기면 큰 경제적 피해를 발생시키기 때문에, 장비의 계통마다 수십만 개의 센서들이 부착되어 장비의 정상 작동 여부를 모니터링 한다. 장비의 이상 감지를 위해서, 최근 활발히 연구되고 있는 딥러닝 등의 기술을 활용한 AI 모델을 생성하여 장비의 고장을 예측한다. AI 모델을 학습하고 추론하기 위해서는 수많은 센서 중에서 AI 모델을 생성할 센서들을 선택하고, 지속적으로 모니터링 되는 값들을 비교하여 이상 감지 여부를 스트리밍 환경에서 추론할 수 있는 센서 빅데이터 질의 처리 및 스트리밍 추론 시스템이 필요하다. 본 논문에서는 AI 모델을 학습하고 스트리밍 추론할 수 있는 빅데이터 질의 처리 시스템을 설계 및 구현한다.

각 정보시스템에서 생산되는 주택과 관련된 통계 데이터는 정교한 예측과 판단이 요구되는 주택시장에서 매우 중요한 역할을 한다. 현재 정보시스템의 데이터를 기반으로 주택통합DB와 주택통합 플랫폼을 개발하고 있으며, 추후 주택시장의 합리적이고 과학적인 정책을 수립할 수 있는 기반이 될 것이다. 따라서 본 연구에서는 건축행정시스템(세움터)와 주택공급통계정보시스템(HIS)를 대상으로 정보시스템 고도화 현황을 알아보고 개선방안을 제시한 예시를 소개하고자 한다.

프리징은 컴퓨터 시스템에서 하나의 프로세스나 시스템 전체가 입력에 대한 응답이 중단되고 제어가 불가능한 상태가 되는 현상이다. 비디오 월 컨트롤러의 제어 시스템도 OS에서 동작하는 애플리케이션이므로 프리징이 발생할 수 있지만, 운영자가 멀티 스크린을 실시간으로 모니터링 하고 있더라도 프리징의 발생을 인지하기 어렵고, 프리징을 인지하였을 때는 이미 제어가 불가능한 상태이므로 비디오 월 컨트롤러를 재부팅 하는 것 외에는 대응할 수 있는 방법이 없다. 따라서 본 논문에서는 비디오 월 컨트롤러의 이상 여부를 감지하여 프리징을 방지할 수 있는 모델을 제안한다. 이상 감지모델은 이산화 된 로지스틱 혼합 분포의 우도 함수를 이용하여 비디오 월 컨트롤러의 이상 여부를 감지한다.

비디오 월 컨트롤러의 멀티스크린에 여러 영상을 동시에 표출하고자 하는 경우, 운영자는 표출할 영상의 레이아웃을 미리 저장해두고 필요할 때 이를 불러와서 표출한다. 비디오 월 컨트롤러의 운용 중에 발생하는 상황에 따라 레이아웃이 달라지므로 모든 상황을 고려하여 레이아웃을 저장하는 것이 일반적인 운용 방식이다. 멀티스크린의 모니터 개수가 많지 않은 소규모의 시스템에서는 서너 개의 레이아웃을 저장하는 것만으로 충분하지만, 모니터의 개수가 늘어날수록 레이아웃 디자인의 경우의 수가 늘어나므로 레이아웃의 디자인과 관리에 많은 시간과 비용이 소요된다. 따라서 본 논문에서는 CGAN을 이용하여 비디오 월 컨트롤러의 레이아웃을 자동으로 생성하는 모델을 제안한다.

심리학에서 사람의 심리 상태를 알아보기 위해 사용되는 검사 방법 중, 집-나무-사람 검사(HTP Test)는 피실험자가 그린 집, 나무, 사람을 포함하는 그림을 사용하여 피실험자의 심리를 분석하는 투영 검사법이다. 본 논문에서는 딥러닝 모델을 이용해 HTP Test 에 사용되는 그림을 분석하는 시스템을 제안하며, 성능 평가를 통해 심리학에서의 딥러닝 모델 적용 가능성을 확인한다. 또한 그림 데이터 분석에 적합한 사전 훈련 모델을 개발하기 위해, ImageNet 과 스케치 데이터셋으로 사전 훈련하여 성능을 비교한다. 본 논문에서 제안하는 시스템은 크게 감정 분석을 위한 이미지 객체 추출부, 추출된 객체로 피실험자의 감정을 분류하는 감정 분류부로 구성되어 있다. 객체 추출과 이미지 분류 모두 CNN(Convolution Neural Network) 기반의 딥러닝 모델을 사용하며, 이미지 분류 모델은 서로 다른 데이터셋으로 모델을 사전 훈련한 후, 훈련 데이터셋으로 전이 학습하여 모델의 성능을 비교한다. 그림 심리 분석을 위한 HTP test 스케치 데이터셋은, HTP Test 와 동일하게 피실험자가 3 개 클래스의 집, 나무, 사람의 그림을 그려 자체 수집하였다.

스타일 변환 모델은 이미지 전체나 이미지 내에서 사용자가 지정한 영역을 대상으로 스타일을 변환시킨다. 이런 방식은 이미지 내의 다수의 객체에 대해 스타일 변환을 시행할 때 일일이 영역을 지정해 줘야 한다는 불편함과 결과물의 전체 해상도가 떨어진다는 한계를 가지고 있다. 본 논문에서는 이런 한계들을 극복하기 위해 객체탐지 모델과 스타일변환 모델을 연동한 객체스타일변환모델을 제안하고 모델 간 연동방법에 대해 자세히 서술한다. 객체탐지모델인 Mask R-CNN 을 통해 필요한 객체를 탐지하고 탐지한 객체의 특징맵들을 스타일변환 모델인 zi2zi 의 입력 값으로 전달하여 이미지 내의 필요한 객체들만 스타일변환이 이루어지도록 모델이 동작한다. 이러한 모델은 기존에 있는 두 모델을 재사용함으로써 모델을 처음부터 새로 설계할 필요가 없다는 장점이 있으며, 공개된 다양한 모델들을 서로 융합하여 사용할 수 있는 방법을 제시하는데 도움을 줄 것이다.

전력수요는 월, 요일 및 시간의 계절성(Seasonality)을 보이는 데이터이다. 각 계절성에 따라 특성이 다르기 때문에, 전력수요를 예측하기 위해서는 계절성의 특성을 고려한 다양한 모델을 선정하고, 병합하는 방법이 필요하다. 본 연구에서는 전력수요의 계절성을 고려한 다양한 예측모델을 병합하여 이용할 수 있도록 스태킹 앙상블 적용하고 실험결과를 기술한다. 또한, 162개 도시의 기상 데이터와 인구 데이터를 예측에 이용하는 방법, Regression 모델과 Time-series모델에 입력하는 특징(Feature)의 전처리 방법, 베이지안 최적화를 이용한 머신러닝 및 딥러닝 모델의 하이퍼파라메터 최적화 방법을 제시한다.

오늘날 SNS를 사용하는 사람들이 증가함에 따라, 생성되는 데이터도 많아지고 종류도 매우 다양해졌다. 하지만 유익한 정보만 존재하는 것이 아니라, 부정적, 반사회적, 사행성 등의 부적절한 콘텐츠가 공존한다. 때문에 사용자에 따라 적절한 콘텐츠를 필터링 할 필요성이 증가하고 있다. 따라서 본 연구에서는 SNS Instagram을 대상으로 콘텐츠의 해시태그를 수집하여 데이터화 했다. 또한 k-평균 군집화 기법을 적용하여, 유사한 특성의 콘텐츠들을 군집화하고, 각 군집은 실루엣 계수(Silhouette Coefficient)와 키워드 다양성(Keyword Diversity)을 계산하여 콘텐츠의 적절성을 판단하였다.

본 논문에서는 딥러닝을 이용한 구글 ML Kit 를 이용하여 직접적이고 효과적인 졸음운전 예방기술을 구현하였다. 본 연구에서는 눈 상태를 인식하여 졸음을 감지하고 경보음을 발생시켜 교통사고 안전성 향상을 위한 방안을 제안하고 구현하였다. 또한, 정부 공공데이터 활용을 통해 성능테스트를 진행하여 시스템의 성능을 검증하였다.

의료영상기반의 인공지능 연구는 질환의 조기진단 및 예측 분야에 눈부신 기술발전이 되어왔다. 근감소증 질환은 다양한 기저질환을 기반으로 발생하며, 특히 60대 이상은 30%의 유병율을 갖는다. 해당 질환은 임상적인 진단 방법의 발달과 임상 결과가 알려지면서 관심이 증가하고 있다. 최근 근감소증 진단방법 중의 하나로 CT 또는 MR 의료영상을 통한 진단방법이 제시되었다. 본 논문에서는 인공지능을 기반으로 하여, 근감소증을 진단하기 위해 척추부위 중 Lumbar 3 영역의 근육, 지방 영역의 영상분할 모델을 제시하고자 한다. 이를 위해 인공지능 영상분할 모델을 개발하는 과정과 그 근육과 지방의 영상분할 결과를 보인다. 본 논문에서 제시한 영상분할모델을 통해 근감소증을 빠르게 진단할 수 있을 것으로 기대한다.

인공지능이 발전함에 따라 그에 따른 보안의 중요성이 커지고 있다. 딥러닝을 공격하는 방법 중 하나인 적대적 공격은 적대적 사례를 활용한 공격이다. 이 적대적 사례를 생성하는 대표적인 4가지 기법들에는 기울기 손실함수을 활용하는 FGSM, 네트워크에 쿼리를 반복하여 공격하는 Deepfool, 입력과 결과에 대한 맵을 생성하는 JSMA, 잡음과 원본 데이터의 상관관계에 기반한 공격인 CW 기법이 있다. 이외에도 적대적 사례를 생성하는 다양한 연구들이 진행되고 있다. 그 중에서도 본 논문에서는 FGSM기반의 ABI-FGM, JSMA 기반의 TJSMA, 그 외에 과적합을 줄이는 CIM, DE 알고리즘에 기반한 One pixel 등 최신 적대적 사례 생성 연구에 대해 살펴본다.

일반적으로 얼굴인식 시스템은 영상에서 추출한 Feature와 DB 상의 Feature를 비교하는 구조를 가지고 있다. 하지만 원하는 Class의 Feature만 보고 DB 상에서 일치하는 Class의 위치를 특정하는 것은 불가능하기에 DB 상의 모든 Feature와 비교하는 절차가 필요하다. DB 크기가 커짐에 따라 처리시간과 메모리상의 문제가 발생하는데, 이 논문에서는 이를 해결하기 위한 Deep Hashing 모델을 제안한다. Softmax 기반의 Loss를 이용하여 학습하였고, 8-bits의 해시를 추출하였을 때 53%의 Feature 일치율을 보였으며, 이를 사용할 경우 DB 평균 대조군을 23% 이하로 줄이는 효과를 볼 수 있을 것으로 추정한다.

4차 산업혁명 시대가 도래하면서 세상이 빠른 속도로 변하고 있다. 특히 데이터·인공지능(AI, Artificial Intelligence)의 활용이 적극적으로 다양한 분야에서 적용되기 시작하고 있다. 하지만 산림수종을 분석하는 업무를 수행하는 과정은 수작업으로 진행하다 보니 오류가 다수 발생하고 있다. 따라서 본 논문에서는 수도권 항공사진을 이용하여 소나무, 낙엽송, 침엽수, 활엽수를 대상으로 자동으로 분석하는 AI 학습용 데이터 약 60,000장을 구축하고, 수종을 구분할 수 있는 AI 모델을 개발하였다. 이를 통해 산림변화탐지 및 산림 분야 주제도 제작 시 수종 분할 이미지를 기초자료로 활용함으로써 업무효율 증대를 기대할 수 있다.

양자 알고리즘인 그루버나 쇼어 알고리즘에 의해 현존하는 암호 체계들이 무너질 수 있으며, 블록체인 네트워크를 기반으로 타원곡선 암호 및 타원곡선 전자서명을 사용하는 암호화폐의 안전성 또한 위협받고 있다. 따라서 암호화폐에도 양자 컴퓨터에 대한 대응책이 필요하다. 본 논문에서는 시계열 예측에 적합한 순환형 신경망을 활용하여 양자 저항성을 가지는 암호화폐들의 가격을 예측하고 분석한다. 데이터가 부족하였으나 학습 결과 0.005 이하의 손실을 달성하였으며, 최근 15일의 데이터를 통해 예측한 결과, 모두 소폭 상승할 것으로 나타났다. 향후에는 더 많은 데이터를 통해 더 정확한 예측이 가능한 신경망을 설계하고 다양한 양자 관련 이슈들을 참고하여 분석을 수행하고자 한다.

목적지향 챗봇은 일상생활의 많은 부분을 자동화하기 위해 우리의 삶에 널리 보급되고 있다. 그러나 목적지향 챗봇은 보통 많은 모듈이 연결된 파이프라인의 형태로 구현되기 때문에 기계학습 초보자 혹은 비전문가가 직접 구현하기에는 어려운 편이다. 때문에 모든 모듈을 직접 구현하기보다는 유료 챗봇 빌더나 오픈소스 프레임워크를 통해 구현된다. 현재 영어는 몇 가지 오픈소스가 존재하지만 한국어는 관련 오픈소스가 전무한 상황이다. 본 논문에서는 이러한 문제를 해결하기 위해 한국어 전용 오픈소스 목적지향 챗봇 프레임워크인 Kochat 을 제안한다. 사용자는 Kochat 을 이용하여 약 20~30 줄의 코드만으로 손쉽게 자신만의 목적지향 챗봇을 학습 및 배포할 수 있다. 모든 소스코드와 문서는 https://github.com/hyunwoongko/kochat에서 확인할 수 있으며, 추가로 논문의 말미에 후속 연구에 대해서도 논의한다.

식품제조 현장에서 유연포장을 수행하기 위해, 로봇이 다양한 제품들을 파지하거나 이송하는 작업이 필수적이다. 본 논문에서는 전통장류 식품제조에서 다양한 종류와 무게를 조합하는 혼합포장을 위해 전통장류 물체 영역 인식과 종류 인식을 수행한다. 이를 위하여, 대표적인 전통장류에 대해 종류를 분류하고, RGB-D 데이터를 입력으로 물체 영역과 종류 인식을 수행하는 딥러닝 네트워크를 학습한다. 실험 결과를 통해, 물체 영역의 중심점을 기반으로 흡착 기반 파지점을 선정할 수 있음을 확인한다.

최근 인공지능 연구가 활발히 진행되고 있는 가운데 국내외에서 오픈 데이터셋을 제공하고 있어 기술개발이 가속화되고 있다. 데이터셋은 지도학습을 위한 학습데이터로 라벨링 데이터를 포함하고 있어 다양한 라벨링 기능이 적용된 도구 개발이 필요하다. 본 논문에서는 의료영상의 라벨링 데이터를 정교하고 빠르게 생성하기 위한 라벨링 웹 애플리케이션에 대해서 기술한다. 이를 구현하기 위해서 Back Projection, Grabcut 기법을 이용한 반자동 방식과 기계학습 모델을 통해서 예측한 자동 방식의 라벨링 기능을 구현하였다. 이와 관련하여 라벨링 기능별 수행 결과를 근감소증 진단을 위한 영상 라벨링 수행결과와 정량분석 결과를 보였다.

최근 한국에서도 이루다의 윤리 이슈를 기점으로 딥러닝 모델의 윤리적 언어학습 필요성이 대두되었다. 그럼에도 불구하고 영어 데이터에 비해 한국어 데이터는 Korean Hate Speech Detection Dataset 이 유일하다. 이번 연구에서는 기존 데이터 세트의 유연성이 떨어지고 세부 라벨이 제한적이라는 문제를 개선한 새로운 데이터 세트를 제안하고, 해당 데이터 세트에 대하여 다양한 신경망 분류 모델을 적용한 벤치마크 결과를 공개한다.

육군은 90년대부터 워게임 모의모델을 활용하여 군단 전투지휘훈련, 전구 연합지휘소연습, 사·군단 작전계획 검증을 하였으며, 현재는 차세대 워게임 모의모델을 개발하기 위한 기술적 검토단계에 있다. 워게임 모의모델의 객체인 가상군을 자동화하기 위한 연구는 오래전부터 진행되었으나, 규칙기반 시스템을 적용한 반자동화군에 대한 연구가 일부 진행된 수준이다. 이에 본 논문에서는 게이머 행동패턴을 기반으로 학습한 인공지능으로 차세대 육군 워게임모델의 대항군 기동부대를 완전자동화하는 방안을 제안하였다.

법률 문서는 일반 사용자가 이해하기 어려운 용어로 이루어져 있고 특히 장문의 문서가 많아 법률시스템에 종사하는 종사자들 또한 많은 양의 문서를 읽기가 어려운 현실이다. 이에 문서 요약 방법중 딥러닝 기반의 사전학습 모델을 적용한 추출요약기반, 생성요약 방법론과 딥러닝 이전의 핵심문장 추출 방법론을 비교하여 법률용어의 요약성능에 대한 비교 평가를 수행하고자 하며 추후 연구과제로 법률문서에 특화된 요약 모델을 만들어보고자 한다.

수박의 이미지와 수박의 무게 데이터를 활용해 수박의 당도를 예측하고 모델의 정확도를 측정한다. 과피가 얇고, 부피가 작은 과일의 경우 휴대용 비파괴 당도 측정기를 통해 비교적 간편하게 당도 측정이 가능하다. 하지만 수박은 과피도 두껍고, 부피도 크기 때문에 넓은 장소와 비용을 부담해야 하는 선별장에만 당도를 측정할 수 있는 실정이다. 본 논문에서는 줄무늬가 끊어지지 않고, 원형이 아닌 타원형이 맛있는 수박이라는 속설에 부합하는 수박이 실제로 맛있는 수박인지를 확인하고자 수박 이미지를 수집하여 당도에 따라 이미지를 분류한 다음, CNN 을 적용하여 수박 당도 예측을 실시하였다. 실험 결과 타원형 수박은 당도가 높은 것으로 나타났으나 줄무늬가 끊어진 수박과 끊어지지 않은 수박 간의 당도 차이는 없는 것으로 나타났다. 향후 수박의 당도에 영향을 미칠 수 있는 다양한 변수를 활용하여 정확도를 높인다면 현재 사용되고 있는 비파괴 당도 측정기를 보완할 수 있을 것으로 기대된다.

본 논문에서 제안한 주요 범죄사실 개요 분석을 통한 범죄사실 타임라인 자동 작성 시스템은 범죄를 수사하는 현장 수사관들이 수사과정에서 취득한 수사문건 중 범죄사실 파트에 기재된 문장들을 자연어분석을 통해 주요 범죄사실을 파악하는데 필요한 요소들을 자동으로 알아내고, 이 요소들을 타임 라인 상에 시간 순으로 표시함으로써 주요범죄사실 개용을 쉽게 이해 할수 있도록 타임라인을 자동 만들어 내는 시스템에 관한 연구이다. 이를 위해 수사문건에 포함된 범죄사실 개요 범위를 자동으로 알아내고, 그 범위내 포함된 문장들 속에서 주요행위자, 관심을 둬야 하는 시각, 그 시각에 벌어진 주요 행위들을 자동으로 분석하는 연구를 소개한다.

사건 관계 추출 태스크는 구조화되지 않은 텍스트 데이터에서 사건의 구조화된 표현을 얻는 것이다. 하나의 문장에서도 많은 정보를 얻을 수 있는 중요한 태스크임에도 불구하고, 다양한 사전 학습 모델을 적용한 연구는 아직 활발하게 연구되지 않고 있다. 따라서 본 연구에서 사전 학습된 모델의 임베딩 기법 중 BERT, RoBERTa, SpanBERT에 각각 base, large 아키텍처를 적용하여 실험하였다. 사건을 식별하기 위한 trigger와 해당 trigger의 세부 argument를 식별하기 위한 분류기를 상위레이어로 각각 설계하였고, 다양한 배치 크기를 적용하여 실험하였다. 성능평가는 trigger/argument 각각 F1 score를 적용하였고, 결과는 RoBERTa large 모델에서 좋은 성능을 보인 것을 확인하였다.

머신러닝의 성능 저하에 크게 영향을 미치는 데이터 불균형은 데이터를 증강하거나 제거하여 해결할 수 있다. 본 논문에서는 지도학습에서 쓰이는 정답 데이터를 기반으로 새로운 데이터 증강기법인 CDBSMOTE을 제안한다. CDBSMOTE을 사용하면 임의의 값을 사용하지 않고, 기존의 데이터 증강기법의 문제점이었던 과적합을 최소화하며 지도학습 데이터를 효과적으로 증강시킬 수 있다.

4G 에서 5G 로 기술이 발전하며 무선 통신에 필요한 자원이 급격히 증가하고 있다. 증가된 자원을 효율적으로 관리하는 것은 필수적이며 이를 위해 paging cost 감소 연구들이 진행되고 있다. 순환신경망을 응용한 paging cost 감소 연구에서는 연속 예측으로 인해 예측 정확도 감소 문제가 발생한다. 본 논문에서는 강화학습 기반 이동성 예측 기법을 제안하고 기존 순환신경망 응용 기법에서 발생하는 정확도 감소 문제를 극복한다.

인공지능 기반의 생활폐기물의 인식 및 선별에서, 선별 정확도의 저하는 인식 대상의 형태적 다양성과 학습데이터 부족 및 불균등성에 기인한다. 본 연구에서는 비전 인공지능 기반의 효과적인 폐기물 선별을 위한 인식 시스템 및 감독학습 기반의 인공지능 학습 기법을 제안한다. 생활폐기물 중 순환자원적 가치가 높은 CAN, PET, 그리고 이와 형상적으로 유사한 폐기물에 대해 본 연구에서 제안된 시스템에서 물체원형 및 훼손된 형태의 총 18 종 이미지 데이터를 대상으로, 감독학습기반의 인공지능 모델 제작에서 최적의 데이터 레이블링을 위한 분류체계를 제시한다.

비전 기반의 재활용-PET 선별공정에서, PET 외 물체와의 식별 성능은 물론 PET 용기 내 포함된 이물질 및 라벨, 뚜껑의 존재 여부, 색상에 대한 검출 성능은 재활용 소재 품질에 중요한 영향을 미친다. 본 연구에서는 비전 인공지능 기반의 재활용-PET 자동 선별 시스템을 제안하고, 인공지능 모델의 제작에서 감독학습의 학습 효과를 최적화하기 위한 데이터 레이블링 기법을 제안한다. 재활용대상 PET 와 이물질 파트가 포함된 용기의 컨베이어벨트 선별공정 혼입을 재현한 실험을 통해서, 재활용 소재화 물량과 순도를 최대화하기 위한 인공지능 모델 생성 방법에 대해 고찰한다.

