Earticle

본 논문은 효과적인 태양광 모듈 에지 학습 데이터를 준비하기 위한 어노테이션 도구의 개발을 설명하고자 한다. 어노테이션 도구를 사용하면 딥러닝 네트워크에서 에지 정보를 학습하기 위한 학습 데이터 준비 프로세스의 편의성을 높이고 학습 데이터의 정확도를 향상시킬 수 있다. 본 논문에서 제시한 프로그램 활용을 통해 효과적인 학습 데이터를 준비하여 딥러닝 기반 태양광 모듈의 엣지 포지션을 도출하는 연구에 도움이 될 것으로 기대된다

자율주행자동차는 전 세계적으로 연구를 하고 관심을 갖는 분야로 이에 따라 보안 관련 문제 또한 중요한 사안으로 여겨지고 있다. 차량 간 통신(V2V) 중 네트워크(VANET)와 관련하여 기술하고자 한다. VANET 에서 사용되는 라우팅 프로토콜의 보호되지 않는 특성으로 인해 악성 노드의 위협이 존재한다. 본 논문에 서는 네트워크에서 발생할 수 있는 블랙홀 공격에 대해 소개하고, 이를 해결하기 위한 방안을 분석한다. 본 논문에 기술된 솔루션을 통해 악성 노드 활동을 금지해야 하며, V2V 통신 공격 기법에 대한 많 은 연구가 필요하다.

최근 인간과 기계 간의 상호작용에 대한 연구가 활발히 이뤄지고 있으며, 언어에 담긴 정보뿐 아니라 음성에 내포된 감정을 인식하기 위해 딥러닝 모델이 적용되고 있다. 딥러닝을 활용한 음성언어 감정 인식 기술은 주로 모바일 및 IoT기기, 그리고 임베디드 시스템과 같은 제한된 컴퓨팅 자원 환경에 적용된다. 딥러닝 모델의 계층을 깊게 쌓아 정확도를 높일수록 그 연산량과 크기가 증가하기 때문에 제한된 컴퓨팅 자원으로 구동하는데 어려움이 발생한다. 본 논문에서는 가중치 가지치기와 가중치 군집화, 두 가지 기법을 각각 음성언어 감정 인식을 위한 딥러닝 모델에 적용하고 데스크탑 PC와 임베디드 시스템 환경에서 정확도와 추론 시간을 검증했다. 실험에 사용한 임베디드 보드는 NVIDIA사의 Jetson AGX Xavier이다. 가중치 가지치기 기법은 데스크탑 PC 환경에서 18.55%, 임베디드 보드 환경에서 17.84%, 가중치 군집화 기법은 데스크탑 PC 환경에서 15.32%, 임베디드 보드 환경에서 15.08%만큼 추론 시간을 개선했으며, 정확도는 두 기법 모두 기준 모델과 큰 차이가 없음을 확인하였다.

본 논문은 국내 지수의 기간별 상장주식 리스트와 그에 따른 각 종목의 수정주가 데이터 수집 시스템을 설계하고 구현하는 것을 목표로 한다. 수집을 위해 사용되는 주식 시장은 KOSPI와 KOSDAQ으로 한정하며 해당 시장의 구성 종목들의 수정주가를 기간별로 수집하는 내용에 대해 기술한다. 수집 시스템은 크게 3단계로 진행된다. 1단계는 웹 사이트에서 데이터를 직접 확인하고 수집에 필요한 속성을 확인한다. 2단계는 수집 모듈을 이용해 데이터를 수집한 뒤 DB에 저장할 수 있도록 전처리를 가한다. 마지막 3단계는 적절한 DB에 저장한다. 수집 시스템의 종류는 2가지로 분류된다. 첫 번째는 국내 지수 상장주식 리스트를 수집하고 저장한다. 두 번째는 국내 지수 상장주식 리스트를 기반으로 개별 주식의 수정주가를 수집하고 저장한다.

This paper aims to develop a monitoring system that monitors patient motion in real time based on motion data of non-behaving patinets and responds to emergency situation such as falls, and analyzes motion information based on patient motion data.

안드로이드 퍼미션(permission)을 특징정보로 하여 기계학습을 이용한 안드로이드 악성 앱 탐지가 뛰어난 성과를 보이고 있는 가운데, 그 성능의 지속 가능성(sustainability)에 대한 평가의 필요성이 대두되고 있다. 이에 본 논문에서는 연도별 데이터를 기반으로 각각의 연도별로 기계학습 모델을 만들어 지속 가능성을 평가하는 실험을 진행한다. 각 연도별 데이터를 train set으로 사용하여 Random Forest 분류기를 학습시키고 다른 연도의 데이터를 test set으로 사용하여 탐지 정확도(accuracy)를 측정했다. 실험 결과, 테스트 셋(test set)의 연도에 따른 탐지 정확도의 편차가 최대 26.9%에 이르렀다.