경찰청에 따르면 도로교통법이 개정된 이후 3개월단 개인형 이동장치(PM)를 단속한 결과 무면허 운전이 3199건에 달하는 것으로 나타났다. 공유 킥보드 서비스의 경우 회원가입을 할 때 운전면허증 취득 여부를 확인하긴 하지만 서비스를 이용할 때는 별도의 확인 절차 없이 대여할 수 있기 때문에 운전면허증을 취득하지 않았어도 대여하는 경우가 발생한다. 본 논문에서는 공유 킥보드 서비스의 보안 취약점을 보완하기 위해 오토인코더와 변이형 오토인코더를 사용한 딥러닝 기반의 공유 킥보드 대리 대여 방지 시스템을 제안한다. 오토인코더는 지문 데이터로부터 특징만을 추출할 수 있어, 사용자의 지문 원본을 서버에게 노출시키지 않을 수 있다. 변이형 오토인코더는 생성형 모델로써, 사용자의 지문 데이터를 증폭 시켜 합성곱 신경망의 성능을 높이는데 도움을 준다. 이러한 오토인코더와 변이형 오토인코더의 특징을 이용해 사용자의 지문을 서버에 노출시키지 않으면서 적은 데이터로 신뢰성 높은 사용자 인증이 가능한 전동 킥보드 대여 시스템을 제안한다.

The most powerful and modern face recognition techniques are using deep learning methods that have provided impressive performance. The outbreak of COVID-19 pneumonia has spread worldwide, and people have begun to wear a face mask to prevent the spread of the virus, which has led existing face recognition methods to fail to identify people. Mainly, it pushes masked face recognition has become one of the most challenging problems in the face recognition domain. However, deep learning methods require numerous data samples, and it is challenging to find benchmarks of masked face datasets available to the public. In this work, we develop a new simulated masked face dataset that we can use for masked face recognition tasks. To evaluate the usability of the proposed dataset, we also retrained the dataset with ArcFace based system, which is one the most popular state-of-the-art face recognition methods.

Face anti-spoofing (FAS) techniques play a significant role in the defense of facial recognition systems against spoofing attacks. Existing FAS methods achieve the great performance depending on annotated additional modalities. However, labeling these high-cost modalities need a lot of manpower, device resources and time. In this work, we proposed to use self-transforming modalities instead the annotated modalities. Three different modalities based on frequency domain and temporal domain are applied and analyzed. Intuitive visualization analysis shows the advantages of each modality. Comprehensive experiments in both the CNN-based and transformer-based architecture with various modalities combination demonstrate that self-transforming modalities improve the vanilla network a lot. The codes are available at https://github.com/chenmou0410/FAS-Challenge2021.

The purpose of multimodal medical image fusion (MMIF) is to integrate images of different modes with different details into a result image with rich information, which is convenient for doctors to accurately diagnose and treat the diseased tissues of patients. Encouraged by this purpose, this paper proposes a novel method based on a two-scale decomposer and detail preservation model. The first step is to use the two-scale decomposer to decompose the source image into the energy layers and structure layers, which have the characteristic of detail preservation. And then, structure tensor operator and max-abs are combined to fuse the structure layers. The detail preservation model is proposed for the fusion of the energy layers, which greatly improves the image performance. The fused image is achieved by summing up the two fused sub-images obtained by the above fusion rules. Experiments demonstrate that the proposed method has superior performance compared with the state-of-the-art fusion methods.

국내에서는 매년 많은 수의 자격시험이 치러지고 있다. 현재 대부분의 시험장에서 응시자 본인 확인 절차는 감독관이 응시자의 얼굴과 신분증 사진을 비교하는 방식으로 이루어진다. 하지만 이 방식은 사람에 따라 오차가 클 수 있으며, 사진과 눈에 띄는 차이가 없으면 동일인물로 판단하기 쉽다. 최근까지도 대리응시 이슈가 발생하고 있어 근절을 위한 보다 강력한 조치가 필요하다. 본 논문에서는 지문과 오토인코더, SGAN을 이용하여 대리응시방지를 강화할 수 있는 본인 확인 시스템을 제안한다. 이때 응시자의 지문정보가 그대로 인증 서버에 저장되면 응시자의 생체정보가 노출될 수 있다는 문제점이 존재한다. 따라서 오토인코더를 통해 지문의 특징점만 추출하여 인증용 이미지를 생성하고 이 이미지를 서버에 저장하여 학습시키도록 한다. 적은 학습데이터 환경에서 분류기로써 좋은 성능을 갖는 SGAN을 통해 인증 이미지와 응시자가 동일인물인지 확인할 수 있다. 서버가 공격을 받더라도 응시자의 지문데이터가 그대로 노출되지 않게 되어 보안 취약점을 극복할 수 있다.

이미지에 대한 정보를 식별하는 기술인 이미지 인식은 현재 무인 자동차의 자율주행, 안면 인식, 의료 등의 여러 산업 분야에 적용되어 활발히 사용되고 있다. 이 중에서 이미지 객체 인식을 활용하여, 단순히 세포를 인식하는 것에서 더 나아가 TBHP 처리 세포에 대해 용액의 투입량과 시간 등의 다양한 조건을 고려함으로써 하나의 이미지에 포함된 세포의 전체 생존율을 판단하여 구분해보고자 한다.

연구수행과정에서 발생하는 논문, 특허, 연구보고서 등의 과학기술데이터는 다양한 과학기술지식을 포함한다. 연구자들의 효과적인 연구를 지원하기 위해서는 과학기술데이터 분석을 통한 지식 발견이 필수적이다. 과학기술데이터는 일반 텍스트와는 다르게 다수의 전문용어를 포함하고 있으며, 고유의 양식이 정해져 있고, 텍스트 길이가 대체로 길다는 특징이 있다. 본 고에서는 이러한 과학기술데이터만의 고유한 특징을 반영한 인공지능 기반 자연어처리 기술들을 소개함으로써 과학기술데이터 분석에 대한 이해를 돕고자 한다.

색소 세포성 모반과 악성 흑색종은 형태가 유사하지만 유해성의 측면에서 악성 흑색종은 암으로써 무해한 색소 세포성 모반에 비해 위험한 질환이다. 이에 기반하여 기존 연구에서 색소 세포성 모반과 악성 흑색종을 구분하기 위한 연구가 있었지만, 데이터를 취득하는 과정에서 많은 cost 가 필요하였다. 본 연구에서는 이를 개선하기 위해 두 병변의 dermatoscopic 영상을 분류 학습의 데이터로 사용하여 연구를 진행하였다. 학습을 위한 데이터는 오픈소스 dermatoscopic 데이터셋인 HAM10000을 사용하였으며 모델은 CNN 에서 개선된 MobileNetV2 를 사용하였다. 실험 결과, MobileNetV2 를 사용한 학습은 3-layer CNN 에 비해 15 분의 1 가량 적은 파라미터를 가졌으며, 검증 성능과 테스트 성능에서 93%에 근사하는 성능을 보였다. 본 연구는 이전 연구에 비해 cost 측면에서 큰 개선을 이루었으며, 상용화 가능한 분류 기법을 발견했다는 점을 시사한다.

본 연구에서는 Google Dialogflow 자연어 처리 엔진(NLP 엔진), 정보수집(크롤링), iOS 챗봇 애플리케이션을 통해 정부 및 지자체 혜택 및 정보 추천 서비스를 제공하는 챗봇 구현을 제안한다. 해당 챗봇은 디지털 기기 사용이 능숙하지 않은 중, 장년층 사용자가 쉽게 이용할 수 있도록 접근성을 높이고, 정부 및 지자체에서 제공하는 다양한 혜택 및 정보의 불균형과 격차의 해소를 목적으로, 사용자가 선택한 지역에 따른 혜택·복지·소식 정보를 제공 및 추천한다. 이 과정을 통해 사용자는 자신이 원하는 분야의 정부 및 지자체의 적절한 복지 정보를 추천 받을 수 있다.

'파리의 더러운 지하철', '런던의 비싼 물가' 등 관광지에 대한 몇 마디 말은 관광지를 직관적으로 이해하는데 도움을 준다. 관광지에 대한 직관적 평가를 파악하기 위해서 클러스터링 기법을 사용하였다. '주차', '경치', '시설'과 같은 다양한 라벨을 부여하여 클러스터링을 비교한 결과 '주차', '경치' 등 비슷한 문맥의 리뷰가 같은 클러스터로 묶인 것을 확인할 수 있었고, 각 분야의 문맥을 파악하기 위해 대표문장을 추출하였다. 각 분야의 대표문장은 해당 분야의 평가를 잘 파악할 수 있었고, 해당분야의 만족도뿐만 아니라 불편사항 등을 이해하는데 도움을 준다.

In this paper, we study image clustering without labeling using machine learning techniques. We proposed an unsupervised machine learning technique to design an image clustering model that automatically categorizes images into groups. Our experiment focused on inception convolutional neural networks (inception V3) with k-mean methods to cluster images. For this, we collect the public datasets containing Food-K5, Flowers, Handwritten Digit, Cats-dogs, and our dataset Rice Germination, and the owner dataset Palm print. Our experiment can expand into three-part; First, format all the images to un-label and move to whole datasets. Second, load dataset into the inception V3 extraction image features and transferred to the k-mean cluster group hold on six classes. Lastly, evaluate modeling accuracy using the confusion matrix base on precision, recall, F1 to analyze. In this our methods, we can get the results as 1) Handwritten Digit (precision = 1.000, recall = 1.000, F1 = 1.00), 2) Food-K5 (precision = 0.975, recall = 0.945, F1 = 0.96), 3) Palm print (precision = 1.000, recall = 0.999, F1 = 1.00), 4) Cats-dogs (precision = 0.997, recall = 0.475, F1 = 0.64), 5) Flowers (precision = 0.610, recall = 0.982, F1 = 0.75), and our dataset 6) Rice Germination (precision = 0.997, recall = 0.943, F1 = 0.97). Our experiment showed that modeling could get an accuracy rate of 0.8908; the outcomes state that the proposed model is strongest enough to differentiate the different images and classify them into clusters.

개인의 소셜미디어 활동이 활발해지면서 익명성을 악용하여 타인에게 욕설을 주저없이 해버리는 사용자가 늘고 있다. 본 연구는 욕설이 난무하는 채팅창에서 욕설 데이터를 크롤링하여 데이터셋을 구축하여 컨볼루션 네트워크로 학습시켰을 때 욕설을 탐지하고, 전체 문장에서 그 탐지한 욕설의 위치를 파악하여 블러링 처리를 할 수 있는지를 확인하는 것을 목적으로 한다. 전처리 작업으로 한글과 공백을 제외하고 형태소 단위로 토큰화한 후 불용어를 제거해서 패딩처리를 하였다. 학습 모델로는 1차원 컨볼루션을 사용하여 수집한 데이터의 80%를 훈련에 사용하고 나머지 20%를 테스트에 사용하였다. 키워드를 이용한 단순 분류 모델과 비교하였을 때, 본 연구에서 이용한 모델이 약 14% 정확도가 향상된 것을 확인할 수 있었다. 테스트에서 전체 문장에서 욕설이 포함되었을 때 욕설과 그 위치 정보를 잘 획득하는 것도 확인할 수 있었다.

정맥을 이용한 생체 인식 방법은 신체의 노화에 영향을 받지 않고 높은 사용 편의성과 변조의 위험이 적어 인증 수단으로 폭넓게 활용되고 있다. 그러나 가짜 정맥 영상을 통한 스푸핑 공격 위험이 존재한다. 이러한 문제를 해결하기 위해 실제 정맥 영상과 가짜 정맥 영상을 구분하는 기술이 필요하다. 본 연구에서는 실제 정맥 데이터의 마디와 뼈의 밝기 차이를 이용해 진짜 정맥 영상과 가짜 정맥 영상을 구분하는 기술을 연구했다.

경찰 수사에서 진술의 진실 여부를 인공지능 기법을 이용하여 판단하는 연구는 인적, 물적 자원의 낭비를 줄일 수 있다. 우리는 진술 동영상에서 이미지, 음성 데이터를 각각 추출하여 동시에 고려해 진술의 진실 여부를 자동으로 판단하는 시스템을 제안하였다. 실험을 통해 제안된 시스템이 유의미함을 알 수 있었다.

본 논문에서는 CNN 모델에서 학습에 사용할 이미지 데이터를 늘리기 위해 사용되는 Mixup 알고리즘을 MLP 모델에 사용하는 데이터셋에 적용하여 data augmentation 효과를 얻을 수 있는 지에 대한 테스트를 수행했다. 테스트 결과 MLP 모델에 사용할 데이터셋에도 Mixup 알고리즘으로 data augmentation 효과를 기대할 수 있음을 보여준다.

본 논문은 사람들이 다육식물을 키우는 데 실패하는 원인을 분석하고, 그에 따른 해결 방안으로 가드닝 보조 시스템을 연구한다. 사람들이 다육식물을 잘 키우지 못하는 이유를 세 가지로 분류하고 그 원인에 따른 해결방안을 딥러닝을 이용하여 제시한다.

Infrared cameras are widely used in recent research for automatic monitoring the abnormal behaviors of the pig. However, when deployed in real pig farms, infrared cameras always get polluted due to the harsh environment of pig farms which negatively affects the performance of pig monitoring. In this paper, we propose a real-time noise-robust infrared camera-based pig automatic monitoring system to improve the robustness of pigs' automatic monitoring in real pig farms. The proposed system first uses a preprocessor with a U-Net architecture that was trained as a GAN generator to transform the noisy images into clean images, then uses a YOLOv5-based detector to detect pigs. The experimental results show that with adding the preprocessing step, the average pig detection precision improved greatly from 0.639 to 0.759.

Pigs' aggressive behavior represents one of the common issues that occur inside pigpens and which harm pigs' health and welfare, resulting in a financial burden to farmers. Continuously monitoring several pigs for 24 hours to identify those behaviors manually is a very difficult task for pig caretakers. In this study, we propose a lightweight video-based approach for monitoring pigs' aggressive behavior that can be implemented even in small-scale farms. The proposed system receives sequences of frames extracted from an RGB video stream containing pigs and uses MnasNet with a DM value of 0.5 to extract image features from pigs' ROI identified by predefined annotations. These extracted features are then forwarded to a lightweight LSTM to learn temporal features and perform behavior recognition. The experimental results show that our proposed model achieved 0.92 in recall and F1-score with an execution time of 118.16 ms/sequence.

본 논문에서는 X-ray 진단에서 산란선으로 인한 영상의 왜곡을 보정하는 방법으로서 수정된 구조의 AE(Auto-Encoder) 모델에 기반한 방법론을 제안한다. 기존 AE 모델의 계층에 따라 특징지도의 크기가 축소되고 팽창되는 과정에서 영상 복원에 필요한 정보가 소실될 가능성을 보완하기 위하여 동일 레벨 계층 간에 스킵 연결을 추가하였다. 또한 X-ray 영상에서 피사체 세부 부위의 두께와 밀도에 따라 산란선의 영향이 서로 다른 형태로 나타난다는 특성을 학습 과정에 효과적으로 반영하기 위하여 어텐션 모듈을 추가한 네트워크 구조를 도입하였다. 총 80 쌍의 흉부 X-ray 영상 데이터에 대하여 기존의 AE 모델을 사용한 방법 및 U-Net 과 FFA-Net 모델을 사용한 영상 복원 기법의 실험 결과를 상호 비교함으로써 제안된 방법의 타당성을 평가하였다.

고정 카메라 환경에서 전경과 배경 간 픽셀값의 차를 이용하여 전경을 추출하기 위해서는 정확한 배경 영상이 필요하다. 또한, 프레임마다 변화하는 실제 배경과 맞추기 위해 배경 영상을 지속해서 갱신할 필요가 있다. 본 논문에서는 정확한 배경 영상을 생성하기 위해 실시간 처리가 가능한 딥러닝 기반 객체 탐지기의 결과를 입력받아 영상 처리에 활용함으로써 배경을 생성 및 지속적으로 갱신하고, 획득한 배경 정보를 이용해 전경을 추출하는 방법을 제안한다. 먼저, 고정 카메라에서 획득되는 비디오 데이터에 딥러닝 기반 객체 탐지기를 적용한 박스 단위 객체 탐지 결과를 지속적으로 입력받아 픽셀 단위의 배경 영상을 갱신하고 개선된 배경 영상을 도출한다. 이후, 획득한 배경 영상을 이용하여 더 정확한 전경 영상을 획득한다. 또한, 본 논문에서는 시설물에 가려진 객체를 더 정확히 탐지하기 위해서 전경 영상을 이용하여 시설물 영상을 추출하는 방법을 제안한다. 실제 돈사에 설치된 카메라로 부터 획득된 12시간 분량의 비디오를 이용하여 실험한 결과, 제안 방법을 이용한 전경과 시설물 추출이 효과적임을 확인하였다.

정보통신 기술이 발전함에 따라 악의적인 공격을 통해 보안문제를 발생시키고 있다. 또한 새로운 악성코드가 유포되어 기존의 시그니처 비교방식은 새롭게 발생하는 악성코드를 빠르게 분석 할 수 없다. 새로운 악성코드를 빠르게 분석하고 방어기법을 제안하기 위해 악성코드의 패밀리를 분류할 필요가 있다. 본 논문에서는 악성코드의 바이너리 파일을 이용해 시각화하고 CNN모델을 통해 분류한다. 또한 정확도를 높이기 위해 LBP, HOG를 통해 악성코드 이미지에서 중요한 특성을 찾고 데이터 클래스 불균형에서 오는 문제를 앙상블 모델을 통해 해결하는 시스템을 제안한다.

최근 딥러닝은 이미지 인식, 음성 인식 등 여러 분야에서 고려되고 있는 기술이다. 그러나 딥러닝 기술을 이용하기 위해서는 대형데이터 세트가 필요하나 이를 구축하기 힘들고 많은 시간이 필요하다는 문제점이 있다. 이에, 본 논문에서는 웹 크롤링을 통해 사용자가 원하는 카테고리의 이미지 데이터 세트를 수집하고 수집한 데이터들을 전처리 과정을 통해 딥러닝 모델에 입력할 수 있는 데이터 세트의 구축을 자동화하며, 전이학습을 통해서 적은 훈련 시간과 높은 정확도를 얻을 수 있는 이미지 분류모델을 제안한다.

현재 단일 이미지에서 Object Detection 성능은 매우 좋은 편이다. 하지만 동영상에서는 처리 속도가 너무 느리고 임베디드 시스템에서는 real-time이 힘든 상황이다. 연구 논문에서는 하이엔드 GPU에서 다른 기능 없이 YOLO만 구동했을 때 real-time이 가능하다고 하지만 실제 사용자들은 상대적으로 낮은 사양의 GPU를 사용하거나 CPU를 사용하기 때문에 일반적으로는 자연스러운 real-time을 하기가 힘들다. 본 논문에서는 이러한 제한점을 해결하고자 계산량이 많은 Object Detection model 사용을 줄이는 방안은 제시하였다. 현재 Video영상에서 Object Detection을 수행할 때 매 frame마다 YOLO모델을 구동하는 것에서 YOLO 사용을 줄임으로써 계산 효율을 높였다. 본 논문의 알고리즘은 카메라가 움직이거나 배경이 바뀌는 상황에서도 사용이 가능하다. 속도는 최소2배에서 ~10배이상까지 개선되었다.

이미지와 비디오 합성 기술에 대한 수요가 늘어남에 따라, 인간의 손에만 의존하여 이미지나 비디오를 합성하는데에는 시간과 자원이 한정적이며, 전문적인 지식을 요한다. 이러한 문제를 해결하기 위해 최근에는 스타일 변환 네트워크를 통해 이미지를 변환하고, 믹싱하여 생성하는 알고리즘이 등장하고 있다. 이에 본 논문에서는 GAN을 이용한 스타일 변환 네트워크를 통한 자연스러운 스타일 믹싱에 대해 연구했다. 먼저 애니메이션 토이 스토리의 등장인물에 대한 데이터를 구축하고, 모델을 학습하고 두 개의 모델을 블렌딩하는 일련의 과정을 거쳐 모델을 준비한다. 그 다음에 블렌딩된 모델을 통해 타겟 이미지에 대하여 스타일 믹싱을 진행하며, 이 때 이미지 해상도와 projection 반복 값으로 스타일 변환 정도를 조절한다. 최종적으로 스타일 믹싱한 결과 이미지들을 바탕으로 하여 스타일 변형, 스타일 합성이 된 인물에 대한 동영상을 생성한다.

인쇄 적성 증진제는 식품용 3D 프린팅에서 겔화 소재의 인쇄 적성을 향상시키는 요소 중 하나이다. 이 때, 인쇄 적성 증진제의 평가는 전단응력을 받을 때 일어나는 변형의 정도를 나타내는 전단탄성률 기반으로 한다. 그러나, 전단 탄성률 측정은 식품 원재료의 다양함으로 인해 소재별로 측정하는데 많은 시간과 비용이 소요되는 단점이 있다. 이에 본 연구에서는 FCN과 RNN을 사용하여 전단탄성률을 예측하는 신경망 설계를 제안함으로써 인쇄 적성 증진제의 전단탄성률을 측정하는 시간과 비용을 절감하고자 한다.

유전 프로그래밍 기법을 이용하여 완성된 프로그램 코드를 생성하는 연구는 최근까지 실용적으로 사용할 만한 결과를 만들지 못하고 있다. 우리는 완성된 프로그램 코드를 만들지 않고, 특정 기능을 갖는 함수 코드를 자동 생성하는 연구에 중점을 두었다. 실제 구현을 위한 시스템을 설계하고 타당성을 검토 하였다.

최근의 빅데이터 처리 환경은 실시간 빅데이터를 기반으로 하고 있다. 실시간 빅데이터 처리를 위해서는 기존의 배치처리 방식의 빅데이터 기술에서 발생하는 기술적 요구를 포함하여 추가적으로 요구되는 다양한 문제들을 고려해야 한다. 기계학습 모형을 활용한 의사결정 지원 시스템의 경우 모형 개발을 위한 배치처리 기술과 함께 모형의 배포와 최적화 등도 고려되어야 하며 발전 설비나 제조, 공정, 배송 등의 분야에서 발생하는 대규모 실시간 데이터를 이용하여 추론을 수행해야 한다. 본 연구에서는 센서 데이터를 활용한 예측 모형 개발과 실시간 데이터 처리 그리고 추론을 위한 모델 배포와 최적화 과정을 지원하는 시스템 환경을 제공하여 실제 현장에서 발생하고 있는 데이터를 활용하여 실증을 수행하였다.

산업통상자원부에서 제공하는 KOTRA 무역 데이터는 해당 품목과 해당 국가에 대하여 GDP, 관세율, 비즈니스 점수, 과/차년도 수출금액 등을 제공한다. 그러나 무역 수출품목은 수 없이 많을 뿐더러 그에 따른 대량의 데이터를 매년 인간의 분석을 통해 유의미한 결과를 이끌어내는 것은 상당히 큰 시간과 비용을 요구한다. 따라서 이번 연구에선 대량의 데이터를 학습하여 단기간에 저비용으로 결과를 예측할 수 있는 심층신경망 모델을 구현해 보았다.

본 논문은 사전 학습된 심층생성모델을 기반으로 가수 별 가사의 특성을 반영하여 새로운 가사를 생성하는 모델을 소개한다. 베이스 모델로 한국어 사전 학습 모델 KoGPT-2 를 사용하였으며, 총 가수 10 명의 노래 823 곡을 수집하여 미세조정 기법을 바탕으로 학습하였다. 특히, 가수 별로 구분한 가사를 학습 데이터로 구축하여, 가수 별로 독특하게 나타나는 가사 스타일이 전이되도록 하였다. 가수의 이름과 시작 단어를 입력으로 주고 작사를 수행한 실험 결과, (i) 가수 별로 생성되는 가사의 어휘와 스타일이 그 가수의 기존 곡들의 가사와 유사함을 확인하였고, (ii) 작사 결과 가수 별 차이를 확인하였다. 추후 설문을 통해, 개별 가수들의 가사와 생성된 가사의 어휘와 스타일 유사성을 확인하고, 가수 별 차이 또한 확인하고자 한다.

가상 환경의 시뮬레이션을 이용해 지능형 로봇에 강화 학습 기법을 적용하는 접근법은 실제 세계의 로봇들의 학습에 유용하다. 우리는 이러한 방법을 적용해서 장애물을 회피하고, 로봇이 특정 목표물을 인식하면 목표물로 자율적으로 이동하는 알고리즘을 개발하였다. 제안된 방법의 유용성 검증은 구현과 실험으로 확인하였다.

오늘날 인공지능(Artificial Intelligence, AI) 분야에서 가장 구현하기 어려운 분야 중 하나는 추론이다. 근래 추론 분야에서 영상과 언어가 결합한 다중 모드(Multi-modal) 환경에서 영상 기반의 질의 응답(Visual Question Answering, VQA) 과업에 대한 AI 모델이 발표됐다. 얼마 지나지 않아 VQA 모델의 성능을 개선한 GVQA(Grounded Visual Question Answering) 모델도 발표됐다. 하지만 아직 GVQA 모델도 완벽한 성능을 내진 못한다. 본 논문에서는 GVQA 모델의 성능 개선을 위해 VCC(Visual Concept Classifier) 모델을 ViT-G(Vision Transformer-Giant)/14로 변경하고, ACP(Answer Cluster Predictor) 모델을 GPT(Generative Pretrained Transformer)-3으로 변경한다. 이와 같은 방법들은 성능을 개선하는 데 큰 도움이 될 수 있다고 사료된다.

본 논문에서 기존의 치아가공기는 회전하는 모터를 사용하여 구성하였으나 이러한 모터는 정밀도, 반복정밀도가 50um 이하로 가공물 가공시에 치기공사나 치과의사가 사람에 맞추어 다시 작업을 해야하는 불편함과 시간적, 작업자의 피로도를 높일수 있는데 이러한 모터에 스크류나 밸트를 연결하여 선형적으로 움직일 수 있는 리니어모듈과 리니어모터를 적용하게되면 20um수준의 고정밀의 위치제어가 가능한 5축 치아가공기를 만들 수 있었다. 또한 MEMS센서를 이용하여 스핀들의 상태를 모니터링 하고 임계값을 지정하여 이상 신호 발생시 모터를 멈추어 위험상황에 대해서 인공지능기법을 이용하여 정지하거나 관리자에게 알림을 주어 효과적으로 5축치아가공기를 운영할 수 있도록 하였다.

본 논문은 기존의 5축 치아가공기나 반도체장비등에 사용하고 있는 회전형 모터의 경우는 엔코더와 리졸버를 사용하고 있다. 엔코더와 레졸버는 고가이므로 실제 산업현장에서 전동기의 위치 센서로는 적용하기가 힘들다. 또한 엔코더와 레졸버와 같은 광학식 위치센서는 그 크기와 내구성에 있어 약점이 있기 때문에 취부 할 때에도 어려움이 있다. 따라서 본 연구에서는 5축치아가공기에 적용하기 위해서 자석가동자를 만들었으며, 이러한 문제점을 해결하는 방안으로 리니어모터를 고정자로 하고 자석플레이트를 이동자로 하는 시스템과 별도의 리니어 스케일을 배제하고 기존의 정현파를 발생하는 2개의 리니어홀센서 및 영구자석을 이용하여 가동자의 절대위치와 이동 위치를 검출할 수 있는 리니어 모터 및 그 제어방법, 안정성 및 신뢰성을 향상시킬 수 있는 자석가동자를 이용하여 구동시 실시간으로 데이터를 확인할 수 있고 제어할 수 있는 모니터링 시스템을 개발하는 연구이다.

텍스트를 자연어 처리를 위한 모델에 적용할 수 있게 언어적인 특성을 반영해서 단어를 수치화하는 방법 중 단어를 벡터로 표현하여 나타내는 워드 임베딩은 컴퓨터가 인간의 언어를 이해하고 분석 가능한 언어 모델의 필수 요소가 되었다. Word2vec 등 다양한 워드 임베딩 기법이 제안되었고 자연어를 처리할 때에 감성 분류는 중요한 요소이지만 다양한 임베딩 기법에 따른 감성 분류 모델에 대한 성능 비교 연구는 여전히 부족한 실정이다. 본 논문에서는 Emotion-stimulus 데이터를 활용하여 7가지의 감성과 2가지의 감성을 5가지의 임베딩 기법과 3종류의 분류 모델로 감성 분류 학습을 진행하였다. 감성 분류를 위해 Logistic Regression, Decision Tree, Random Forest 모델 등과 같은 보편적으로 많이 사용하는 머신러닝 분류 모델을 사용하였으며, 각각의 결과를 훈련 정확도와 테스트 정확도로 비교하였다. 실험 결과, 7가지 감성 분류 및 2가지 감성 분류 모두 사전훈련된 Word2vec가 대체적으로 우수한 정확도 성능을 보였다.

While Generative Adversarial Networks (GANs) have seen huge success in image synthesis tasks, synthesizing high-quality images from text descriptions is a challenging problem in computer vision. This paper proposes a method named Text-to-Face Generation Using Multi-Scale Gradients for Conditional Generative Adversarial Networks (T2F-MSGGANs) that combines GANs and a natural language processing model to create human faces has features found in the input text. The proposed method addresses two problems of GANs: model collapse and training instability by investigating how gradients at multiple scales can be used to generate high-resolution images. We show that T2F-MSGGANs converge stably and generate good-quality images.

시계열 분석은 이전 시점들의 데이터를 기반으로 미래 시점의 데이터를 예측하는 기술을 제공하며, SARIMA는 이러한 시계열 분석에서 활용되는 통계 모델의 일종이다. 본 연구는 직접 수집한 실시간 위치 데이터에 SARIMA를 적용하여 개인의 이동 패턴을 추출하고 이를 예측에 활용하는 전반적인 프로세스를 제작하였다. 첫째, DB에 업로드된 위치 데이터를 비지도 학습의 일종인 EM-clustering을 활용해 핵심 방문 장소들로부터의 거리에 따라 군집화했다. 둘째, 해당 장소에 입장하고 퇴장하는 시간 간격에 SARIMA를 적용해 주기성을 추출했다. 마지막으로, 이 주기성들을 군집의 중요도에 따라 순차적으로 분석하여 유의미한 예측 결과를 도출해냈다.

COVID-19 로 인해 마스크 착용이 필수적인 사회가 되면서 마스크를 착용한 상태로 얼굴 사진을 촬영하는 빈도가 증가하고 있다. 그러나 얼굴인식 기반의 보정 및 필터링 기능이 적용된 카메라 애플리케이션은 인물의 마스크 착용 유무를 인식하지 못하여 마스크로 가려진 영역까지 필터 및 색조 기능을 적용시킨다는 한계가 있다. 이러한 문제를 해결하기 위해 본 연구에서는 검출된 얼굴영역에서 마스크 착용 여부 및 마스크 영역을 판단하고 해당 영역을 제외한 나머지 얼굴 영역에 필터링 효과를 적용하는 기술을 구현하였다.

악성 댓글은 언어폭력이며 사이버 범죄의 일종으로 인터넷상에서 상대방이 올린 글에 비방이나 험담을 하는 악의적인 댓글을 말한다. 악성 댓글을 단순히 차단하는 다른 프로그램들과는 달리 해당 영상의 악성 댓글의 비율을 알려주고 악플러들의 닉네임과 그 빈도를 나타내주는 것으로 차별화를 두었다. 따라서 많은 유튜버들이 겪는 악성 댓글 문제들을 탐지하여 유튜브에 달리는 악성 댓글들을 탐지하고 시각화하여 제공한다.

Survival time analysis is one of the main methods used by the pathologist to prognosis for cancer patients. In this paper, we strive to estimate the individual survival time of Adenocarcinoma (ADC) lung cancer patients from pathological images by adopting the convolutional neural network called the SurvPatchV1 model. First, we extracted tissue patches from the whole-slide images (WSI) to deal with extremely large dimensions of WSI. Then the survival time of each patch is estimated through the SurvPatchV1 model. Finally, the individual survival time of each patient is computed. The proposed method is trained and tested on the subset of the NLST dataset for ADC lung cancer. The result demonstrates that our model can obtain all tissue information in lieu of only tumor information in a whole pathological image to estimate the individual survival time.

In recent years, the use of LiDAR sensors is increasing as autonomous driving, robot control, and drones are considered more. Contrary to ordinary cameras, LiDAR sensors make it possible to handle challenging problems by calculating the distance between objects. This crucial characteristic makes more active research on deep learning models dealing with point clouds which are data of LiDAR. In this paper, among the schemes of using the point cloud, the Point-based approach is mainly discussed. Furthermore, future streams and insights can be considered by looking at solving methods and the limitations.

본 논문에서는 최신 모션 인식 기술을 활용하여 골프 스윙 비디오에서 사람의 자세를 추정한 후 다양한 원인으로 오검출된 좌표들을 보정하여 자세 추정의 정확도를 높이는 방법을 제안한다. 기존의 사람 자세 추정 모델은 골프 스윙 데이터에서 오검출, 반전, 불안정성, 미검출의 문제를 보여 정확한 자세 추정을 어렵게 했다. 이를 해결하기 위하여 본 연구에서는 자세 추정시 발생하는 이상치 데이터들을 Bi-LSTM 으로 학습하고 골프 스윙의 특징을 고려한 간단한 규칙을 통하여 이상치 데이터를 효과적으로 검출하고 이를 보정하는 방법을 제안한다. 또한 다양한 실험과 분석을 통하여 제안하는 방법이 골프 스윙 모션에서 사람의 자세를 정확히 추정할 수 있음을 보인다.

범죄차량 판독 시스템, 지능화된 CCTV 등 차량과 관련된 시각지능에 관한 연구가 큰 관심을 받고 있다. 이 중 차량 분류 기술은, 특정 차량을 인식하는 핵심기술이다. 이와 관련한 기존 연구들은 큰 차종으로만 분류하거나, 분류 가능한 차종의 수, 정확도 등이 낮아 실용성 및 신뢰성이 떨어진다는 단점이 있다. 따라서, 본 논문에서는 차종을 정확하게 분류할 수 있는 2단계 차종 분류 알고리즘을 제안한다. 제안 시스템은 CNN으로 학습된 모델을 기반으로 1차로 차량의 유형을 분류하고, 2차로 정확한 차종을 분류한다. 실험 결과, 52개의 차종을 분류함에 있어 단일 분류 모델에 비해 5.3%p 더 높은 90.2%의 분류 정확도를 보였다. 이를 통해, 더욱 정확한 차종 분류가 가능하다.

본 논문은 국내 스타트업의 상품-서비스에 적합한 해외 바이어를 찾아 맟춤형으로 추천해주는 시스템을 설계하고자 한다. 추천 알고리즘은 CNN 기반의 Word2Vec과 Doc2Vec 알고리즘을 활용하며, 정확도를 높이기 위해 시각정보를 활용한다. 추천 시스템에 사용되는 데이터는 비정형 데이타인 회사 소개 및 상품/서비스 소개 문장 데이터이며, 제품 사진을 시각정보로 이용한다. 유사도가 높은 순으로 추천하기 위해 문장데이타를 키워드 리스트로 변환하고, Word2vec 모델에 이식시켜 키워드 좌표를 만들어 벡터화한다. 그리고, 문장의 중심점간 거리를 계산해 기업간 유사성 및 연관성을 도출한다. 이를 바탕으로 국내 스타트업의 문장데이타 및 시각정보와 유사도가 높은 순으로 해외바이어를 추천한다.

인공지능을 활용한 주가 예측 모형을 실제 금융 서비스에 도입한 사례가 많아지고 있다. 주식 데이터는 일반적인 시계열 데이터와 다르게 예측을 어렵게 하는 복합적인 요소가 존재하며 주식은 리스크가 큰 자산 상품 중 하나이다. 주가 예측 모형의 활용 가능성을 높이기 위해선 성능을 향상시키는 것과 함께 모델을 해석 가능한 형태로 제시해 신뢰성을 향상시킬 필요성이 있다. 본 논문은 주가 전망 결정 방법에 따른 예측 결과를 비교하고, 설명 가능성을 부여해 모형 개선했다는 것에 의의가 있다. 연구 결과, 주가 전망을 장기적으로 결정할수록 정확도가 증가하고, XAI 기법을 통해 모형의 개선 근거를 제시할 수 있음을 알 수 있었다. 본 연구를 통해 인공지능 모형의 신뢰성을 확보하고, 합리적인 투자 결정에 도움을 줄 수 있을 것으로 기대한다.

소비자의 과거 위치 데이터를 기반으로 다음 경로를 예측하는 것은 마케팅 부분에서 매우 중요한 부분이다. 그러나 전체 데이터를 이용해서 다음 위치를 제공하는 연구는 많았지만 이는 시간이 오래걸리기 때문에 서비스 제공에 이용하기에는 무리가 있다. 그래서 실시간으로 다음 경로를 예측 할 수 있는 서비스를 만들어 보았다. 데이터를 모으는 과정부터 데이터 베이스에 저장하고 활용해 시각화 하는 과정까지 총괄하는 서비스를 만들었다. 이 논문에서는 이동 데이터를 분석해 다음 위치를 예측하는 부분을 다룬다. 이동데이터를 전처리할때 학습의 편이를 위해 데이터의 형태를 [위도, 경도, 시간] 에서 [라벨값, 시간]으로 바꾸었다. 이 데이터를 CNN을 이용해 학습시킴으로서 실시간으로 예측값을 제공할 수 있다.

In-hospital cardiac arrest is a significant problem for medical systems. Although the traditional early warning systems have been widely applied, they still contain many drawbacks, such as the high false warning rate and low sensitivity. This paper proposed a strategy that involves a deep learning approach based on a novel interpretable deep tabular data learning architecture, named TabNet, for the Rapid Response System. This study has been processed and validated on a dataset collected from two hospitals of Chonnam National University, Korea, in over 10 years. The learning metrics used for the experiment are the area under the receiver operating characteristic curve score (AUROC) and the area under the precision-recall curve score (AUPRC). The experiment on a large real-time dataset shows that our method improves compared to other machine learning-based approaches.

얼굴 인식 기술들은 다양한 인공지능 플랫폼들의 발달 및 알고리즘들의 연구 개발로 인해 발전하고 있다. 대부분의 얼굴 인식 알고리즘들은 정확도를 높이기 위해 많은 양의 데이터 학습을 요구하고 잇다. 그러나 커피숍이나 음식점과 같이 사람들이 짧은 시간 머물고 있는 환경에서는 사람들의 출입 여부를 체크하기 기존의 얼굴인식 기술들을 적용함에 있어 학습량의 부족으로 부적합하다. 이에 본 논문에서 카페와 음식점의 사용자 출입 관리를 위한 단시간 얼굴 학습을 통한 얼굴 인식 시스템 구현한다. 이로 인해 카페 및 음식점의 운영자는 사용자들의 입·출입 데이터를 활용하여 테이블 회전율 분석 및 코로나19 방역수칙인 카페 2인 이상 1시간 이내 사용을 체크가 가능하다.

본 논문에서는 점차 진화되어가는 보이스피싱 수법에 대하여 딥러닝 기반 네트워크인 DNN(Deep Neural Network)를 통한 보이스피싱 여부 판별할 뿐만 아니라, CNN, Bi-LSTM을 활용한 다양한 관점에서의 감성 분석을 통하여 보이스피싱 조직원의 감성 상태를 파악하여 판별된 결과에 신뢰도를 높여주는 모델을 제안하였다.

현재 대부분의 패션 추천시스템은 프로필 또는 설문조사를 통해 수집 된 사용자의 정적 정보를 활용하고 있다. 사용자의 정적 정보는 매우 한정적이며 이를 활용하여 다양한 환경에 적합한 패션 코디셋을 추천하기란 매우 어렵다. AI코디네이터와 사용자간의 지속적인 대화가 담긴 대화질의 데이터셋을 사용하면 사용자의 상황과 환경을 고려하여 개인에게 최적화 된 패션 코디셋을 추천할 수 있다. 본 논문에서는 한국전자통신연구원(ETRI)에서 제공하는 AI 패션 코디네이터와 사용자의 대화 정보가 담긴 FASCODE 데이터셋을 사용하여 사용자의 발화에 따라 의상을 추천하는 인공지능 모델을 위한 대화질의 데이터 전처리 방법을 제안한다.

AI World Cup 환경은 다수 가상 에이전트들이 팀을 이뤄서 서로 상호작용하며 대전이 가능한 가상 축구 환경이다. 본 논문에서는 AI World Cup 환경에서 멀티 에이전트기반 학습/추론 기술을 사용하여 다양한 전략과 전술을 구사하는 가상 축구 에이전트 구현과 시뮬레이션 결과를 소개한다. 먼저, 역할을 바탕으로 협동하여 상대방과 대전할 수 있는 논리 기반 추론형 멀티 에이전트 기술이 적용된 Dynamic planning 축구 에이전트 9 세트를 구현하였다. 이후, 강화학습 에이전트 기반, 단일 에이전트를 조합한 Independent Q-Learning 방식의 학습형 축구 에이전트를 구현한 후, 이를 멀티 에이전트 강화학습으로 확장하여 역할 기반 전략 학습이 가능한 가상 축구 에이전트를 구현하고 시뮬레이션 하였다. 구현된 가상 축구 에이전트들 간 대전을 통해 승률을 확인하고, 전략의 우수성을 분석하였다. 시뮬레이션 예제는 다음에서 확인할 수 있다 (https://github.com/I-hate-Soccer/Simulation).

The recent COVID-19 pandemic has accentuated the need for faster and more accurate ways of diagnosing certain diseases for there to be safer and more effective early responses that help to prevent a total outbreak. In this work, we would like to approach this issue through machine learning algorithms to investigate whether or not they could serve as a viable replacement for conventional diagnosis. Through a process of training and testing various algorithms, we analyzed how successfully they can predict a patient's COVID-19 diagnosis based on a list of symptoms and also identified which algorithm is the most effective at doing so. If the necessary data, containing the symptoms and diagnoses of different cases, is provided, this method can be utilized to make a probable diagnosis of any disease besides COVID-19. This method can be used in conjunction with or in lieu of conventional diagnosis depending on the situation: if there is a lack of testing facilities or test kits, this method can be employed as it is inexhaustible and it could also be used in situations where a conventional diagnosis is proven to be inaccurate.

현대사회의 시설물 중 다수가 콘크리트를 사용하여 건설되었고, 재료적 성질로 인해 균열, 박락, 백태 등의 손상이 발생하고 있고 시설물 관리가 요구되고 있다. 하지만, 현재 시설물 관리는 사람의 육안 점검을 정기적으로 수행하고 있으나, 높은 시설물이나 맨눈으로 확인할 수 없는 시설물의 경우 관리가 어렵다. 이에 본 논문에서는 다양한 영상장비를 활용해 시설물의 이미지에서 균열을 분류하는 알고리즘을 제안한다. 균열 분류 알고리즘은 산업 이상 감지 데이터 세트인 MVTec AD 데이터 세트를 사전 학습하고 L2 auto-encoder를 사용하여 균열을 분류한다. MVTec AD 데이터 세트를 사전학습시킴으로써 균열, 박락, 백태 등의 특징을 학습시킬 수 있을 것으로 기대한다.

인공지능 기술이 사회 전반에 적용되면서 인공지능에 대한 인간의 이해도 역시 중요해지고 있다. 이러한 필요성을 기반으로 설명 가능한 인공지능(XAI) 분야 연구가 현재 활발히 진행되고 있다. 이 중 입력의 변화를 통하여 반사실적 대안을 제시하는 반사실적 예제 기반의 설명은 피쳐수가 많아지는 이미지 데이터에서 연산량이 크게 증가하는 단점이 있다. 본 연구에서는 이러한 단점을 해결하고자 이미지의 추상화된 피쳐 영역에서 프로토타입 피쳐를 이용한 반사실적 예제를 생성하는 기법을 제안한다. 나아가 이러한 이미지 형식의 반사실적 예제를 활용할 분야를 제시하고자 한다.

멀티모달 감정인식을 통해 사람의 감정을 정확하게 분류하고, 사람의 감정에 어울리는 음악을 매칭하는 시스템을 설계한다. 멀티모달 감정 인식 방법으로는 IEMOCAP(Interactive Emotional Dyadic Motion Capture) 데이터셋을 활용해 감정을 분류하고, 분류된 감정의 분위기에 맞는 음악을 매칭시키는 시스템을 구축하고자 한다. 유니모달 대비 멀티모달 감정인식의 정확도를 개선한 시스템을 통해 텍스트, 음성, 표정을 포함하고 있는 동영상의 감성 분위기에 적합한 음악 매칭 시스템을 연구한다.

안정적인 서버 운영을 위해 이상 패턴 및 개체를 식별하는 이상탐지 연구가 활발하게 연구되어 오고 있다. 이상탐지의 대표적인 예로 서버의 사용량 증가를 꼽을 수 있지만, 실제 이상 데이터 수집 및 현상의 재현이 어렵다는 점은 해당 연구의 어려움으로 존재한다. 본 연구는 다양한 시나리오 기반의 부하테스트를 설계하고, 클라우드 환경에서 이상 데이터를 생성 및 수집하였다. 해당 데이터는 이상탐지에 대표적으로 사용되는 알고리즘의 성능을 비교 분석에 활용하였으며, 실험을 통해 각 알고리즘의 신뢰 수준을 확인하였다. 이는 다양한 서버 운영 환경에 적합한 알고리즘을 채택하는데 활용 가능하며, 결과적으로 안정적이고 효율적인 서버 운영에 기여할 수 있을 것으로 사료된다.

보행 환경 인지 기술은 보행 보조 로봇의 지능화를 위한 핵심 기술 중 하나다. 이 논문은 국내 보행 환경에 대한 보행 보조 로봇의 인지 지능을 고도화하는 방법으로 심층 학습 기반의 의미론적 영상 분할 기법을 고려한다. 이 논문은 국내 보행 환경에 대한 기존 영상 분할 기법의 성능을 비교 분석하고, 국내 보행 환경에 적합한 영상 분할 기술의 개발 방향과 인지 센서의 구성 및 배치에 대해 논한다.