안드로이드 악성 앱(malicious app)들이 계속 증가하고 있고, 새로운 유형들이 출현하고 있어, 머신러닝 기반을 안드로이드 악성 앱을 탐지하고 분류 기법에 대한 연구들이 주목하고 있다. 그러나 안드로이드 플랫폼과 앱 생태계의 진화로 인해 지속적인 악성 앱의 샘플 수집과 빈번한 재학습이 요구된다. 본 논문에서는 연도별 AndroZoo 데이터 셋을 활용한 실험을 통해 학습 데이터 셋과 머신러닝 모델이 지속가능성(sustainability)을 분석한다. API 콜을 특징정보로 사용하여 랜덤 포레스트(Random Forest) 분류기를 적용한 실험 결과, 분류기의 지속가능성이 보장되지 않음과 중요도가 높은 특징정보의 차이가 큼을 보였다.

최근 텍스트 데이터 분석의 요구가 증가함에 따라 문장의 의미적 관계를 이해하고 사용자가 요구하는 분석 정보를 제공 하기 위한 추론 기법의 필요성이 증가하고 있다. 이를 위해 의미 관계 추론 학습은 필수적이며, 추론 결과를 통해 빠르 고 정확하게 문장을 구성하는 단어들 사이의 관계를 보다 정확하게 분석할 수 있다. 본 논문에서는 NLI를 위한 트랜스 포머 모델을 이용하여 텍스트의 유사성 학습을 수행하고 의미적 추론을 수행하고자 한다. 실험에서 전이 학습을 수행한 결과 기존 방법보다 좋은 성능을 보임을 확인하였다.

비대면 시대가 도래함에 따라 클라우드 기반 가상 환경 구축이 각광받고 있다. 사용자의 요구사항에 맞는 프라이빗 클라우드 가상 환경을 효율적으로 구축하기 위한 이슈가 클라우드 분야의 연구주제 중 하나로 부각되고 있다. 최근 들어 클라우드를 자동 구축하는 방법으로 Infrastructure as Code 도구가 활용되고 있다. 대표적인 Infrastructure as Code 도구로 오픈 소스 소프트웨어 자동화 도구인 Cloud-init, 프라이빗 클라우드 플랫폼 Openstack의 Heat 등이 활용되고 있다. Infrastructure as Code 기술을 맞춤형 클라우드 환경 구축에 적용하는 것은 가상 환경 구축의 편의성을 증대시킬 수 있다. 따라서 본 논문에서는 사용자 맞춤형 프라이빗 클라우드를 구축하기 위해 목적, 사용자 정보 등의 요구사항을 Infrastructure as Code 기술에 적용하는 접근법을 제시한다. 또한, 제안하는 구축 방법의 아키텍처와 프로세스를 제시하고 사례연구를 진행하였다. 사례 연구는 50명의 사용자를 대상으로 파일 공유 서버를 제공하는 맞춤형 프라이빗 클라우드 가상 환경 구축 예를 Openstack에 적용해 제시하였다. 이를 통해 제안한 방법이 실현 가능함을 나타내었다. 이 방법은 사용자 맞춤형 클라우드 가상머신 환경을 자동 구축할 수 있는 참조 모델로 활용 가능할 것으로 기대된다.

Over the past few years, both public and permissioned blockchain technologies have seen a rise in adoption. Blockchainbased applications are being utilized in multiple domains and industries. Among the permissioned blockchain platforms, Hyperledger Fabric has remained popular due to its feature set and active community. However, the complexity and usability issues of Hyperledger Fabric has resulted in a cumbersome blockchain network configuration. Similarly, the amount of pre-requisite knowledge is also substantial. Therefore, we propose RESTful Fabric Broker, an intermediator that facilitates easier access to the blockchain network while also increasing its overall operability and extendibility. In addition, we suggest the conceptual architecture to represent our proposed broker’s constituent. Furthermore, we show our broker’s usability and extendibility by applying it to smart contract management and chaincode installation. We expect RESTful Fabric Broker to be used by blockchain application developers for incorporation of external blockchain-related software with improvement overall usability of the blockchain network.