최근 화석연료의 급격한 사용에 따른 자원고갈이나 환경오염과 같은 문제들이 심각해짐에 따라 화석연료를 대체할 수 있는 신재생에너지에 대한 관심이 높아지고 있다. 태양광 에너지는 다른 에너지원에 비해 고갈의 우려가 없고, 부지 선정의 제약이 크지 않아 수요가 증가하고 있다. 태양광 발전 시스템에서 생산된 전력을 효과적으로 사용하기 위해서는 태양광 발전량에 대한 정확한 예측 모델이 필요하다. 이를 위한 다양한 딥러닝 기반의 예측 모델들이 제안되었지만, 이러한 모델들은 모델 내부에서 일어나는 의사결정 과정을 들여다보기가 어렵다. 의사결정에 대한 설명이 없다면 예측 모델의 결과를 완전히 신뢰하고 사용하는 데 제약이 따른다. 이런 문제를 위해서 최근 주목을 받는 설명 가능한 인공지능 기술을 사용한다면, 예측 모델의 결과 도출에 대한 해석을 제공할 수 있어 모델의 신뢰성을 확보할 수 있을 뿐만 아니라 모델의 성능 향상을 기대할 수도 있다. 이에 본 논문에서는 Long Short-Term Memory(LSTM)을 사용하여 모델을 구성하고, 모델에서 어떻게 예측값이 도출되었는지를 SHapley Additive exPlanation(SHAP)을 통하여 설명하는 태양광 발전량 예측 기법을 제안한다.

화석연료의 빈번한 사용으로 인한 지구온난화 문제가 심각해지면서 화석연료를 대체할 수 있는 신재생 에너지가 떠오르고 있다. 그중에서도 에너지원이 청정하고 무제한으로 사용할 수 있다는 장점을 가진 태양광 발전소가 주목을 받고 있다. 하지만 기후에 따라 영향을 많이 받는 특징 때문에 안정적인 전력 생산을 위해서는 태양광 발전량 예측이 매우 중요해지고 있다. 본 논문에서는 시계열 데이터에 특화된 순환신경망 기법인 RNN과 LSTM 모델을 이용하여 태양광 발전량을 예측하고 각 모델의 하이퍼 파라미터를 다르게 주어 비교 분석하였다. 그 결과 LSTM 모델이 RNN 모델보다 높은 예측력을 보였고, 손실 값이 0.1보다 낮은 높은 정확도를 보였다.

본 연구는 회화문화재 속에 표현된 다양한 종류의 객체를 검출할 수 있는 딥러닝 모델생성을 위해 필요한 학습용 이미지 데이터셋 구축방안을 제안한다. 먼저 기존 동양화 기반의 회화문화재 이미지 데이터 및 객체 특징 분석을 진행하였고, 이를 바탕으로 Natural image에 Pose transfer 및 Style transfer를 적용한 새로운 방식의 회화문화재 이미지 데이터 생성 방법을 제안한다. 제안한 프레임워크를 통해 기존 문화재 분야에서 가지고 있던 제한된 데이터 구축문제를 극복하고, 검출모델 생성을 위한 대용량의 학습데이터 구축 가능성을 제시하였다.

Image transmission by means of telecommunications is an essential task for information sharing. For considerable distances, wireless channels can be utilized and tuned for proper uses of image data exchange. However, the disturbances that a radio wave encounter during transmission causes partial or total loss of information. Result of such communications is a distorted image at the receiver's end. This paper proposes an auto-encoder architecture as an image enhancement method for narrow-bandwidth radio images. With this method, a distorted image can be improved for better receiver satisfaction. The proposed auto-encoder is trained with many narrow-bandwidth radio image data; hence it enhances a given distorted image. Also, the results were verified with the original image data being the reference images.

고정 카메라 환경에서 움직이는 객체만을 탐지하는 것은 비디오 모니터링의 중요한 응용 분야이다. 본 논문에서는 비디오의 특성인 움직임 정보가 포함된 영상에서 GMM을 이용하여 움직인 돼지와 움직이지 않은 돼지의 위치를 대략적으로 구분하고, 추가적인 영상 처리 기법과 딥러닝 기반 객체 탐지기를 적용한 박스 단위 객체 탐지 결과를 활용하여 움직인 돼지의 외곽선을 보정한다. 돈사에서 촬영된 비디오 데이터로 실험한 결과, 제안 방법은 효과적으로 움직인 돼지를 탐지할 수 있음을 확인하였다.

뉴스, SNS 등의 인터넷 댓글은 익명으로 의견을 자유롭게 개진할 수 있는 반면 댓글의 익명성을 악용하여 비방이나 험담을 하는 악성 댓글이 여러 분야에서 사회적 문제가 되고 있다. 해당 문제를 해결하기 위해 AI를 활용한 댓글 분류 알고리즘을 개발하려는 많은 노력들이 이루어지고 있지만, 댓글 분류 모델에 사용되는 AI는 오버피팅의 문제로 인해 댓글 분류에 대한 정확도가 떨어지는 문제점을 가지고 있다. 이에 본 연구에서는 크라우드소싱을 활용하여 오버피팅으로 인한 악성 댓글 분류 및 판단 정확도 저하 문제를 개선한 크라우드소싱 기반 딥러닝 분류 알고리즘(Deep Learning Classification Algorithm Based on Crowdsourcing: DCAC)과 해당 알고리즘을 사용한 시스템을 제안한다. 또한, 실험을 통해 오버피팅으로 낮아진 판단 정확도를 증가시키는 데 제안된 방법이 도움이 되는 것을 확인하였다.

기후, 경영, 경제 등 여러 분야의 회귀분석에서 설명변수가 반응변수에 일정 시차를 두고 영향을 미치는 경우들이 많다. 하지만 지금까지 대부분의 회귀분석은 설명변수가 반응변수에 즉각적으로 영향을 미치는 경우만을 가정하고 있으며, 설명변수와 반응변수 간에 존재하는 시차를 탐색하는 연구는 거의 이루어지지 않았다. 그러나 보다 정확한 회귀분석을 위해서는 설명변수와 반응변수 간에 존재하는 시차를 파악하는 것이 중요하다. 본 논문은 회귀분석 데이터가 주어졌을 때 설명변수와 반응변수 간에 존재하는 시차를 파악하는 딥러닝 모델을 제안한다. 제안하는 딥러닝 모델은 설명변수의 과거 값들 중 어떤 값이 현재 반응변수에 가장 큰 영향을 미치는지를 노드 간 가중치로 표현하고, 회귀모델의 오차를 최소화하는 가중치를 탐색한다. 훈련이 끝나면 이 가중치들을 사용하여 각 설명변수와 반응변수 간에 존재하는 시차를 파악한다. 실험을 통해 제안 방법은 시차를 고려하지 않는 기존 회귀모델에 비해 시차까지 고려함으로써 오차가 1/100 수준에 불과한 더 정확한 회귀모델을 찾을 수 있음을 확인하였다.

본 논문은 외형 특징을 사용하지 않는 효율적인 다중 물체 추적 방법을 제안한다. 본 논문의 목적은 다중 물체 추적 방법이 합성곱 신경망 등의 외형 특징을 사용하지 않고 순수한 모션 모델의 힘으로 도달할 수 있는 최대의 성능을 찾는 것이다. 많은 다중 물체 추적 방법들이 추적 대상들 간의 유사성을 파악하기 위해 외형 특징을 사용한다. 하지만 다양한 외형 특징들을 갖는 방법들은 기본 특징 추출 알고리즘이 다르고, 다중 추적의 성능 향상이 어느 부분으로부터 오는지 정확히 파악할 수 없다. 또한, 각각 다른 매칭 알고리즘과 특징 디자인은 서로 다른 알고리즘의 효과를 순수하게 비교할 수 없다. 이러한 관점에서, 본 연구에서는 어떠한 외형 특징을 사용하지 않고 명확하게 추적 알고리즘의 효율성을 비교할 수 있는 가이드라인을 제시한다. 외형 특징을 사용하지 않고도 실용적으로 사용 가능한 성능에 도달할 수 있음을 공인 MOT2016, MOT2016 데이터셋에 대한 실험을 통해 증명한다. 이러한 방법은 GPU 를 사용하지 않고 200 fps 이상의 높은 속도를 보여 실시간 속도를 요구하는 임베디드 시스템 상의 어플리케이션에 적합하다.

영상 매체의 발달과 영상 미디어의 쉬운 공유는 많은 이점을 가지고 왔다. 하지만 영상이 인터넷 상에서 쉽게 공유되면서 개인이 원치 않는 모습 및 정보가 자신도 모르게 공개되는 초상권 문제나 사생활 침해 문제가 발생하고 있다. 이를 막기 위해 영상의 인물을 비식별화 하고 있지만 수작업으로 진행되는 영상의 비식별화는 많은 시간과 비용이 들어간다. 이에 본 논문에서는 자동으로 영상의 인물을 탐지, 추적하여 비식별화 영상처리를 진행할 수 있는 YOLO 기반 비식별화 시스템을 제안한다.

Most state-of-the-art CNNs for action recognition are based on a two-stream architecture: RGB frames stream represents the appearance and the optical flow stream interprets the motion of action. However, the cost of optical flow computation is very high and then it increases action recognition latency. We introduce a design strategy for action recognition inspired by a two-stream network and teacher-student architecture. There are two sub-networks in our neural networks, the optical flow sub-network as a teacher and the RGB frames sub-network as a student. In the training stage, we distill the feature from the teacher as a baseline to train student sub-network. In the test stage, we only use the student so that the latency reduces without computing optical flow. Our experiments show that its advantages over two-stream architecture in both speed and performance.

비만은 다양한 합병증을 일으키는 위험요소로 현대인의 건강을 위협한다. 비만에 영향을 주는 요소들은 유전적 영향, 식습관, 신체활동 등이 연관된다. 비만 인구의 증가로 대사증후군의 발병률이 높아졌다. 대사증후군은 비만, 고지혈증과 고혈압 등의 여러 가지 성인병을 동반한다. 비만과 대사증후군 판별 요소 검출을 위한 개인의 신체 정보와 생활 정보 분석이 필요하다. 본 논문에서는 의사결정나무를 이용하여 비만과 대사증후군을 분류하고 분류 시 사용된 특징의 중요도 분석을 수행한다. 비만 분석 결과는 체중과 신장이 높은 특징 중요도를 나타냈으며 대사증후군은 HDL, 허리둘레, 혈압과 나이 등이 높은 특징 중요도를 보였다.

각종 건설 현장에서 안전모 미착용은 주된 위험 요인 중 하나이다. 현장에서 관리자가 직접 작업자들의 안전모 착용 여부를 감독할 수 있지만 관리자가 항상 관리가 가능한 장소에 있어야 하는 한계가 있다. 본 연구에서는 안전모 착용 여부를 딥러닝 기반으로 인식하여 건설 현장에서의 안전 관리를 할 수 있도록 하는 시스템을 제안한다. 이를 위해 대표적인 객체 인식 알고리즘인 YOLO를 사용하여 현장에서의 안전모 착용 여부를 인식한다. 다음으로는 인식된 결과를 바탕으로 위험 상황을 판단하는 알고리즘을 제안한다. 제안된 시스템을 활용하면 효율적으로 건설 현장의 위험 상황을 관리할 수 있을 것으로 기대된다.

최근 AI 를 활용한 의료 진단 솔루션 시장이 크게 성장함에 따라 의료 인공지능 기술에 대한 대학 교육에 대한 수요가 증가하고 있지만, 개인정보 유출의 위험성 등으로 인하여 의료 데이터를 대학 교육에 활용하기 어려운 실정이다. 본 논문에서는 실제 의료 데이터 대신 생성적 적대 신경망(GAN)으로 합성된 흉부 X-ray 영상을 활용한 의료 인공지능 교육 모델의 사례를 제시한다. 프로메디우스(주)에 의해 제공받은 흉부 X-ray 합성영상을 사용하여, VGG-16 모델을 훈련하고 성능을 검증 및 평가하며 미세조정을 통해 성능을 개선하는 교육 모델을 구성하였다. 또한 교육모델이 의료 인공지능에 대한 학생들의 이해력 향상에 기여한 효과를 정량적으로 평가하였다.

온톨로지(Ontology)는 사람과 컴퓨터, 또는 컴퓨터 간의 개념 및 개념 표현을 공유하기 위한 개념화의 명시적 규약을 의미한다. 기존의 온톨로지 생성은 전문가에 의한 수작업에 의존되어 비용과 시간이 많이 드는 한계가 있다. 이에 본 논문에서는 딥러닝(Deep learning)기반의 기계번역 개념을 적용한 사례를 활용하여, 수작업의 의존성이 감소한 방법으로 텍스트로부터 온톨로지를 생성하는 방법을 구현하였다. 특히 기존 연구에서 제안한, 딥러닝을 이용해 텍스트로부터 지식 표현 시퀀스를 추출한 정보를 활용하여, 지식 표현 구조를 온톨로지로 변환하고 지식 베이스로 확장하는 과정을 통해 자동화 된 Text-to-Ontology 변환 방법론을 제안하고자 한다.

DB로부터 위치 데이터를 추출해오면, location visiting measure를 통해 한 개인의 장소 방문 선호도를 측정한다. 이 과정에서 위치 데이터 클러스터링 및 개인의 이동성 파악을 위한 6가지 조치를 한다. 위치 데이터 분석 결과로 얻은 이동성 통계는 LBS(Location Based System)를 포함한 다양한 분야에 적용될 수 있다. 연구의 최종 목표는 새로운 위치 데이터의 수집에 따른 방문 선호도 변화를 적용할 수 있도록 하는 location visiting measure의 자동화 시스템을 구축하는 것이다.

본 논문은 이미지 저작권 유무 판별을 분류 문제로 정의하고 기계학습과 합성곱 신경망 모델을 적용하여 해결한다. 학습을 위해 입력 데이터를 고정된 크기로 변환하고 정규화 과정을 수행하여 학습 데이터셋을 준비한다. 저작권 유무 판별 실험에서 SVM, k-NN, 랜덤포레스트, VGG-Net 모델의 분류 성능을 비교 분석한다. VGG-Net C 모델의 결과가 다른 알고리즘과 비교 시 10.65% 높은 성능을 나타냈으며 배치 정규화 층을 이용하여 과적합 현상을 개선했다.

인공지능 기술 발전으로, 의료영상 분야에서도 딥러닝 기반 질병 진단 연구가 활발히 진행되고 있다. 딥러닝 모델 개발 시, 학습 데이터 품질은 모델의 성능과 신뢰성에 매우 큰 영향을 미친다. 그러나 의료 분야의 경우 도메인 지식에 대한 진입 장벽이 높아 개발자가 학습에 사용되는 의료영상 데이터의 품질을 평가하기 어렵다. 이로 인해, 많은 의료영상 분야에서는 각 분야의 특성(질병의 종류, 관찰 아나토미 등)에 따른 영상 품질 평가 방법을 제시해왔다. 그러나 기존의 방법은 특정 질병에 초점이 맞춰져, 일반화된 품질 평가 기준을 제시하고 있지 않다. 따라서 본 논문에서는 대부분의 흉부 질환을 진단하기 위한 흉부 X선 영상의 품질을 평가할 수 있는 기준을 제안한다. 우선, 흉부 X선 영상을 대상으로 관찰된 영역인 심장, 횡격막, 견갑골, 폐 등을 분할하여, 3D 히스토그램을 기반으로 각 영역별 통계적인 정밀 품질 평가 기준을 제안한다. 본 연구에서는 JSRT, Chest 14의 오픈 데이터셋을 활용하여 적용 실험을 수행하였으며, 민감도는 97.6%, 특이도는 92.8%의 우수한 성능을 확인하였다.

반려동물을 효과적으로 보살필 수 있는 IoT(Internet of Things) 기반의 펫 웨어러블 디바이스가 연구 및 개발되고 있다. 본 논문에서는 펫 웨어러블 디바이스로부터 수집되는 데이터로부터 하루의 활동량을 파악하고자 데이터의 특징을 추출하고 GAT(Graph Attention Network)를 활용한 반려동물 행동 분류 기법을 제안한다. 이를 통하여 반려동물의 무기력증 등을 보호자에게 더욱 빠르게 알릴 수 있을 것으로 기대한다.

Successor representation (SR) 은 두뇌 내 해마의 공간 세포가 인지맵을 구성하여 환경을 학습하고, 이를 활용하여 변화하는 환경에서 유연하게 최적 전략을 수립하는 기전을 모사한 강화학습 방법이다. 특히, 학습한 환경 정보를 활용, 환경 구조 안에서 목표가 변화할 때 강인하게 대응하여 일반 model-free 강화학습에 비해 빠르게 보상 변화에 적응하고 최적 전략을 찾는 것으로 알려져 있다. 본 논문에서는 SR 기반 강화학습 알고리즘이 보상의 변화와 더불어 환경 구조, 특히 환경의 상태 천이 확률이 변화하여 보상의 변화를 유발하는 상황에서 어떠한 성능을 보이는 지 확인하였다. 벤치마크 알고리즘으로 SR 의 특성을 목적 기반 강화학습으로 통합한 SR-Dyna 를 사용하였고, 환경 상태 천이 불확실성과 보상 변화가 동시에 나타나는 2-stage 마르코프 의사결정 과제를 실험 환경으로 사용하였다. 시뮬레이션 결과, SR-Dyna 는 환경 내 상태 천이 확률 변화에 따른 보상 변화에는 적절히 대응하지 못하는 결과를 보였다. 본 결과를 통해 두뇌의 강화학습과 알고리즘 강화학습의 차이를 이해하여, 환경 변화에 강인한 강화학습 알고리즘 설계를 기대할 수 있다.

IoT 기기는 취약한 아이디와 비밀번호 사용, 저사양 하드웨어 등 보안 취약점으로 인해 사이버 공격 진입점으로 이용되고 있다. 본 논문은 IoT 악성코드를 탐지하기 위한 op 코드 카테고리 기반 특징 표현을 제안한다. Op 코드의 기능별 분류 정보를 이용해서 n-gram 특징과 엔트로피 히스토그램 특징을 추출하고 IoT 악성코드 탐지를 위한 기계학습 모델 평가를 수행한다. IoT 악성코드는 기능 개선과 추가를 통해 진화하였으나 기계학습 모델은 훈련 데이터에 포함되지 않은 진화된 IoT 악성 코드에 대한 예측 성능이 우수하였다. 또한 특징 시각화를 이용해서 악성코드의 비교 탐지가 가능하다.

최근 군사 분야에서 사용하는 기존 판독시스템을 개선하기 위해 판독보고서를 기반으로 문장을 추천해주는 시스템이 연구되었다. 제안한 시스템에서 문장을 추천하기 위해 Beam Search 알고리즘을 사용하는데, Beam Search 알고리즘은 추천해 주는 문장의 다양성이 떨어진다는 문제가 있었고, 이를 해결하기 위해 Divers Beam Search 알고리즘을 응용하여 적용하였다. 이는 판독관들의 업무효율을 높임으로써 업무 과 부화를 해결할 수 있을 것이다.

최근 반려동물 시장이 커짐으로 인해, 반려동물들의 헬스케어를 위한 제품들이 증가하고 있다. 이에 따라 펫 웨어러블 디바이스를 통한 연구가 활발히 진행되고 있지만, 웨어러블 디바이스를 통해 수집되는 센싱 데이터는 변칙적인 반려동물의 특징 때문에 연구의 한계를 갖는다. 이를 위해 본 논문에서는 1-Dimensional CNN과 LSTM 하이브리드 모델을 기반으로 한 반려동물 행동 분류를 제안한다. 웨어러블 디바이스를 이용해 자이로와 가속도 센서를 수집하여 걸음수를 측정하고, 이후 수집된 센싱 데이터로 반려동물의 행동을 4가지로 분류한다. 행동 분류는 걷기, 뛰기, 앉기, 서기로 분류한다.

AI (Artificial Intelligence) is being utilized in various fields and services to give convenience to human life. Unfortunately, there are many security vulnerabilities in today's ML (Machine Learning) systems, causing various privacy concerns as some AI models need individuals' private data to train them. Such concerns lead to the interest in ML systems which can preserve the privacy of individuals' data. This paper introduces the latest research on various attacks that infringe data privacy and the corresponding defense techniques.

최근 펫팸족(Pet-Family)과 같이 반려동물을 가족처럼 생각하는 가구가 증가하면서 반려동물 시장이 크게 성장하고 있다. 이러한 이유로 본 논문에서는 반려동물의 객체 식별을 통한 객체 분할과 신체 좌표추정에 기반을 둔 반려동물의 행동 분류 방법을 제안한다. 이 방법은 CCTV를 통해 반려동물 영상 데이터를 수집한다. 수집된 영상 데이터는 반려동물의 인스턴스 분할을 위해 Mask R-CNN(Region Convolutional Neural Networks) 모델을 적용하고, DeepLabCut 모델을 통해 추정된 신체 좌푯값을 도출한다. 이 결과로 도출된 영상 데이터와 추정된 신체 좌표 값은 CNN(Convolutional Neural Networks)-LSTM(Long Short-Term Memory) 모델을 적용하여 행동을 분류한다. 본 모델을 바탕으로 행동을 분석 및 분류하여, 반려동물의 위험 상황과 돌발 행동에 대한 올바른 대처를 제공할 수 있는 기반을 제공할 것이라 기대한다.

영상처리에서 데이터 증강(Data augmentation)은 단순히 사진을 편집하여 사진의 개수를 증강하는 것이다. 단순 데이터 증강은 동물의 반점이나 다양한 색깔을 반영하지 못하는 한계가 있다. 본 논문에서는 GAN을 통한 데이터 증강 기법을 제안한다. 제안하는 방법은 CycleGAN을 사용하여 GAN 이미지를 생성한 뒤, 데이터 증강을 거쳐 동물의 종 분류 정확도를 측정한다. 정확도 비교를 위해 일반 사진으로만 구성한 집단과 GAN 사진을 추가한 두 집단으로 나누었다. ResNet50을 사용하여 종 분류 정확도를 측정한다.

세계보건기구(WHO)에 따르면 전 세계적으로 우울증 장애를 앓고 있는 사람이 3 억 2,200 만명에 달하며, 매년마다 빠르게 늘어나는 환자로 인해 전세계적으로 문제가 되고 있다. 이에 따라 우울증을 감지하기 위한 시스템에 대한 연구가 진행되어지고 있다. 본 논문에서는 우울증 감지에 있어 높은 정확도를 얻을 수 있는 최적의 음성 세그먼트 길이와 멜 밴드의 수를 확인하고자 한다. DAIC-WOZ(Distress Analysis Interview Corpus Wizard of Oz) 데이터셋을 기반으로 2D-CNN(2Dimension - Convolutional Neural Network)를 사용하여 음성 세그먼트 길이와 멜 밴드의 수에 변화를 주며 테스트를 진행하였다. 최종적으로 12 초 길이의 음성 세그먼트와 512 개의 멜 밴드에서 86.3%의 정확도로 최적의 결과를 확인하였다.

데이터 베이스에 저장된 사용자의 위치, 성격정보를 자동으로 받아서 머신러닝으로 회귀분석하여 방문 장소에 대한 선호도를 예측한다. 사람의 성격 요소로는 BFF 와 다른 기본 요소들을 사용하였다. 이를 위하여 자동화된 시스템을 구성하였고 위치 방문 선호도를 예측하기 위한 머신러닝 기법으로는 앙상블기법을 사용하였다. 예측 결과는 장소 카테고리별로 방문 선호도가 나타나고 이를 사용자 별로 나누어 저장할 예정이다. 데이터의 양이 많아지면서 나타나는 문제들을 해결하여 향후 연구에 도움이 될 것이다.

사람은 표정, 음성, 말 등을 통해 감정을 표출한다. 본 논문에서는 화자의 음성데이터만을 사용하여 감정을 분류하는 방법을 제안한다. 멜 스펙트로그램(Mel-Spectrogram)을 이용하여 음성데이터를 시간에 따른 주파수 영역으로 변화한다. 멜 스펙트로그램으로 변환된 데이터를 CNN을 이용하여 특징 벡터화한 후 Bi-Directional LSTM을 이용하여 화자의 발화 시간 동안 변화되는 감정을 분석한다. 마지막으로 완전 연결 네트워크를 통해 전체 감정을 분류한다. 감정은 Anger, Excitement, Fear, Happiness, Sadness, Neutral로, 총 6가지로 분류하였으며 데이터베이스로는 상명대 연구팀에서 구축한 한국어 음성 감정 데이터베이스를 사용하였다. 실험 결과 논문에서 제안한 CNN-LSTM 모델의 정확도는 88.89%로 측정되었다.

The present work proposes a classification system for the HEp-2 cell images using an unsupervised deep feature learning method. Unlike most of the state-of-the-art methods in the literature that utilize deep learning in a strictly supervised way, we propose here the use of the deep convolutional autoencoder (DCAE) as the principal feature extractor for classifying the different types of the HEp-2 cell images. The network takes the original cell images as the inputs and learns to reconstruct them in order to capture the features related to the global shape of the cells. A final feature vector is constructed by using the latent representations extracted from the DCAE, giving a highly discriminative feature representation. The created features will be fed to a nonlinear classifier whose output will represent the final type of the cell image. We have tested the discriminability of the proposed features on one of the most popular HEp-2 cell classification datasets, the SNPHEp-2 dataset and the results show that the proposed features manage to capture the distinctive characteristics of the different cell types while performing at least as well as the actual deep learning based state-of-the-art methods.

Canny Edge Detection은 필터와 방향벡터를 이용한 대표적인 외곽선 추출 알고리즘으로서 대부분의 외곽선 추출 연구에서 이를 변형하여 사용한다. 그러나 본 논문에서는 외곽선 추출의 전처리 과정으로서 이미지에서의 잡음을 제거하는 알고리즘과 이를 바탕으로 외곽선을 더욱 효율적으로 추출할 수 있는 독창적인 알고리즘을 제시한다.

본 논문에서는 직육면체 형태의 실내 공간에서 다중 개체 영역을 검출하는 방법을 제안한다. 평면 검출 알고리즘은 평면성을 띄지 않거나 관측이 미흡한 영역에 대해 기하 정보를 검출할 수 없다. 이로 인해 장애물과 같은 개체의 영역을 파악할 수 없는 한계점이 있다. 제안 방법은 유클리드 클러스터링을 기반으로 군집화를 수행하고, 클러스터의 간소화를 통해 다중 개체 영역을 검출한다. 제안 방법은 직육면체 공간의 내부표면을 활용해 직육면체 공간과 좌표계를 공유하는 주요 개체들의 영역을 다량으로 검출한다. 제안 방법은 실험을 통해 다중 개체 영역이 적합하게 검출되었음을 보인다.

사람의 자세는 구면 파노라마에서 다양한 형태로 왜곡되어 나타날 수 있다. 따라서 구면 파노라마에서의 자세 추정은 평면 이미지에서의 경우보다 정확도가 떨어진다. 본 논문에서는 인식률이 높은 얼굴 인식 기법을 도입하여 구면 파노라마 영상에서 안정적으로 사람의 자세를 추정하는 방법을 제시한다. 먼저 구면 파노라마에서 얼굴을 인식한 후에 이에 기반하여 사람의 전신 영역을 추정하고 전신 영역을 포함하는 평면 영상을 획득한다. 획득된 평면 영상에서 자세를 추정하여 스켈레톤을 얻고 이를 캐릭터 모델에 적용한다. 제안 방법을 실영상에 적용하여 실험한 결과 평면 이미지에서와 동일한 수준의 정확도를 보임을 확인하였다.

마칭 큐브 알고리즘은 등밀도 곡면을 추출하는 과정에서 skinny triangle을 자주 생성한다. Skinny triangle은 한 변의 길이 또는 한 개의 내각이 기준치 이하인 삼각형으로서, 곡면을 처리할 때 여러 문제를 발생시킨다. 본 논문에서는 마칭 큐브 알고리즘에서 고려되는 15가지의 복셀 종류에 따라 skinny triangle을 제거할 수 있는 방법을 제안한다.

Monte Carlo 렌더링은 모든 빛을 광원에서부터 추적하는 것 대신, 몇 개의 빛의 경로만을 추적해서 이들의 평균으로 화소값을 정해 이미지를 만드는 방법이다. 여기서 추적하는 빛이 많다면 이미지가 사실적으로 만들어질 수 있지만 연산량이 증가한다. 따라서 적은 빛의 경로를 추적하여 렌더링을 수행하여 이미지를 만들고, 노이즈를 제거해서 많은 양의 빛을 추적하여 렌더링을 한 이미지와 유사하게 만들려는 연구가 많이 진행되고 있다. 그러나 이러한 연구들은 많은 연산량을 요구하기 때문에 고성능의 기기 사양을 요구한다. 따라서 본 연구에서는 저사양의 기기에서 활용할 수 있도록 Harris corner 검출법과 median filtering을 활용한 렌더링 이미지 노이즈 제거 연구를 수행했다.

본 논문에서는 위성 영상과 같은 원격 센싱 영상 등의 저 대비 영상의 화질을 개선하기 위하여 SVD (singular value decomposition)를 이용한 적응적 히스토그램 평활화 기법을 제안한다. 저 대비 영상의 특이값과 히스토그램 평활화 영상의 특이값을 결합하되, 사용자 파라미터를 통해 영상의 화질을 조절할 수 있도록 적응적 화질 개선 기법을 제안한다. 위성 영상을 비롯한 다양한 영상을 대상으로 실험한 결과 제안하는 방법이 기존의 히스토그램 평활화 기법 및 이를 개선한 방법에 비해 GSD (global standard deviation)으로 측정한 객관적 수치 측면에서 우수한 성능을 나타내고, 주관적 화질 측면에서 자연스럽고 영상의 어두운 영역 및 밝은 영역에서의 디테일 보존 성능이 우수함을 확인할 수 있다.

본 논문에서는 효과적인 고해상도 비디오 데이터의 처리를 위하여 부호화기 내에서 참조 영상을 저장하는 프레임 메모리를 압축하는 방법을 제안한다. 프레임 메모리는 응용분야의 특성상 무손실 압축 및 저 복잡도를 갖는 방법이 요구되는데, 블록 단위의 PCT 를 이용하여 픽셀 사이의 상관도를 제거하고, 적응적 GR 부호기를 이용하여 최종 비트열을 구성하여 압축하는 방법을 제안한다. 다양한 테스트 영상을 대상으로 실험한 결과 제안하는 방법이 기존의 압축 방법에 비해 압축 성능이 우수하면서 실행 시간으로 측정한 복잡도 측면에서 유사한 성능을 나타냄을 확인하였다. 압축 성능과 복잡도의 두가지 측면을 종합적으로 판단한 결과 제안하는 방법이 기존의 방법에 비해 충분히 경쟁력이 있음을 알 수 있다.

본 논문은 통학버스 예약 시스템으로 안드로이드 모바일 애플리케이션을 통하여 직관성 있는 UI와 빠른 피드백을 제공하는 실시간 서비스를 이용하여 통학버스를 이용하는 학생에게 간편하고 빠른 자리 예약 서비스를 제공한다.

최근 한국 여름 기후의 열대화 현상이 급속화 됨에 따라 잦은 장마와 태풍으로 인해 방제 약품이 씻겨나가 방제가 제대로 안되는 경우가 많아졌다. 이는 식물과 작물들이 병해에 약해지는 계기를 만들었다. 따라서 본 논문에서는 그 중 실내 농사가 어려운 감귤에 중점을 잡고 감귤에서 주로 나타나는 흑점 영상 인식에 대한 모델을 제안하였다. HSV 공간으로의 변환과 LBP 기법을 통해 간단하지만 인식률을 높일 수 있는 방안을 마련하고자 했다. 자원과 계산을 효율적으로 사용하기 위해 모델을 간략화 하였으며 추후 스마트팜의 연구에 도움이 될 수 있을 것이라 기대한다.

타임뱅크(Time bank)는 '모든 사람의 시간과 모든 노동의 가치는 동일하다'는 원칙하에 지역 커뮤니티 내의 구성원 사이에 남을 도운 시간을 적립하고 남으로부터 도움을 받을 때 그 시간만큼 찾아 쓸 수 있는 상호호혜적인 봉사 시스템이다. 타임뱅크가 가능하기 위해서는 도움을 받는 사람과 주는 사람을 매칭시키고 시간 화폐를 계좌에 적립하고 관리하기 위한 웹 플랫폼이 필수적이지만, 국내에서는 관련 기술개발이 부진하다. 본 연구에서는 클라우드 서버 내에 Django 기반 데이터베이스를 구축하여 봉사 거래 및 타임뱅크 계좌가 관리될 수 있는 한국형 타임뱅크 웹 플랫폼을 제안한다.

지속적인 고령화와 코로나의 발발로 인하여 노인층의 소통 단절을 해결하기 위한 여러 방법들이 모색되고 있다. 그 안에서도 실버 스포츠가 적합한 방안으로 손꼽히며 가장 대중적인 게이트볼을 상용화 시키려는 노력이 이어지고 있다. 현재까지 스포츠 자체에 집중하여 만들어진 어플리케이션이 없다는 점을 공략하여, 노인층이 제대로 게이트볼을 알고 즐길 수 있도록 하는 게이트볼 정보 및 커뮤니티 제공, 승률 기록과 경기를 되짚어볼 수 있는 기능이 추가된 어플리케이션을 개발함으로써 사회 문제를 해결하고 이익을 창출하고자 한다.

하나의 폰트를 제작하기 위해서, 로마자 폰트는 200여자만 디자인하면 되지만, 한글 폰트는 11,172자나 되는 많은 글자를 하나하나 디자인해야 하는 어려움이 있다. 하나의 한글 폰트 제작에 많은 시간과 노력이 드는 기존 문제점을 해결하기 위해, 메타폰트와 같은 프로그래머블 폰트를 이용하는 방법이 제안되었으나, 이를 실제 사용하는 것은 용이하지 않다. 따라서 이러한 문제를 해결하기 위해 한글 가변폰트 서비스를 위한 한글 매개변수 조절 서비스 "STEMFONT'를 개발하였다. 본 논문에서는 STEMFONT 서비스에 대한 소개와 더불어 서비스 기능에 맞는 인터페이스 구성에 대해 설명한다. 이러한 인터페이스를 통해 사용자들이 쉽게 폰트를 제작할 수 있다.

근골격계 질환 환자들은 정상인들에 비해 질환 부위의 관절 가동 범위(ROM, Range of Motion)가 제한되는 경향이 있다. 이러한 근골격계 질환 환자들의 관절 가동 범위 제한을 고려하지 않은 재활 운동 콘텐츠 서비스는 오히려 환자의 건강 상태를 악화시킬 수도 있으므로 주의해야 하는 서비스 요인이다. 본 논문에서는 근골격계 질환 환자의 제한적인 관절 가동 범위를 고려한 아바타 기반의 재활 운동 콘텐츠 서비스 기술을 제안한다. 이에 재활 운동의 모션 캡처 데이터로부터 아바타 재활 운동 콘텐츠로의 변환 기술과 근골격계 질환 환자의 관절 가동 범위 제한 정보를 적용한 아바타 기반 재활 운동 콘텐츠 재현 기술을 설계한다. 일련의 기술적 구성 요소를 고찰하고 설계함으로써 근골격계 질환 환자들의 서로 다른 관절 가동 범위를 반영한 맞춤형 재활 운동 콘텐츠 서비스가 안전하고 효과적인 재활을 지원할 수 있도록 한다.

챗봇의 사용 용도는 일상 대화와 소비자 응대를 넘어서 심리 상담 용도로 확장하고 있다. 이 연구에서는 챗봇-사람 채팅에서 무작위로 추출한 '우울'과 관련된 대화 데이터를 텍스트마이닝 기법으로 분석하여 채팅에서의 우울 관련 담론 주제를 파악하였다. 더불어 정성 분석을 통해 사용자들이 챗봇에 털어놓고 있는 '우울' 의 종류를 범주화하고 분류하여, 트위터의 '우울' 데이터와의 차이점을 비교하였다. 이를 통해 챗봇 데이터의 '우울' 대화만의 특징을 파악하고, 우울 증상 탐지와 그에 따른 적절한 심리지원 정보를 제공하는 서비스 디자인의 착안점을 제시한다.

본 연구는 버스환승정보센터의 디지털기기에 마이크로 인터렉션을 적용하여 UI를 설계한다. UI를 설계하면서 디지털기기에 사용이 어려운 고령자의 특성을 물리적, 인지적 기준으로 분류하고 문제점을 파악하여 지금까지 연구되어온 타이포그래픽, 컬러 등의 그래픽적 요소가 아닌 마이크로인터렉션 효과를 적용하여 고령자에게 디지털기기의 사용성을 높이기 위한 UI를 설계하였다.

Pain is an unpleasant experience for the patient. The recognition and assessment of pain help tailor the treatment to the patient, and they are also challenging in the medical. In this paper, we propose an approach for pain recognition through a deep neural network applied to pre-processed physiological. The proposed approach applies the idea of shortcut connections to concatenate the spatial information of a convolutional neural network and the temporal information of a recurrent neural network. In addition, our proposed approach applies the attention mechanism and achieves competitive performance on the BioVid Heat Pain dataset.

메타버스의 산업적/학술적 가치가 증대되면서, 실세계 인간과 메타버스 내 디지털 휴먼과의 상호작용 시스템 또한 큰 조명을 받고 있다. 본 논문에서는 인간과 디지털 휴먼이 상호작용할 때, 인간의 발화에 대해 감성적 지지가 가능한 디지털 휴먼 프로토타입을 소개한다. 대화의 의미에 따른 동작 생성이 가능한 아바타 구축 공개 프레임워크를 도입하고, 사전학습모델을 바탕으로 감성적 지지가 가능한 심층 대화 생성 모델 기반 대화 시스템을 여기에 통합하여 인간의 감성 상태에 따른 동작과 대화를 진행하는 감성 지지형 디지털 휴먼 프로토타입을 구현하였다. 이러한 프로토타입을 고도화 하면, 향후 메타버스 기반 정신 건강 케어 및 디지털 치료제로의 확장이 가능할 것으로 사료된다.

게임에서 플레이어에게 시각적으로 제공되는 환경을 View라고 하는데, View의 전환만으로도 전혀 다른 게임의 경험이 가능하다. 본 논문에서는 car racing game에서 View의 전환에 따른 게임의 경험 차이를 비교하였다. 우리는 ARcore 라이브러리를 사용하여 AR car racing game을 구현하였고 virtual joystick을 사용한 Interaction 방법을 구현하였다. Top down view와 first person view의 차이점이 플레이어의 실감에 어떠한 영향을 미치는지 연구하기 위해 두 view을 구현하여 pilot study를 수행하였다.

Covid-19 로 인한 마스크 착용이 청각장애인들의 소통을 더 어렵게 하는 바, 제 3 자의 도움 없이 쌍방향 소통을 가능하게 하는 서비스의 필요성이 커지고 있다. 이에 본 논문은 소통의 어려움을 겪는 청각장애인과 비청각장애인을 위한 쌍방향 소통 서비스에 대한 연구와 개발 과정, 기대 효과를 담는다. 서비스는 GRU-CNN 하이브리드 아키텍처를 사용하여 데이터셋을 영상 공간 정보와 시간 정보를 포함한 프레임으로 분할하는 영상 분류 기법과 같은 딥 러닝 알고리즘을 통해 수어 영상을 분류한다. 해당 연구는 "눈속말" 모바일 어플리케이션으로 제작 중이며 음성을 인식하여 수어영상과 텍스트로 번역결과를 제공하는 청각장애인 버전과 카메라를 통해 들어온 수어 영상을 텍스트로 변환하여 음성과 함께 제공하는 비청각장애인 버전 두 가지로 나누어 구현한다. 청각장애인과 비장애인의 쌍방향 소통을 위한 서비스는 청각장애인이 사회로 나아가기 위한 가장 기본적인 관문으로서의 역할을 할 것이며 사회 참여를 돕고 소통이라는 장벽을 넘어서는 발돋움이 될 것이라 예측된다.

블루투스 취약점을 이용한 공격을 방지하기 위한 블루투스 보안으로 블루투스의 링크키 인증 과정을 OTP 기능과 접목하여 실행하여 블루투스 재연결 인증 과정 취약점(BIAS)에 대해 보안을 강화한다.

본 논문에서는 기존의 책상에서 발생하는 문제점을 개선하고 효율적인 공부를 할 수 있도록 도와주는 "학습 능률을 높이는 스마트 책상" 시스템을 제안한다. 제안하는 시스템의 주요 기능은 다음과 같다. 첫째, 아두이노와 Linear actuator를 사용하여 책상의 높낮이와 책받침의 각도를 조절한다. 둘째, 심박 센서를 통해 사용자의 집중도를 확인하고 이와 연동된 어플리케이션으로 각종 센서와 모듈을 제어하여 최적의 공부환경을 조성한다. 셋째, 책상 위 모든 동작이 어플리케이션을 통해 자동으로 수행되어 Human task를 감소시킨다. IoT 기술과 집중력 관리 알고리즘을 활용한 제안 시스템을 통해 학습자의 책상 앞 올바른 자세 교정과 학습 시 높은 집중력을 유지시키는데 도움을 줄 수 있을 것으로 기대된다.

본 논문은 유아기 아이들에게 올바른 위생관리 습관 확립과 화장실 내 안전사고 예방을 도와주는 "Kids Self Care Mirror" 시스템을 제안한다. 제안하는 주요 기능은 다음과 같다. 첫째, 적외선/온습도 센서 등을 통해 실내 LED 및 환풍기 제어와 습도로 인한 미끄러움을 경고등과 경고음을 사용하여 방지한다. 둘째, 카메라 모듈을 사용하여 사용자를 인식하고 디스플레이를 통해 아이들을 위한 양치 교육 동영상을 재생시킬뿐만 아니라 치아 상태에 따른 치약을 추천한다. 또한 액체비누 디스펜서 버튼을 누르면 손 씻기 교육 동영상이 재생된다. 셋째, 액추에이터를 사용하여 사용자의 키에 맞게 거울의 높낮이를 자동으로 조절한다. IoT 기술과 OpenCV, 치아 관리 알고리즘을 활용한 "Kids Self Care Mirror" 시스템을 통해 아이들에게 발생할 수 있는 각종 질병과 사고를 방지할 수 있을 것으로 기대된다.

소프트웨어의 중요성이 커지면서 코딩열풍이 불고 있다. 코딩열풍은 소프트웨어 교육 의무화로 이어졌다. 본 연구는 소프트웨어 교육 개선방안으로 VR 블록코딩을 제안하였다. 본 연구에서 제안한 VR 블록코딩은 최단경로 찾기 모델을 기반으로 교육과정에 따른 컴퓨팅 모델을 설계하여 구현하였다. 컴퓨팅 모델은 입력과 출력, 변수와 연산, 제어구조, 함수생성 및 호출이다. 본 연구에서 제안한 VR 블록코딩이 가능해짐에 따라 초현실사회에 새로운 디지털 교육 콘텐츠에 기여할 것이다.

본 논문에서는 IoT 기술을 활용한 사용자 맞춤형 보행보조기구 시스템을 제안한다. 아두이노 기반으로 제작하는 맞춤형 보행보조기구는 리니어 액추에이터, 솔레노이드, 블루투스, 가속도 센서 외 다양한 센서들로 기능을 제공한다. 안전한 환경 제공을 위한 야간 조도 조절과 토양 상태 파악을 통한 미끄럼 방지 및 계단 보행보조를 통해 2차 부상 방지를 목적으로 한다. 올바른 사용을 위한 균형 제어와 길이 제어 및 위생 관리가 가능하다. 또한 어플리케이션을 통한 대여시스템을 제공하여 맞춤형 기능을 선택하고 병원에서 환자 정보를 연동하여 편리한 시스템을 개발한다.

산업제어시스템에 침해사고가 발생하여 서비스 제공이 중단될 경우 사회에 큰 혼란을 야기할 수 있기 때문에 주기적으로 내부 자산의 보안 수준을 관리하는 것은 매우 중요하다. 위 논문은 산업제어시스템 내부 자산의 보안성 확립을 위한 산업제어시스템 자산 유형별 보안성 평가 프로그램을 제안한다. 동일 자산 그룹에 따라 보안조치를 선별적으로 적용하고 신규 취약점을 지속적으로 파악하는 프로세스를 프로그램에 적용하여 제어시스템 보안 수준을 안정적으로 유지하는 사내 프로그램으로 활용될 수 있도록 한다.

최근 디지털 교과서를 중심으로 교육 인프라가 전환되었다. 본 연구는 디지털 교과서의 상용화와 맞춤형 교육을 제공하기 위해 가상현실 기반 맞춤형 언어학습 시스템을 제안하였다. VR 에서 말하기, 듣기, 쓰기의 상호작용이 가능한 시스템을 구현하였고 자기주도적 맞춤형 학습이 가능하도록 학습요소를 시각화 하였다. 본 연구에서 제안한 자기주도적 맞춤형 학습이 가능해짐에 따라 코로나-19 로 인해 양극화된 교육 격차의 해소가 가능할 것이다.

인공지능 무인 감독 시스템을 이용하여 코로나 시대에 다수의 인원이 한 공간에서 시험을 볼 수 없는 상황을 극복하고, 전염병의 확산을 피해 언제 어디서든 시험을 볼 수 있는 시대를 도래한다. 미리 학습된 이미지를 바탕으로 얼굴을 판별하고, Motion recognition 기능을 이용하여 얼굴, 동공, 자세 등의 움직임을 인식하여 분석한다. 이처럼 인공지능 시스템을 이용한다면, 실시간 수업 학생 관리, 범죄 예방 등 타 분야에서 다양한 서비스를 실용화할 수 있다.

코로나19의 영향으로 발열 측정의 중요성은 매우 높아졌다. 현재 이용되고 있는 발열 측정 기기는 사람의 능동적 측정이 요구된다. 본 연구에서 개발된 SDTMBOT은 강화학습기반의 자율 주행과, 딥러닝 기반의 발열 측정 기능을 통하여 특정 장소에 국한되지 않고 넓은 공간에서 자율적이고 지속적인 발열 측정이 가능하다. 이는 기존 사용되고 있는 측정방식과 다른 새로운 방식이며 다가올 With 코로나 시대의 방역에 대한 새로운 시각을 제시한다.

본 시스템은 홈 CCTV 를 이용해 집 안 사용자의 감정인식, 행동인식을 통해 스마트홈 자동화할 수 있는 시스템으로, 인식된 감정에 맞춰 음악 재생, 조명 조절을 하거나 간단한 동작만으로 IoT 단말을 컨트롤 한다. 또한 실시간으로 IoT 장비들이 동작할 수 있도록 마이크로 서비스 아키텍처로 감정인식과 행동인식 서비스를 설계하여 구현하는 것이 특징이다. 이는 스마트홈 내에서 더 편리하고 가치 있는 집안 환경을 구현할 수 시스템을 제공한다.

2019년 산업재해 현황 분석 결과 복장, 보호구의 잘못 사용으로 사고가 발생한 비율이 20%로 높은 비율을 차지했고, 전체 사고자 중 두부 손상을 입은 비율이 41%로 가장 높은 비율을 보였다[1]. 고용 노동부가 발표한 '건설현장 추락위험 일제점검 결과(2021.7)'에서는 안전모 미착용 근로자가 32.6%를 차지하였다[2]. 우리는 ICT기술을 활용해 안전모의 기능개선 가능성을 확인하였고, 안전사고를 예방하고, 빠르게 감지할 수 있는 스마트 안전모를 개발하고자 하였다. 그리고 본 연구를 통해 IoT 센서들과 딥러닝 영상분석을 이용한 스마트 안전모 서비스는 작업 전 부정착용 방지, 작업 중 위험감지, 사고 발생 시 빠른 감지를 통한 신속한 대처를 목표로 하여, 안전한 작업환경을 만들 수 있는 가능성을 제시하고자 한다.

투자에 대한 관심 증가에 따라 적은 비용과 시간으로 객관적인 정보 제공의 필요성 증가와 함께 인공지능 기술을 활용한 로보어드바이저 서비스가 확대되었다. 또한, 최근 ETF 를 통한 안정적인 투자에 대한 선호도가 증가함에 따라 ETF 중심의 AI 로보어드바이저 추천 서비스가 필요할 것으로 보인다. 하지만, 기존의 투자 어플리케이션에서는 뉴스 기반의 감성적인 요인이 반영되지 않은 추천 방식으로 주가에 영향을 미치는 다양한 요인들을 고려하지 못하는 문제점이 있다. 이에 본 연구에서는 뉴스의 감성분석을 통한 감성지수를 기반으로 새로운 주가 예측 모델을 제안하고, 사용자의 투자 성향 분석을 통한 맞춤 추천 서비스를 통해 개인화된 ETF 서비스를 제공한다.

본 논문은 개인의 니즈를 반영하기 위해 기존의 의류 관리기에 원하는 향을 입히는 기능을 추가한 스마트 의류 관리기를 제안한다. 의류 관리기는 시간 단축과 의류 상태 보존을 위해 세탁기 대용으로서 이용되는데 기존의 의류 관리기의 경우 먼지와 악취 제거만을 중점적으로 수행한다. 이에 본 논문에서는 개인의 취향에 맞는 향 제조를 도울 뿐만이 아니라 날씨, 계절, 그리고 사용자의 기분을 반영하여 향을 추천해준다. 애플리케이션에서는 작동 시간과 의류 및 작동 상태, 향 순위 등의 정보를 제공하여 제품의 효율성과 사용자의 편의성을 증가시킨다. 또한, openCV와 만족도 평가를 이용하여 사용자에게 알맞은 향기, 분사량을 찾을 수 있도록 피드백 과정을 거치게 된다. 이를 통해 본 논문은 개인에게 초점이 맞춰진 맞춤형 시장의 활성화 및 사용자의 편의성 증대를 목표로 한다.

비혼 인구의 증가, 출산율 감소를 비롯한 사회적 요인과 맞물려 반려견의 수요는 크게 증가하였고, 그에 따라 반려견으로 인한 개물림 사고 역시 꾸준히 증가하는 추세를 보이고 있는 상황이다. 이에 본 논문은 견주들의 반려견 안전관리 보조를 위한 스마트 목줄을 제작, 제공하여 반려견의 돌발행동에 의한 사고를 방지하고자 한다. 특히, 본 제품은 위험 감지와 행동 제어를 통한 직접적인 사고 예방과 견주에게 정확하고 유용한 정보를 제공함으로써 사람과 반려견의 안전하고 쾌적한 공존을 돕는 데에 그 목적이 있다.

본 논문은 펌웨어와 인공지능을 이용하여 지형의 사각지대를 이동하며 순찰 및 방범의 목적을 지닌 시스템을 소개하기 위함에 있다. 기존의 보안 시스템은 비상 상황 발생 시 인력이 직접 출동하여 상황을 해결함으로써 날로 증가하는 최저임금을 고려했을 때 이들의 인건비를 감당하기 어렵다는 단점이 있다. [1] 이러한 문제점을 해결하기 위해 앱 개발을 통해 RC카를 제어하는 아두이노와 연결하여 자율주행을 하게끔 하는 시스템을 개발했다. 또한, 라즈베리파이 웹캠을 부착해 실시간으로 현장을 촬영하여 사용자가 웹에만 접속하면 현장을 모두 감시할 수 있도록 시스템을 개발하였고, 단시간 푸리에 변환(STFT)을 통해 얻은 음성 데이터 변환맵을 인공지능 프로세서인 인텔리노에 학습 데이터로 학습시킨 후에 주변 환경에서 비명 소리만 감지할 수 있도록 시스템을 구현하였다. 본 논문에서는 이러한 시스템들이 기존의 인건비 증가에 대한 문제점을 해소할 수 있다고 생각하여 더욱 효율적으로 방범이 가능한 시스템을 소개한다.

우리나라의 1인당 전력 소비량이 가파르게 증가하고 있으며 이에 따른 에너지 절약의 필요성이 대두되고 있다. 본 논문은 IoT 기술을 활용하여 더욱 간단하고 효율적인 저비용 에너지 절약 시스템을 제안한다. 실시간 모니터링과 센서 데이터를 기반으로 한 에너지 절약 시나리오 제공이 큰 특징이다. 구현한 시스템은 전력 사용량 peak 값과 전체적인 편차가 줄어드는 결과를 가져왔다. 더 나아가 가정뿐만 아니라 더 넓은 범위에 적용 가능할 것으로 기대된다.

Low-Poly는 비교적 적은 수의 Polygon을 가진 3D Computer Graphics의 Polygon Mesh이다. 본 논문의 VR·PC 기반 어드벤처 게임 '하늘섬의 비밀'에 이러한 Low-Poly 그래픽이 적용되어 비현실적이고 감성적인 스토리의 신비로운 분위기를 극대화 하는 효과를 발생시킨다. 또한 Low-Poly 그래픽은 VR 게임에서 현실과 가상세계를 구분하지 못해 생기는 괴리감과 이로 인해 오는 어지러움을 줄이고 사용자의 몰입도를 높여준다.

현재 영어 기반의 기술 팩트체크 서비스는 다양하지만 한국 기반 팩트체크 서비스는 비기술적(언론인 등 전문가의 교차 검증을 통한 팩트체크)이 주를 이루고 있으며, 기술 팩트체크 서비스가 많이 시행되지 않고 있다. 본 논문에서는 기술적인 요소와 비기술적인 요소의 서비스를 함께 사용할 때 허위 정보를 가장 정확하게 식별할 수 있기 때문에 한국어 기반의 자연어 처리 기술을 이용한 팩트체킹 서비스를 제안한다.

이 논문에서는 다매체를 사용하여 데이터를 수집한 후 기계학습을 통해 분석하고 주어진 상황에 대응하기 위한 시스템의 개발을 기술한다. 개발 시스템은 센서데이터 수집부, 상황인지 및 상황대응부로 이루어지며, 아두이노와 라즈베리파이를 사용하여 구성한다. 구성된 시스템은 영상 카메라 및 온습도을 포함한 다수의 센서를 사용하여 환경정보를 수집한 후 수집자료를 전처리하고 주어진 상황을 인지하여 상황에 가장 적절하다고 판단되는 대응을 안내하도록 기능을 구성하였다. 상황인지를 위해서는 기계학습 알고리즘으로 의사결정트리를 사용하였으며 100%의 상황인지 정확률을 갖는다.

미세먼지가 인체에 유해한 영향을 끼칠 수 있다는 연구 결과가 꾸준히 발표되고 있다. 본 논문에서는 사물인터넷(IoT) 서비스를 활용하여 자동으로 창문을 개폐할 수 있는 시스템을 소개하고자 한다. 이 시스템에서는 측정한 실내 공기질과 오픈 API에서 받아온 실외 미세먼지 데이터를 비교하여 창문을 개폐하고, 사용자가 등록한 패턴에 따라 환기를 자동화하는 시스템이다.

본 논문은 3차원 데카르트 좌표계에 따른 다 관절 로봇 제어의 제어 알고리즘을 제안하려 한다. 제안 기법을 통해 놓고자 하는 좌표 공간의 값을 통해 서보 모터가 취해야 할 각도 값을 구할 수 있고, 이를 통해 다 관절 로봇을 보다 쉽게 제어할 수 있다.

우리는 1 인 가구가 늘어나고 있고 주거 침입 사고도 많이 발생하고 있는 현재 사회에 맞게 도어락에 보안을 강화하고, 집안에 CCTV 를 설치하여 감시하는 서비스를 제공하여 거주자의 불안감을 덜어내도록 한다. 사용한 H/W 는 아두이노와 지문인식센서로 도어락의 지문인증에, 라즈베리파이와 웹 캠은 도어락의 얼굴인증, CCTV 에 사용하여 구축했다. 또한 도어락 인증에 성공하면 집 모형의 문을 열어주기 위해 서보 모터를 사용했다. 사용한 S/W 는 데이터 저장, 얼굴 인증은 AWS 클라우드 서비스를 활용했고, 스마트폰 알람은 FCM 을 사용하였다. OpenCV 를 사용해 움직임 감지를 하고, Flask, Ngrok 를 활용해 실시간 스트리밍이 가능하도록 했다. 어플에서는 관리자가 데이터를 관리(조회, 추가, 삭제)를 할 수 있다.

열영상과 IoT를 이용한 AI 바이러스 차단 시스템 개발에 필요한 열화상 체온 측정기의 열 측정 정확도 향상과 얼굴 인식 시간 단축을 위해 열화상에 사용되는 딥러닝 알고리즘을 비교하며 효율적인 알고리즘 발굴 및 열영상을 이용한 바이러스 차단 시스템에 적합한 열영상 알고리즘 보완 방법을 찾는 연구이다.

최근 COVID-19(코로나 바이러스 감염증) 확산에 따라 다양한 분야에서 힘든 상황이 이어지고 있다. 중앙 재난 안전 대책본부에 따르면 지난 2월 한 달간 코로나 안전신고는 약 2만 5천 건의 방역수칙 위반 신고가 들어온 것으로 집계됐다. 이에 따라 음식점 및 매장은 QR코드. 수기 작성을 통한 동선 체크, 온도 검사 등 코로나 확산을 방지하기 위한 방법을 시행하고 있지만 이는 단지 코로나 확산 방지를 위한 대책 일뿐 소상공인의 매장 운영이나 안정적인 영업 유지 등 직접적인 영향을 줄 수 없다. 이에 본 논문은 OpenCV를 활용한 고객 출입 관리 시스템을 제안한다. 본 시스템은 OpenCV 영상처리기술을 활용하여 매장을 방문하는 고객의 나이, 성별을 수집하여 주요 고객층 분석, 출입 현황 및 이용 시간을 파악한다. 본 시스템은 코로나 확진자 동선 파악을 위한 역학조사와 소상공인의 효율적인 매장 운영 시간을 분석하여 '코로나 확산 방지', '소상공인 매출 증가'의 기대 효과를 얻을 수 있다. 향후, 제안하는 기법의 실질적인 검증을 위해 실제 매장 환경에서의 테스트가 필요하다.

국내외 IOT 시장의 성장률은 꾸준히 증가할 것으로 예측된다. 특히 스마트 가전 시장 분야의 경우 다른 스마트 홈 분야보다 규모뿐만 아니라 성장률 역시 높은 편에 속한다. 한편 코로나 시대 도래로 인하여 개인의 가정에 머무르는 시간은 많아졌으며 개인의 살균에 대한 관심 역시 높아지게 되었다. 본 논문은 인공지능 자동 살균기를 설계하여 하나의 스마트 가전제품 서비스를 설계하는 솔루션을 제공하고자 한다. 인공지능 이미지 인식 기술을 통해 사용자 활동 패턴을 파악하고 이를 기반으로 살균 시간 도출 및 살균 시간 추천 알고리즘을 통해 사용자 맞춤형 살균 서비스를 제공하며 사용자의 활동 패턴에 맞춤화된 적절한 살균 강도를 결정할 수 있도록 군집화를 통해 살균 강도 결정 서비스도 제공한다.

해가 갈 수록 음식물 쓰레기의 문제점이 대두되고 있다. 이 문제를 해결하기 위해, 스마트냉장고, 냉장고 관리 어플리케이션 등의 많은 선행연구들이 존재한다. 하지만 이 들은 범용적이지 못하고 번거롭다는 한계가 존재하며, 본 논문에서는 그 한계를 해결하고자 영수증을 통한 효율적인 냉장고 관리 어플리케이션을 제안한다.

우리는 본 연구를 통해 최근 지속적으로 증가하고 있는 개인형 이동수단인 킥보드, 전기 자전거 등을 이용하는 사용자가 편리하고 안전한 주행을 할 수 있도록 AR 기술을 통해 길안내 서비스를 제공하는 방법 및 관련 기술, 그리고 IoT 기반으로 사용자가 착용한 웨어러블 기기와의 연동을 통해 주행 중 사고위험을 미리 인지할 수 있는 기술도 제안하였다. 우리가 제안한 기술과 서비스를 통해 최근 사회적 이슈가 되고 있는 개인형 이동수단으로 인한 안전사고 예방에 기여할 수 있을 것으로 기대해본다

2018 년 Google 사의 사전 학습된 언어 인공지능 BERT 를 기점으로, 자연어 처리 학계는 주요 구조를 유지한 채 경쟁적으로 모델을 대형화하는 방향으로 발전했다. 그 결과, 오늘날 자연어 인공지능은 거대 사기업과 그에 준하는 컴퓨팅 자원을 소유한 연구 단체만의 전유물이 되었다. 본 논문에서는 다층 퍼셉트론을 병렬적으로 배열해 자연어 인공지능을 제작하는 기법의 모델을 제안하고, 이를 적용한'조건부 게이트 다층 퍼셉트론 모델(SG-MLP)'을 구현하고 그 결과를 비교 관찰하였다. SG-MLP 는 BERT 의 20%에 해당하는 사전 학습량만으로 다수의 지표에서 그것과 준하는 성능을 보였고, 동일한 과제에 대해 더 적은 연산 비용을 소요한다.

학교폭력 피해 사례는 꾸준히 증가하는 반면 학교폭력 예방의 대안으로 실시되고 있는 앱/웹 시스템으로는 통합성의 연계에 어려움이 있어 문제점으로 나타나고 있다. 본 논문에서 구현한 학교 폭력 예방 통합 앱 시스템은 학교폭력 진단 테스트, AI 상담, 일기장, 게시판, 교화 프로그램 영상 시청 기능을 제공함으로써 이런 문제점들을 보완하였다. 또한, 진단 테스트와 상담 내용의 신뢰성을 확보하기 위해 상담 센터의 검증을 받았다. 해당 시스템의 활용을 통해 학교폭력 예방 교육의 효과를 기대할 수 있다.

대형마트 혹은 일반 마트에서 물건을 구매할 때 지금까지 얼마치의 물건을 담았는지 소비자들은 알기 어렵다. 그리고 여러 사람들이 많은 물건을 한 번에 구매하기 때문에 계산대에서 길게 늘어진 줄을 보고 최대한 사람이 적은 곳을 찾은 경험은 다들 있을 것이다. 그러한 점에서 최근 조금씩 늘어나는 무인 계산대에서 아이디어를 얻어 쇼핑을 할 때 끌고 다니는 카트에서 계산과정을 처리해 계산시간을 줄이고자 했다. 그러하여 카트에서 물건을 인식할 수 있어야 하며 인식한 물건의 가격 및 정보 등을 저장하고 있어야한다. 그래서 카트에 바코드를 인식할 수 있는 리더기와 가격정보를 보여 주는 스크린을 설치하였으며 계산대에 가서 저장했던 정보를 한 번에 처리기위해 QR 코드를 사용하였다. 스크린에 QR 코드를 띄우고 계산대에서 QR 코드를 찍으면 가격정보를 알 수 있고 그 자리에서 계산까지 가능하며 원하는 소비자는 본인의 휴대폰에 설치된 가계부에서도 QR 코드를 찍어서 구매한 물건들의 가격과 자세한 구매목록을 쉽게 저장할 수 있다. 기존 가계부에서는 구매목록을 하나하나 적어야 하기 때문에 귀찮을 수 있지만 이러한 방법을 통하면 기존방식보다 훨씬 편리할 것이라 생각했다.

COVID-19로 인한 홈 쿠킹 시장 수요 증가로 사람들은 더 편리한 요리 보조 시스템을 필요로 하고 있다. 기존 요리 시스템은 휴대폰, 책을 통해 레시피를 일방적으로 제공하기 때문에 사용자가 요리과정을 중단하고 반복적으로 열람해야 한다는 한계점을 가진다. '대화형 스마트 쿠킹 서비스' 시스템은 요리 과정 전반에서 필요한 내용을 사용자와 상호작용하며 적절하게 인지하고 알려주는 인공지능 시스템이다. Google의 MediaPipe를 사용해 사용자의 관절을 인식하고 모델을 학습시켜 사용자의 요리 동작을 인식하도록 설계했으며, dialogflow를 이용한 챗봇 기능을 통해 필요한 재료, 다음 단계 등의 내용을 실시간으로 제시한다. 또한 실시간 행동 인식으로 요리과정 중 화재, 베임 사고 등의 위험 상황을 감지하여 사용자에게 정보를 전달해줌으로써 사고를 예방한다. 음성인식을 통해 시스템과 사용자 간의 쌍방향적 소통을 가능하게 했고, 음성으로 화면을 제어함으로써 요리과정에서의 불필요한 디스플레이 터치를 방지해 위생적인 요리 환경을 제공한다.

본 논문에서는 머신러닝 시스템에 심각한 오류를 발생시킬 수 있는 적대적 샘플을 제작하고, 이를 이용한 적대적 공격을 효과적으로 예방하고 방어할 수 있는 Adversarial Training 기반의 AI 백신을 개발하였으며, 본 논문이 제안하는 AI 백신이 적대적 샘플을 올바르게 인식하고 AI 공격 성공율을 현저하게 낮추는 등 강인성을 확보한 것을 실험을 통해 입증하였다. 아울러 스마트폰을 통해 수행결과를 확인할 수 있는 어플리케이션을 구현하여, 교육 및 시연 등을 통해 적대적 AI 공격에 대한 심각성을 인식하고 해당 방어과정을 명확히 이해할 수 있도록 하였다.

쇼핑카트 부착 모듈형 로봇 'Cart-Rider'는 어드미턴스 제어를 통한 사용자의 힘 보조 기능, 딥러닝을 활용한 네비게이션 기능, GPS 를 활용한 도난 방지 기능을 제공하는 로봇으로 대형 마트에서 발생하는 안전사고 및 쇼핑카트 도난을 예방하는 동시에 사용자에게 편의성을 제공하는 로봇이다. 또한 여러 대를 겹쳐서 보관하는 기존의 카트 시스템을 유지하고 탈부착이 용이하도록 하드웨어를 제작하여 환경에 영향을 주지 않고 유지 및 보수가 용이하도록 제작했다.

예부터 최근까지 세계적으로 해마다 자전거 도난의 문제가 빈번히 발생하고 있고 자전거 자물쇠를 지니고 다녀야 하는 번거로움 또한 발생하고 있다. 현재 자전거 절도가 가장 생활범죄에서 1순위를 차지하고 국가적으로 봐도 많은 도난이 발생하고 있는 나라가 우리나라이지만, 이에 대한 해결책이 미비하며 국가에서의 관심이 턱없이 부족하여, 효율적인 해결방안이 없다. 이러한 문제점을 해결하기 위해 본 논문에서는 현대인에 맞는 스마트한 IOT 자전거 도난 방지 시스템을 제안하고 개발한다. 개발한 시스템은 상황에 맞는 대처 및 시스템 실시간 관리를 통해 사람들이 많이 지니고 다니는 스마트폰에 애플리케이션을 이용하여 긴급상황에 적절하게 대처하여 안전 운행을 가능하게 한다. 또한 현시대에 맞게 휴대성을 위하여 최대한 소형화하고 이에 걸맞은 보안 시스템을 개발함으로써 차후 다양한 분야에 상용화하는 발전 가능성을 기대한다.

코로나19 대유행으로 인해 전 세계가 원격으로 일상을 옮겨가면서 인터넷 트래픽량이 증가하고 보안 위협 또한 높아졌다. 높은 보안성이 요구되는 현 상황에 대응하기 위해 본 논문에서는 Suricata와 Elastic Stack, Kafka를 이용해 보안관제 로그 분석시스템을 구축하였다. 실시간으로 공격을 탐지하고 로그를 수집해 유의미한 데이터를 도출하여 시각화한다. 또한 시각화 한 대시보드를 제공함으로써 사용자는 공격의 위험도를 파악할 수 있고 앞으로의 공격을 대비할 수 있다.

1 인 미디어 산업의 성장으로 다양한 콘텐츠 제작의 증가와 함께 영상의 분위기를 좌우하는 BGM 의 수요도 급증하고 있다. 그러나 무료 음원은 한정되어 있으며 이미 많은 영상에 쓰여 시청자에게 흔한 느낌을 준다. 특히 MCN 에 소속되지 않은 콘텐츠 크리에이터들은 개성 있고 영상에 어울리는 음원 확보에 어려움을 겪고 있다. 본 연구는 이러한 콘텐츠 제작 환경을 개선하기 위해 창작자가 직접 녹음하거나 악보를 스캔해 자신만의 음원을 제작할 수 있는 웹 애플리케이션 '플랫'을 제안한다. 본 연구를 통해 콘텐츠 크리에이터들은 독창적이고 풍성한 콘텐츠를 만들 수 있으며, 음악적 숙련도와 관계없이 쉽게 음원을 만들 수 있어 작곡에 대한 접근성이 좋아질 것으로 보인다. 또한, 딥러닝을 활용해 음악을 창작함으로써 인공지능 작곡 분야를 활성화하고 디지털 음악 시장의 새로운 분야를 개척하는 데 이바지할 것으로 기대한다.

본 연구에서는 기존의 파괴 또는 비파괴 측정기와는 차별화된 사과의 당도를 간편하게 측정하는 방법을 탐구하고자 하였다. 탐구한 결과, 카메라를 이용해 촬영된 사과의 이미지를 동해 당도 측정이 가능함을 밝혀냈다. 위 사실을 기반으로 라즈베리 파이의 카메라 모듈, 컨베이어 벨트를 결합하여 자동화된 사과 당도 측정기 제작하였다. 컴퓨터 기능을 포함하여 다양한 부가 기능을 가진 라즈베리 파이의 특성상 단순한 당도 측정 기능 외에도 공공 데이터를 활용한 경락 가격, 날씨 정보, 재배 솔루션 제공 등의 서비스 제공이 가능하며 이러한 서비스들은 사과 재배에 많은 기여를 할 것이다. 본 연구는 해당 시스템을 어떻게 구현하고 사용할 수 있는지 제시되어있다.

수도권을 중심으로 한 부동산 가격 상승이 지속적으로 진행되고 있다. 한국은행에서는 기준금리 인상으로 과열된 부동산 시장의 안정을 바라고 있다. 하지만 기준금리 인상이 부동산 시장에 미치는 영향이 크지 않다고 보는 시각도 많다. 이에 본 논문에서는 머신러닝과 딥러닝을 이용하여 서울 지역의 부동산 매매지수를 예측하고 기준금리를 추가 변수로 이용하여 결과를 비교하였다. 실험 결과 선형적으로 증가 중인 시장 특성상 전통적 모델인 선형회귀가 우수한 성능을 보였으며, 기준 금리를 변수로 추가한 경우 예측력이 근소하게 증가하였으나 그 영향은 크지 않음을 볼 수 있었다.

DOOH(Degital Out of Home) advertisement market is developing steadily, and the case of use is also increasing, In advertisement market, personalized services is actively being provided with technological development. On the other hand, personalized services are difficult to be provided in DOOH and are p rovided by only personal information, not feelings. This study aims to construct personalized DOOH se rvices by using AI facial expression recognition and suggesting a solution optimized for interaction bet ween user and services by providing healing and advertisement.

동절기, 야간 등 도로에서 결빙으로 인한 연쇄 추돌 사고는 교통 체증 및 2차 사고의 위험으로 이어진다. 도로 중 결빙 발생 다발 지역인 지방도로, 터널 출입구, 교량 구간, 산기슭 도로, 그늘진 곡선 도로를 대상으로 C-ITS 관점 안전운전 결빙 주의보 애플리케이션을 제공하여 결빙으로 발생하는 사고를 미리 예방하고자 한다. 노면/기상 상태를 아두이노, 기상 api로 측정, 차량 운전자용 앱(GIS/맵 기반) 구현을 통해 앱 사용 운전자 간 양방향 V2V, 운전자와 아두이노 센서 간 V2I 통신으로 결빙으로부터 운전자를 보호함에 있다.

일반적인 검색엔진을 가진 포털 환경에서 정보검색 시 사용자가 원치 않는 수많은 검색결과가 동반되기도 하고 자신의 취향에 맞는 글을 검색하지 않았다는 이유만으로 원하는 정보를 놓치는 상황도 일어난다. 이러한 검색환경의 문제를 개선하기 위해 본 논문에서는 사용자들의 검색환경 개선을 위한 맞춤형 검색결과 정렬, 검색어 추천, 게시글 추천의 추천 시스템을 설계하고 제작한다. 이러한 추천 시스템은 워드 임베딩 모델과 추천 시스템 모델을 포함한다. 기존에 존재하던 워드 임베딩 모델의 성능을 실험을 통해 비교 및 분석하고, 크롤링을 통해 모은 데이터로 성능을 24.98%P 개선하였다. 추천 시스템 모델은 RMSE 비교를 통해 최적이 알고리즘을 제안한다. 해당 기술을 통해 사용자 스스로 자신의 검색환경을 개선할 수 있도록 구현하는 것이 이 시스템의 목표이다.

비대면 교육 형식이 보편화됨에 따라 온라인 학습 및 시험 형태가 교육기관에서 일반화되고 있다. 이러한 급격한 변화로 교육의 공정성 문제와 온라인 시험의 부정행위 문제가 대두되고 있다. 시험응시자의 다양한 환경을 고려하여 정확하게 부정행위자를 판별하는 방법이 중요해지고 있다. 이를 위해 본 연구에서는 온라인 시험환경에서의 응시자의 행동 데이터와 영상데이터 분석을 진행하여 부정행위자를 감별하는 연구를 진행하였다. 분석 결과 기존의 부정행위자 감별방식의 한계점을 보완할 수 있는 방식에 대해 제안하였으며 온라인 시험환경에 대한 시사점을 제공하였다.

최근 서빙 로봇과 AGV(Auto Guided Vehicle) 등 다양한 산업 분야의 무인으로 동작하는 수단에 대한 관심이 점점 커지고 있다. 이러한 수단이 요구되는 곳 중 하나는 공항이다. 이에 본 논문에서는 사용자의 뒤를 따라다니거나 목표 지점으로 사용자를 안내하며 무게 측정 기능을 통해 사용자의 짐의 도난을 방지하고, 사용 이후 자동으로 복귀하는 스마트 캐리어를 구성하여 많은 사람이 공항을 편리하게 이용하고자 한다.

카메라에 촬영된 이미지를 바탕으로 Mediapipe를 활용해 손을 식별하여 키오스크를 직접 만지지 않고 제어가 가능하게 함으로써, Covid-19 Pandemic 상황에 감염원을 제거하여 사용자의 코로나 감염 확률을 최소화 시킬 수 있다.

키오스크의 카메라에 촬영된 이미지를 바탕으로 사용자를 인식하여 사용자의 눈 이동을 탐지한다. 사용자가 현재 바라보고 있는 화면의 위치를 선택할 수 있도록 하여, 키오스크에 접촉하지 않음으로써 위생문제를 해결하고 직관적인 서비스를 제공한다.

블랙박스의 기능을 차에 접목하여 영상을 클라우드 서버를 통하여 확인 가능하며, 메모리카드를 통해 영상을 확인하는 번거로움을 줄이고 PC 및 스마트폰을 통해 실시간으로 블랙박스 영상을 확인할 수 있으며 사고 당시 사용자의 엑셀, 브레이크 작동상태 및 핸들 제어 기록 등을 확인 할 수 있다. 또한 클라우드 서비스를 활용하여 블랙박스의 영상을 인공지능 객체 인식을 통해 차량 사고의 정확한 파악과 사고처리 간편화에 목표를 두었다. 사고시 일어나는 화재, 침수, 파손 등의 블랙박스 자체의 손실이 일어나도 영상을 보존할 수 있는 대책을 마련할 수 있다. 실제 주행하는 실험조건에서 객체 인식 및 로그 기록 기능을 제공함으로써 사고 발생 즉시 정확한 전후 상황을 파악할 수 있음을 확인했다.

본 연구는 'AI를 활용한 스마트 홈 서비스' 개발에 관한 것이다. 기존의 다양한 정보를 수집하고 제어하는 홈 IoT서비스에서 본 논문은 더 나아가, AI 기술을 바탕으로 사용자가 자신에게 맞는 형태로 스마트 디바이스들을 제어하여 홈 (Home)을 편리하게 제어할 수 있게 함과 동시에 사용자의 관여없이도 AI를 활용해 자동으로 홈의 상황을 인지하고 동작할 수 있는 P2M + M2M 기술 기반 홈 IoT 서비스를 구현하고자 하였다. 특히 사용자의 동작을 인식해 IoT 기반 기기들을 통합적으로 제어할 수 있도록 모션인식, 영상인식 기술 등 사용자를 인식하고 주변 환경 상태를 실시간으로 측정해 최적의 제어 서비스를 제공하는 것을 목적으로 하였다.

본 연구는 청소년들에게 역사에 대한 흥미를 높이고 게임을 통해 이해할 수 있도록 제안한다. 서대문형무소의 내부와 고문 기구를 3D 모델링으로 사실적으로 묘사한다. 문헌과 역사 사료를 바탕으로 일제강점기에 있었던 역사적 사건들을 게임 내부에 설계하고, VR 을 통해 사용자의 플레이에 몰입감을 준다. 이를 통해 사용자가 역사를 자연스럽게 접할 수 있도록 하는 VR 게임 콘텐츠 개발을 목표로 한다.

어플을 사용하여 사용자 등록과 휴대폰 카메라를 사용하여 얼굴을 등록하고, 파이카메라에 촬영된 얼굴 이미지를 바탕으로 OpenCV를 이용하여 출입하는 인원의 식별과 열화상 카메라를 통해 체온 측정을 수행하여 사용자의 출입 기록을 저장한다. 기존의 QR코드 인식과 체온 측정을 동시에 수행하여 출입 시스템의 간소화를 기대할 수 있다.

소음은 난청, 스트레스 등의 원인이 된다. 본 연구에서는 ANC(Active Noise Cancellation)을 바탕으로, 기술적인 방법을 통해 소음을 저감 시키는 스피커를 구현하였다. ANC 란 소음 주파수의 위상을 180° 변환하여 주파수와 레벨이 동일한 역 소음을 발생시켜 주변 소음을 저감, 차단하는 기술이다. 현재 시중 제품들에 적용되는 일반적인 ANC 의 경우, 피드백(Feedback) 방식이라는 점과 시간 지연(Time gap)이 발생한다는 한계가 있다. 이를 보완하기 위해 AI 학습으로 소음을 미리 예측하여 시간 지연을 줄이는 방법을 고안했다. 순환 신경망(RNN)의 장기의존성 문제를 해결하는 시계열 예측 딥러닝 알고리즘인 LSTM(Long Short-Term Memory Network) 모델을 사용하였다. 또한, AI 학습 효율을 향상시킬 수 있는 하드웨어 장비들을 활용하였다.

본 본문은 사람의 걸음걸이를 분석을 하여 사람을 인식하는 시스템을 개발한다. mmWave 레이다 센서를 사용하여 사람의 걸음걸이를 인식하고 인식한 데이터를 바탕으로 어떤 사용자인지 분석한다. 데이터를 분석하여 등록된 사용자가 왔을 경우 개방하는 방식으로 출입을 통제하는 개폐 시스템을 사용하고 통신을 사용하여 스마트폰과 통신하여 문이 열리면 실시간으로 사용자가 볼 수 있게 한다.

기술의 비약전인 발전으로 콘텐츠 분야 역시 최근 상용화되어 새로운 초실감 시대으로 급격한 변화의 국면을 맞이하고 있다. 가상현실, 증강현실, 홀로그램 등 다양한 시각 정보 처리 및 표현 기술 등은 기존에 경험하지 못했던 사용자 실감형 경험을 가능하게 한다. 현재 코로나19로 인해 큰 피해를 입은 문화예술을 WebVR 전시회로 누구든 어디에서나 문화 인프라의 혜택을 받게 하며 또한 기준에 존재하던 예술인들뿐만 아니라 일반인들도 작품 전시할 수 있게 스타일 전이 기능을 넣어 사람들이 문화예술에 대한 관심을 높일 수 있도록 기대한다.

한국을 방문하는 외국인들은 매년 증가하고 있고 방한 목적 중 식도락관광이 3위에 오를 만큼 세계에서 한국 음식은 위상이 높아지고 있다. 하지만, 한국에서의 알레르기 성분 표시는 법적 의무가 아니기 때문에 대부분의 한식당에서는 이를 표시하지 않고 있고 알레르기가 있는 외국인 관광객들은 한국 음식 섭취에 있어서 상당한 위험과 불편함을 부담하고 있다. 이에 본 논문에서는 머신러닝을 활용하여 사진 촬영만으로 쉽고 정확하게 알레르기 성분을 제공하고자 사물 이미지 데이터 전처리를 위한 HSV(Hue, Saturation, Value) 데이터 전처리 기법을 제안한다. 제안하는 기법은 이미지의 HSV의 평균 및 분산, 표준편차를 통해 불필요한 데이터를 제거한다. 성능평가에서는 비빔밥, 불고기, 제육볶음 등 사진 약 500장의 데이터 셋을 구성하여 HSV의 평균 및 분산을 통해 이미지를 제거하는 방식으로 구축한 데이터 셋을 TensorFlow를 통해 정확도와 학습시간을 측정한다. 측정결과, 제안하는 기법으로 구축한 데이터 셋은 최소 15%에서 최대 25% 높은 정확도와 최소 37.96%에서 최대 42.85% 높은 정도 낮은 학습시간을 보여주었다. 향후 HSV를 활용한 데이터 전처리 기법은 더 많은 데이터를 통해 더욱 구체적인 성능 분석이 필요하다. 또한, 실질적인 개발 및 구현을 통해 제안하는 데이터 전처리 기법의 더욱 현실적인 검증이 필요하다.

학교폭력에 대한 내용을 일기 형태로 작성하고, 사진 및 자세한 피해 사실이 명기된 기록을 블록체인을 기반으로 저장하여 신고 시 이를 바탕으로 학교폭력 전문가와 상담 및 대응을 지원하는 서비스를 제공한다.

본 논문은 비대면 한국어 회화 시험 연습용 안드로이드 애플리케이션을 제안한다. 한국어 학습에 대한 수요가 증가함에 따라 효과적인 한국어 회화 학습을 위해선 시·공간의 제약이 없는 학습 환경에서 사용자에게 구체적인 평가 지표를 제공할 필요성이 있다. 본 연구는 자연어 처리 기술을 활용하여 사용자의 한국어 회화 능력을 평가하는 알고리즘과 개인의 취약점을 보완할 수 있는 비대면 학습 플랫폼을 제시하였다는데 의의가 있다. 본 논문의 결과를 통해 회화 학습의 비용을 절감하고, 효율적인 언택트 학습 지원이 가능할 것으로 기대한다.

최근, 초보 운전자의 차량 운전 접근성이 높아짐에 따라 사고 발생률 또한 증가하고 있다. 이를 예방하기 위해 본 연구에서는 도로 환경을 VR 시뮬레이션으로 제공하여, 사용자가 실제 도로 교통 상황과 유사한 환경에서 주행 연습이 가능하도록 하였다. 일반 도로, 어린이 보호 구역, 주차 구역, 산간 도로를 가상 환경을 구성하여 각 환경별 난이도와 장애물을 설정하였다. 또한, 실제 운전 면허 자격 시험 기준표를 기반으로 채점 표를 작성하였고, 이를 적용한 시뮬레이션 결과를 사용자에게 제공한다. 사용자는 운전 상황에서 발생 가능한 다양한 돌발 상황에 대비하고 제공받은 채점 기능을 통해 학습함으로써 운전 실력을 향상시킬 것으로 기대된다.

본 연구는 사람을 완전히 대체할 수 있는 완성형 서빙 로봇에 한 걸음 더 나아가는 것이 목표이다. 현재 시중에 나온 서빙 로봇은 호출 및 주문받기 등의 부가적인 기능을 할 수 없어 사람을 완전히 대체할 수 없다. 이에 따라 서빙 로봇의 효율성이 부족하여 대부분의 식당에서의 서빙 로봇 이용성이 낮다는 문제점이 있다. 따라서 호출 벨을 통한 로봇 호출 기능, 로봇에 부착된 인터페이스를 활용한 주문 및 결제 시스템 그리고 LIDAR 와 IMU 센서를 이용한 자율주행 기술을 이용하여 로봇만으로 다양한 업무를 수행할 수 있는 결과물을 만드는 것이 목표이다.

우리는 두 팔을 자유자재로 사용하여 수많은 일을 할 수 있다. 하지만 직접 하기보다 로봇을 이용하면 많은 시간을 단축할 수 있는 일들을 우리 주변에서 쉽게 찾아볼 수 있다. 대표적인 예로 세탁기, 전기밥솥, 청소기 등등 우리의 일을 대신해주는 로봇들이 많이 존재하지만, 아직 분리수거를 해주는 로봇은 실용화되어 있지 않다. 이에 우리는 분리수거를 대신해줄 수 있는 로봇을 구현해보고자 한다. 이는 작게는 편의를 위한 가정용 분리수거 로봇이 되기도 하지만, 크게는 분리수거가 잘 되어 있지 않은 분리수거장에서도 힘을 덜 들이고 쓰레기를 다시 분리할 수 있고 쓰레기양을 줄이는 데 이바지할 수 있을 것이다.

공기청정기는 필터 크기에 따라 공기를 정화할 수 있는 표준 사용 면적이 존재하기 때문에 넓은 공간에서 사용할수록 부피가 큰 공기청정기를 사용해야 하는 불편함이 존재한다. 이 문제점을 해결하기 위해 스마트 자율주행 공기청정기를 개발하였다. 본 논문에서는 소형 공기청정기에 자율 주행 기능을 추가하여 간편한 조작만으로 여러 공간의 공기질 파악과 정화가 가능하도록 구현하였다.

한국교통안전공단이 발표한 자료에 따르면 교통사고로 사망한 원인의 70%가 졸음운전이다. 최근에는 졸음운전을 예방하기 위해 눈 깜박임 인식 등의 운전자의 생체 데이터를 활용한 방법들이 대두되고 있다. 특히 운전자의 졸음운전 판단 기술로 뇌파를 이용하는 연구가 활발히 진행되고 있다. 본 논문에서는 뇌파를 사용하여 효과적으로 졸음 상태를 판단할 수 있는 딥러닝 알고리즘을 제안한다. 졸음 상태인 경우, 아닌 경우인 2가지의 운전자 상태를 85%의 정확도로 판단한다. 또한 제안한 알고리즘을 활용해 졸음운전 감지 시스템과 더불어 졸음운전 예방 시스템을 제안하고자 한다.

최근 세계적으로 코로나바이러스가 유행 중인 가운데, 우리나라는 인구 밀집도가 높은 곳이 많아 연쇄 감염이 일어나기 쉽고 특히 식당이나 카페 같은 장소는 불가피한 음식 섭취, 환기되지 않는 실내 공간 등의 이유로 바이러스에 취약하다. 사람들은 코로나 감염 가능성이 큰 사람이 밀집된 장소를 피하고, 비교적 사람이 적은 곳을 선호한다. 하지만 방문하고자 하는 매장에 사람이 얼마나 있는지 확인하는 과정은 번거롭다. 또한, 인기 있는 매장의 경우 코로나바이러스와 무관하게 이용객이 많아 방문 시에 대기해야 하는 불편함이 있다. 이러한 불편함을 해결하기 위해 본 논문에서는 안드로이드 기반 스마트폰 앱을 이용하여 방문하고자 하는 매장에 인원수를 실시간으로 확인할 수 있는 실시간 객체 인식 알고리즘, 앱의 구현 내용을 소개하였다.

이 시스템은 openCV와 딥러닝 학습모델을 이용하여 횡단보도의 상황을 파악하고 횡단보도위의 객체를 추출하여 자동으로 신호를 제어할 수 있다.보행자를 인식하여 노인, 장애인 등 보행속도가 느린 보행자들을 위해 횡단보도의 신호를 추가하여 보행자의 교통사고를 줄일 수 있다. 또한 교통흐름도 고려하여 차량운전자와 보행자 모두에 도움이 되는 시스템 구현을 목표로 한다.

떠오르는 ESG 펀드(ETF·ELF)에 투자하는 서비스로 행동하는 소비자가 적극적인 ESG 펀드 기업의 사회적 변화를 주도록 변화를 만들어갈 수 있도록 핀테크와 ESG 플랫폼 통합서비스를 제시한다. 행동하는 소비자들은 증권사가 투자/운용하는 ESG 펀드(ETF·ELF)에 투자하고, 증권사는 발생하는 이익 일부를 사회 취약계층에 기부하여 사회적 책임을 다하는 기업으로 이미지 제고와 증권사 고객 증가, 펀드 자금 증가, 투자받는 기업들은 ESG 경영을 위한 자금 확보를 통해, 소비자와 증권사 그리고 ESG 경영 기업으로 이루어진 선한 영향력의 사이클을 선순환하는 비즈니스 모델과 아키텍쳐를 제시한다.

1인 가구 수의 증가로 시장에서 1인 가구를 위한 서비스와 재화가 제공되고 있고, 시장에서 소비자로서 입지를 다지고 있음에도 합리적인 가격에 소비하지 못하고 있다. 사용자들이 스스로 주최하는 공동구매를 통해서 합리적이고, 친환경적이고, 소비자 후생적인 소비를 도모하고, 나아가 1인 가구 웹 커뮤니티 형태로 발전하길 기대한다.

현대 사회의 스트레스 문제가 심각해짐에 따라 각종 스트레스 관리 서비스가 꾸준히 개발되고 있으나, 해당 서비스들은 정서 상태 판단을 사용자가 직접 입력하는 데이터에만 의존하기 때문에 분석 결과를 완벽히 신뢰하기 어렵다. 본 연구에서 개발한 앱 S-detector는 스마트폰 사용 시간 및 빈도 정보를 자동으로 수집하고, 사용자가 작성한 일기 데이터에서는 감정 단어를 추출하여 스마트폰 사용 데이터와 일기 데이터를 각각 분석, 종합적으로 판단하는 알고리즘을 가지고 있다. 따라서 사용자가 심리·정신적 문제 가능성을 쉽게 인지하는 데 도움을 주는 앱으로서 해당 문제를 예방하거나 조기에 해결함을 목표로 한다.

금고의 수요가 늘어나면서 금고 접근 보안 기능의 강화 및 개선이 요구되고 있다. 이에 IoT 기반의 안면 인식 기술과 네트워크 기술을 적용하여 보안 수준을 개선하고 미래 디지털 시대의 지능화된 금고 보안 체계를 제시하고자 한다.

급격한 차량 수요의 증가로 인한 주차공간의 부족으로 인력기반 주차관리의 한계점을 이용한 여러 위법 행위가 발생함에 따라 관리자의 정기적인 순찰 및 관리의 필요성이 증가하고 있다. 기존 인력기반 주차관리 시스템은 관리자에게 전적으로 의존하고 있어 관리의 정확도 및 효율성이 비교적 낮다. 본 논문에서는 엣지 컴퓨팅 기반의 클라우드 주차관리 시스템을 제안하며, 이는 효율적인 주차관리를 통한 시간과 노동력 절감에 기여한다. 본 시스템이 제공하는 주요 기능은 다음과 같다. 1) 주차구역 및 주차 차량 정보를 분석하여 입·출차를 관리하고 관리자에게 실시간 주차 현황 정보를 제공한다. 2) 추출된 차량 정보를 바탕으로 부정주차 여부를 감지하여 지정주차 구역 관리를 자동화한다. 3) 관리자에게 시간대별 주차구역 점유율 정보를 제공하여 거주자의 가용 주차공간을 확보한다. 4) 거주자의 선호 주차구역 및 시간대를 파악하여 거주자의 주차 편의성을 제공한다. 위 기능을 통해 기존 주차관리의 비효율성을 개선하고자 한다.

기업의 전통적인 역할은 "이익 추구"였다. 현대 사회에 이르러서는 기업이 기존의 역할을 벗어나 새로운 사회적 기구가 되어야 한다는 주장이 떠오르며 CSR(기업의 사회적 책임)이 대두되었다. 최근 기업과 사회는 ESG 경영(환경, 사회, 지배구조를 고려한 지속가능경영)에 많은 관심을 보이고 있고 이는 더 이상 관심으로 그칠 수 없는 필수적인 요소가 되었다. 이에 본 연구는 텍스트 마이닝을 통해 ESG 지표를 개발하고 [ESG 지표 - 주가]의 상관관계를 도출하였다.

본 논문에서는 시각장애인들의 지하철 이용의 불편함을 최소화할 수 있는 내비게이션 앱을 개발하였다. 스마트폰 카메라가 전방을 인식하여 사물을 판단 후 장애물 혹은 위험요소를 사용자에게 음성으로 전달한다. 또한, 사용자의 원활한 지하철 이용을 위해 공공데이터를 활용하여 지하철 환승 정보, 화장실, 출구 정보 등의 이동 편의를 위한 실질적인 정보를 제공한다. 시각장애인은 본 앱을 활용하여 지하철을 더욱 편하고 안전하게 이용할 수 있다.

만 1세 이하의 영유아가 사망하는 영아 돌연사 증후군은 매년 지속적으로 발생하고 있다. 그 중에서도 특히 질식사는 높은 비중을 차지한다. 이러한 위험이 다가오면 신생아는 울음으로 도움을 요청하지만, 청각장애인 부모의 경우에는 즉각적인 대응이 불가능하다. 따라서 청각장애인 부모의 귀가 되어주어 신생아의 다양한 위험을 방지하고, 육아에 도움을 주고자 한다.

본 논문에서는 초등학생을 대상으로 한 국내여행 교육 게임 콘텐츠로, 에듀테크 분야 중 하나인 게임 베이스러닝을 이용하여 지리, 해당 지역의 특색, 역사 학습을 제공한다.

현재 시각장애인들의 일상생활에 있어 많은 불편함을 겪고 있어 시각장애인에게 도움이 되고자 실시간 객체인식을 하여 보행환경의 정보를 전달하는 안경을 만드는 프로젝트를 진행하였다. 핵심 기능에 해당하는 객체인식은 인공지능 모델 YOLOv4가 사용되었으며, 시각장애인의 입장에서 걸어 다닐 때 인식 되어야 하는 객체들을 선정하고, 이들을 대상으로 학습 데이터를 재구성하고 YOLOv4의 재학습을 진행하였다. 학습 결과 모든 객체들에 대한 정확도는 68%를 보였으나 시각 장애인이 걸어다닐 때 인식되어야 하는 필수객체(Person, Bus, Car, Traffic_light, Bicycle, Motorcycle)들의 인식률은 84%로 측정되었다. 향 후 진행될 학습에선 더욱 다양한 방법으로 학습데이터를 확보하고, YOLOv4가 아닌 darkflow를 이용해 다양한 parameter로 학습을 진행하여 다면적인 성능비교가 필요하다.

본 작품은 안전 사각지대에 놓여있는 노약자들을 대상으로 낙상을 예방하고, 응급 상황 시 긴급 신고가 가능한 안전바와 응급호출 시스템을 제공한다. 본 작품이 요구하는 각종 기능은 안전바 내부에 센서를 부착하고 그에 맞는 소프트웨어를 추가하여 구현하였다. 또한 어플리케이션을 통해 보호자와 연결되어, 응급상황 시 보호자가 노약자가 처한 상황을 빠르게 인지하여 대처할 수 있도록 하였다.

본 논문은 딥러닝 학습을 통한 객체(편의점제품) 인식 시스템을 소개한다. 편의점 내에서 시각장애인의 접근성인 매우 떨어지고 있다. 그나마 점자가 있는 제품은 음료수 제품이지만 제품 이름이 아닌 범주로 표현하고 있어 원하는 제품 구매를 어렵게 한다. 본 논문에서는 YOLOv5를 통한 딥러닝 학습을 사용하여 정확한 제품을 시각장애인에게 제공할 수 있는 애플리케이션을 개발했다. 사용한 학습데이터 세트는 제품을 직접 찍어 확보했으며, 국내 11개 제품을 포함한다. 학습데이터 세트는 총 23,814장을 사용했으며, 결과 정확도를 나타내는 mAP_0.5:0.95 는 약 0.9790의 성능을 보였다.

본 프로젝트는 시각장애인의 도심이동 지원 및 횡단보도에서의 안전한 보행을 위해 고안되었다. 시각장애인용 글래스를 제작하여 Custom train 한 YOLOv5 와 Lidar 센서를 통해 횡단보도 내에 객체를 감지하면 위험 음성을 송출하고 안전하게 길을 건널 수 있도록 청각적으로 지도하였다. 또한 보호자용 앱을 구현하여 보호자의 불안감을 해소하고 안정감을 주고자 하였다.

이동형 X선 장비를 이용하는 초보자들이 운전에 대한 부담감을 줄이고 손쉽게 훈련하면서도 장비의 손상을 방지하면서 교육할 수 있도록 안전한 X선 검사를 통한 국민보건향상을 위해 디지털 이동형 X선 장비의 교육용 보조 시스템을 개발하고자 하였다. 본 시스템은 교육 훈련을 위한 전용 코스 환경 개발, 장애물 인식을 위한 라인트레이서 탐색 및 초음파 센서 개발로 구성되어 있다. 학생들을 위한 이동형 X선 장비 교육을 위한 보조 시스템 개발로 이동형 X선 장비 전용 코스 환경은 교육을 위해 ㄷ형, T형, S형 등의 다양한 형태이다. 이 기능을 이용하여 각각의 코스에서 교육생들이 운전의 오류를 화면에 점수화하여 실무능력을 높일 수 있으리라 기대된다.

현재의 시각장애인의 가구 접근성은 과거에 비해 높아졌으나 기존의 방법으로는 아직 부족한 것이 많으며, 역으로 터치스크린 등으로 변하는 과정에서 손으로 판별 불가능한 상황이 늘기도 하였다. 본 논문에서는 사람의 행동을 기기 연동 및 서버 통신으로 음성으로 변환하므로 필수 가구 중 하나인 냉장고에 대한 시각장애인의 접근성을 높이는 방법을 제안한다.

최근 코로나 19 사태의 영향으로 에듀테크의 성장이 가속화되고 사용자의 몰입도를 향상시키는 새로운 교육 콘텐츠의 필요성이 높아졌다. 이에 인터랙션 기술과 교육 콘텐츠의 결합을 통한 한국어 회화 애플리케이션을 기획했다. STT, TTS 기능을 활용한 Android 기반의 모바일 애플리케이션 '걸음말'은 인터랙티브 기술 중 '스토리분기'를 채택하여 기존 회화 애플리케이션의 문제를 해결하고 학습 효과를 증대시킨다. 본 연구를 통해 앞으로의 교육 콘텐츠 시장은 다양한 인터랙티브 기술을 활용하여 더욱 성장할 것으로 기대된다.

본 논문은 뉴미디어 시대의 새로운 온라인 독서 관리 시스템을 제안한다. 우리는 본 시스템을 사용자로 하여금 흥미로운 독서 취미 활동을 영위할 수 있도록 하는 것을 목표로 개발하였다. 아두이노에 무게센서, 조도센서, LCD 등을 부착한 스마트 북스탠드 '수북 홀더'와 이와 호환되는 안드로이드 OS 애플리케이션 '수북'을 설계하였다. 수북 홀더를 통해 수집된 사용자 독서 시간 데이터와 사용자 기록 데이터를 활용하여 저장 및 분석하고, Firebase Database 내에 관리한다. 본 논문의 시스템은 사용자의 좋은 독서 습관 형성에 도움을 주고 같은 취미를 가진 사람들 간 시공간적 제약 없이 소통할 수 있는 플랫폼을 제공한다.

최근 미래형 농업으로 주목받고 있는 '아쿠아포닉스(Aquaponics)'는 물고기 양어 기술(Aquaculture)과 수경 농법(Hydroponic)을 융합한 친환경적인 순환형 생산 시스템이다. 하지만 양식 환경과 수경재배환경이 서로 성장하는 데에 영향을 주기 때문에 농업인이나 일반인이 사용하기에 난도가 높고, 초기 투자비가 많이 든다는 점에서 국내 도입에 대한 문제점이 제기되고 있다.[1] 본 논문에서는 IoT 기술을 이용해 아쿠아포닉스의 단점을 보완할 기술적 대안과 국내 도입 문제 해결방안으로서 오토팜(AutoFarm) 시스템을 제안한다.

코로나19로 인해 가정에서 2-7세 아동이 혼자 있는 시간이 증가하였다. 피아제 이론에 따르면, 2-7세 아동은 전조작기 시기에 해당하는 아동이다. 전조작기 시기에는 직관적 사고력이 강하여 놀이를 통해 보존개념을 발달시키는 것이 중요하다. 하지만 보존개념을 발달시킬 수 있는 아동을 위한 적절한 교육놀이용 도구가 부족한 상황이다. 본 논문에서는 아두이노 프로세싱을 이용한 아동 놀이기구를 제안한다.

탄소중립 실현이 중요해지면서 에너지 공간 조성 사업 확장으로 에너지 자립 공원이나 자가발전 운동기구가 설치되고 있다. 이는 사용자들의 흥미를 유발하며 신재생 에너지 사업에 기여할 것으로 기대된다. 하지만 현재 발전기로 발전한 에너지를 사용자가 원하는 곳에 사용할 수 없는 아쉬움이 있다. 사용자에게 직접적인 동기부여와 주민참여를 높이기 위하여, 발전한 전력으로 가구의 전기료 할인이나 기부할 수 있는 시스템을 고안하였다.

매일 아침 옷 매칭에 어려움을 겪는 사람들에게 지원하기 위한 서비스이다. 본 시스템은 자신이 가지고 있는 옷을 등록하고 등록된 옷을 토대로 상 하의를 추천한다. 옷장 바로 옆에 위치하고 있어 추천과 동시에 옷을 입어볼 수 있다는 장점이 있으며, 앱을 통해서도 추천이 가능하다. 이를 토대로 많은 사람들에게 시간 단축 및 다양한 패션 시도를 유도하는 효과를 기대할 수 있다.

흔히, 웹 플랫폼에서 검색했을 때, 게시글 마지막부분에 광고인지 여부를 판단 할 수 있는 관련 글들이 나타난다. 이 글들은 사용자의 판단력을 흐리게 할 수 있다고 판단되며 개선의 필요성이 제기된다. 따라서 본 논문에서는 사용자들에게 웹 게시글에서 나타나는 광고성 여부에 대해 신속한 판단이 가능하도록 하는 환경에 대한 연구를 하고자 한다. 본 논문에서는 게시글에 포함된 광고 관련 문구를 찾아 페이지 상단에 해당 정보를 제공하는 프로그램을 제작 게시함으로써, 광고여부를 판단할 수 있도록 하였다.

현재 대한민국 운송업에서 두 번째로 큰 비율(19.2%)을 차지하고 있는 수상 운송업에서는 연간 많은 재해가 발생하고 있으며 그 손해는 4백억 원에 달한다. 본 연구는 수상 운송업에서의 재해율과 경제적 손실을 최소화하기 위해 신체 측정기기 및 항만 작업 분배시스템을 설계하였다. 신체 측정기기는 심박, 알코올, 적외선 온도 센서 등을 활용하여 작업자의 신체 정보를 측정한다. 이 결과를 아두이노로 전송한 뒤 사용자의 집중도와 피로도를 분석하여 적절한 작업 분배 서비스를 제공한다.

최근 울산항에는 화물차가 정해진 화물차 주차장이 아닌 항만 내외에 불법주차를 하는 사례가 빈번하게 발생하고 있다. 본 논문은 이러한 문제를 해결하고자 화물차 주차장 이용을 활성화하는 방안을 연구하였다. 이에 따라 화물차 주차장의 주차 현황을 실시간으로 제공하는 딥 러닝(YOLOv4) 기반 영상분석방식의 스마트 항만 주차정보시스템을 제안한다. 더불어, 제시한 방안을 통해 주차장 이용이 활성화 되었을 때의 사회적 가치를 산정하여 기존과 비교하였다.

본 논문은 4차산업이 발달함에 따라 일반인들도 쉽게 인공지능과 결합한 CCTV를 구축할 수 있는 것을 목표로 하며, 더 나아가 1급보안시설인 항만에서 자주 발생하는 입국자 월담, 행방불명들을 인공지능 CCTV로 감시하여 보다 쉽게 잡고 인력감소로 경제적 이익을 도모할 수 있다.

본 학술지는 기존의 공공 행정서비스에서의 복잡한 업무처리를 간단하게 처리할 수 있는 FAQ 형태의 챗봇서비스를 제안한다. 본 논문이 제안하는 주요 특징은 다음과 같다. 버튼, 대화, STT(Speech To Text)를 통한 사용자 기반 UI/UX를 제공한다. 딥러닝을 통한 Synonym, Typo를 검출하여 가장 높은 정확도의 Entity로 변환해준다. 이를 통해, 사용자는 해상물류 서비스를 이용하는데 있어 부담감을 해소하고 편리함을 얻을 수 있다.

블록체인은 다수의 노드 네트워크 내에서 거래내역을 분산 저장함으로써 투명성을 확보하는 기술이다. 최근에는 금전적 가치를 지닌 선하증권(Bill of Lading, B/L 서류)에 블록체인을 적용하여 무결성을 확보하고 거래 과정을 간소화 하기위한 연구가 진행되고 있다. 본 논문에서는 거래자 중심의 블록체인 기반의 선하증권 시스템을 제안한다. 수출자는 발행 받은 선하증권을 AI(Artificial intelligence)기반의 OCR(Optical character recognition)기능을 통해 블록체인에 등록하고, 각국 은행에서 열람하여 신용장거래를 진행한다. 수입자는 선하증권 정보를 담은 QR(Quick Response code)코드로 자기증명을 하여 물품을 인도 받게 된다. 이는 수출자 측에서는 선적서류를 우편으로 보낼 시간과 비용을 단축하고, 서류의 무결성을 입증할 수 있다는 점에서 큰 효과를 얻을 수 있다. 수입자 측에서는 서류가 등록됨과 동시에 확인할 수 있고, 해당 거래를 신뢰할 수 있다는 이점을 갖는다. 마지막으로 은행 측에서는 선적서류에 대해 보안성을 갖출 수 있고 검증이 더 신속하게 이루어질 수 있다.

현재 우리 사회에서 대기오염에 대한 문제가 계속해서 대두되고 있다. 항만에서도 대기오염물질 발생에 대한 대책 마련이 필요한 실정이다. 따라서 ELK-Stack을 이용한 SW와 Arduino를 활용한 HW로 항만의 대기질 분석 및 오염도를 시각화하고, 이를 통해 항만 관계자들이 경각심을 기를 수 있는 배경을 마련한다. 또한, 해당 프로젝트로 정부의 친환경 항만 조성 정책에 가담하고자 한다.

우리나라는 21 세기의 시작과 함께 디지털 혁명을 기반으로 한 4 차 산업혁명의 시대를 겪고 있다. 유비쿼터스 모바일 인터넷, 인공지능, IoT 기술 등의 다양한 기술들의 발전은 기존의 우리의 삶의 방식을 실시간으로 바꾸어 놓고 있다. 이러한 기술의 발전을 통한 우리나라의 항만의 친환경화에 대한 인식이 어느정도 인지 알아본다.

불량 방충재 납입 사건에 따른 방충재 관리의 중요성 및 선박 접안사고가 화두가 되면서 본 논문에서는 현재 방충재 점검 시스템과 그로 인해 발생하는 선박의 접안사고 위험에 대해 문제를 제기한다. 문제를 해결하기 위해 본 논문은 "스마트 방충재 로봇"을 제안하며, 제안하는 로봇의 기능은 다음과 같다. 첫째, 부두에 부착된 방충재의 상태를 실시간으로 확인하고, 전용 애플리케이션을 통해 방충재를 관리한다. 둘째, 방충재 교체 시 부두 위치에 따른 해상조건을 수집하여 적합한 방충재를 추천한다. 셋째, 방충재 손상 또는 선박이 제한 접안속도 초과 시 스마트 방충재 로봇을 투입하여 선박의 접안사고를 방지한다.

해상교통혼잡도와 선박사고는 연관성이 높다. 이에 본 논문은 자본 등의 이유로 위기상황 대응에 취약한 소형 선박에 특정된 위험을 인식하고, 유사시 일부 선착장으로 선박이 집중되는 것을 방지하기 위한 시스템을 제안한다. 안드로이드 APP과 클라우드 서비스, 알고리즘을 통해 최적의 정박지 및 경로를 제공함으로써 소형 선박이 향후 위기상황에 효과적으로 대응할 수 있을 것으로 기대한다.

최근 산업 현장에서 많은 안전사고가 일어나고 있고, 현장 노동력의 부족으로 무인 로봇 시스템들을 도입하는 등 다양한 변화를 맞이하고 있다. 이에 차세대 자동화 시스템은 보다 유연하고 지능적이어야 한다. AGV(Automatic Guided Vehicle)의 경우 실시간으로 변하는 현장에 대응하기 어렵고, 새로운 어플리케이션에 대한 제품개발의 어려움이 따른다. 이에 대한 대안으로 AGV 인식 스택을 재구축하여 인간과 동일한 공간인식 능력을 갖춘 AMR(Autonomous Mobile Robot)이 대두되고 있다. 본 연구에서는 SLAM과 ROS를 이용하여 AMR의 기능을 구축하였다. YD Lidar 센서와 SLAM을 이용하여 주변 환경을 지도화 하여 로봇의 현재 위치를 파악할 수 있도록 제작하였고, 직접 지도상의 최적 경로를 파악하여 주변 장애물을 회피하며 주행할 수 있음을 확인하였다. DC 모터의 응답 특성에 따라 주행 속도, 조향각 등을 제어할 수 있도록 구현하였다.

최근 요트에 대한 수요가 증가함에 따라 요트를 보유하고 있고 운전면허를 취득한 사람도 증가하고 있다. 따라서 입출항 등록 및 승선명부 등을 작성해야 하는 불편함과 요트 유지보수 등의 불편이 발생하고 있다. 따라서 본 논문에서는 요트 내부에 모듈화 장비 구현을 통하여 GPS, Lidar, 통신장비 등을 손쉽게 장치하고, 스마트폰 등을 이용해 모듈화 장비에 접속하여 항로 설정 및 각종 편의 기능을 이용할 수 있도록 한다.

기존의 항만 유지보수 교육 및 훈련 시스템의 단점을 극복하기 위해 최근 주목받고 있는 unity3D 엔진 및 챗봇, 가상현실 기술, 실시간 서버, 사용자 분석 웹사이트, 멀티플레이 기능을 활용하여 작업자들이 시간과 장소의 제약 없이 더욱 현실감 있는 환경에서 효율적으로 교육받을 수 있는 환경을 제공하고자 한다.

태풍 관련 해양 사고에 대한 구체적인 예방책이나 대책이 없는 현재 태풍 사고 예방을 위한 대책이 필요하다. 이에 본 논문에서는 빅데이터를 이용해 기상 예보, 현재 항해 중인 선박, 선박사고 지역 등을 나타내는 시스템을 구현하였다. 또한 본 논문에서는 사용자의 편의를 위해 국민의 대부분이 사용한다고 할 수 있는 스마트폰에서 사용할 수 있도록 애플리케이션으로 서비스를 제공할 수 있도록 개발하였다.

'체선'은 입항한 선박이 하역하지 못하고 대기하는 상황을 나타내는 말이며 이는 항만의 비효율성을 초래하고 금전적인 손실을 가져다준다. 따라서 본 논문에서는 기존 관제정보 API를 활용하여 체선율 분석 및 예측 시스템을 제안하고자 한다. 이를 통해 항만 시설 관리자에게는 투자방향성을 제공하고, 선박과 화주에게는 물류효율성을 제공해 줄 것으로 기대된다.

본 시스템은 항만지역에서 지속적으로 발생하는 안전사고에 대응하기 위하여 사물인터넷 기술을 적용한 스마트 웨어러블 기기를 활용하여 근로자의 추락, 협착, 충돌 등 사고 정보를 실시간 수집하고 GIS기반의 모니터링 서비스를 통해서 위급 상황 발생 시 능동적이고 즉각적인 구조 활동 지원 및 골든타임 확보와 지속적 분석을 수행하여 귀중한 인명사고 구조체계를 개선하는데 목적이 있다.

해양쓰레기로 인한 환경 오염이 국제적 환경문제로 부각, 해양쓰레기 발생량 저감 및 효율적 수거 사업 추진을 위해 발생원, 현존량, 재질 구성, 공간적 분포 특성, 시간적 증감 추세에 대한 정보가 필요함에 따라 국내 해양쓰레기 현황, 관리 동향을 조사하고 분석하였다. 최근 데이터 기반의 효율적인 쓰레기 해결방안이 대두됐으며, 결과적으로 해양쓰레기 수거·조사의 공동협력 사업이 필요하다.

다수의 사고가 발생되는 소형 선박에 반해 대형 선박을 위주로 제공되고 있는 스마트 해상 물류 시스템을 뒷받침하기 위하여 소형 선박에서 자주 발생할 수 있는 사고의 유형과 그 예상 확률을 제공하는 시스템을 연구하고 제공한다. 로지스틱 분류를 통해 사고의 확률을 예측하며 추천 알고리즘을 활용한 발생 가능성이 높은 사고의 유형을 도출하여 소형 선박용 e-navigation 을 제공한다.

안전사고들로 인한 인명피해 때문에 해상에서의 안전에 대한 관심은 크게 증가하였고, 다양한 정보들을 종합적이고 체계적으로 관리하기 위해 통합 해양안전 정보체계인 e-Navigation이 태동하게 되었다. 우리나라는 2016년부터 5년 동안 한국형 e-Navigation 서비스를 개발하여 전 연안의 선박을 대상으로 제공할 계획을 갖고 있다. 본 논문에서는 현재 한국형 e-Navigation 서비스에 대하여 간단히 살펴보고 제1핵심과제인 한국형 e-Navigation 서비스를 위한 핵심기술 연구개발의 목표인 사고예방의 효율성 제고를 위해 기존서비스 활용 및 데이터 처리 개선 방안에 대해 고찰해보려고 한다.