최근 업무 자동화 요구의 증가로 Robotic Process Automation 구축을 통한 업무 효율성을 증대하려는 기업들이 늘어나고 있다. 대부분의 기업 내 시스템들은 이기종 시스템들이 분산된 환경에서 운영되고 있기 때문에, 분산 환경에서 이기종 시스템 간의 인증 과정이 중요해지고 있다. 그러나, 시스템들 간의 상이한 인증 방식으로 인해 안전한 Robotic Process Automation 환경 구축에 어려움을 느끼고 있으며, Identity Authentication Management 를 구축하기에는 비용 부담이 큰 실정이다. 이에 본 논문에서는 다양한 인증 프로토콜에 대한 인증 프로세스를 설계하고, Shamir Secret Sharing Algorithm 을 적용하여 인증 Secret 정보를 효율적으로 관리할 수 있는 방법을 제안한다.

현재 클라우드 서비스는 다양한 분야에서 활용되고 있으며, 특히 서버 구축에 필요한 인프라(물리적 스토리지, 물리적 서버 등)를 가상화된 서비스 형태로 제공하는 IaaS(Infrastructure as a Service)와 IaaS로 제공되어 인프라 위에 사용자가 원하는 서비스를 개발할 수 있는 PaaS(Platform as a Service)가 주로 이용되고 있다. 그러나 이러한 클라우드 서비스를 이용하는 사용자가 구축한 가상화 환경의 다양한 서비스에서 Log4j 관련 취약점이 발생되어 많은 피해가 발생하고 있으며, 현재까지 심각한 위협으로 여겨지고 있다. 이에 본 논문에서는 클라우드 서비스를 활용한 사용자 정의 서비스를 구축 시, Log4j 취약점의 영향을 분석하여 향후 유사한 취약점으로부터 대응할 수 있도록 도움을 주고자 한다.

랜섬웨어에 의한 피해 규모는 매년 급증하고 있으며 이와 함께 랜섬웨어 탐지 기술에 대한 연구도 함께 발전되어왔다. 기존의 악성코드 탐지 기법에서 보다 랜섬웨어의 특징을 가지고 이를 탐지하는 기술들이 연구되어졌다. 본 논문에서는 기존의 악성코드 탐지 기법들에 대해 간략하게 서술하고 랜섬웨어의 특징과 함께 그 특징들을 통한 다양한 탐지 기법들에 대해 서술한다. 그리고 본 논문의 결론에서 랜섬웨어 탐지 기법의 시사점에 대해 서술한다.

본 논문에서는 빅데이터 기반 열 공급망의 이상탐지를 위한 기계학습 방법에 대해 연구하였다. 특히, 클래스 불균형 문제를 해결하기 위해 정상 데이터를 기반으로 이상 데이터를 생성하는 방법을 제시하였으며 임계점 기반(Threshold-based) 이상탐지 방법 및 기계학습 기반(Machine Learning-based) 이상탐지 모델을 사용해 성능 차이를 비교하였다. 비교 결과 임계점 기반 모델보다 기계학습 기반 모델에서 높은 성능을 보였다.

본 논문에서는 2D 카메라와 스마트 글러브 기반으로 농인과 청각장애인의 수어를 인식하여 일반인이 알 수 있는 자연어로 번역하고 정확도를 높인 시스템을 소개한다. 수어(手語)는 그 의미처럼 3차원 공간에서 두 손이 주요한 수단이 되어 표현된다. 2D 카메라에서 촬영되는 RGB 영상을 활용하여 수어자의 수어를 인식하였을 때, 카메라의 복합적인 내*외부 요소와 주변환경에 따라 폐색(Occlusion)이 발생하여 인식 정확도가 떨어지게 된다. 2D 카메라 기반의 수어인식 한계와 문제를 해결하기 위해 스마트 글러브를 활용하여 손과 손가락의 자세를 정확하게 추정하였고, 수어인식 및 수어번역 정확도를 향상시킬 수 있었다.

The integration of solar energy with a power system brings great economic and environmental benefits. However, the high penetration of solar power challenges the operation and planning of the existing power system owing to the intermittence and randomicity of solar power generation. Achieving accurate prediction for power generation is important to provide balanced electric energy for end-users. Therefore, in this paper, we introduce a deep learning-based dual stream Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM) network to learn spatial patterns using CNN and temporal features via the LSTM network. These features are then fused via a concatenation layer and then feed forward to Dense layers for optimal features selection and future solar power prediction. The performance of the proposed model is evaluated on benchmark datasets and achieved a new state-of-the-art on these datasets.

교통 기술 및 빅데이터 기술의 발달에 따라, 지능형 교통체계와 다수 사용자에 대한 최적 운행 경로를 제공하는 수요 응답형 모빌리티를 도입하고자 하는 연구들이 진행되고 있다. 수요 응답형 모빌리티는 버스나 택시와 달리 다수의 이용객에 대해 차량 위치와 이동 경로를 분석해 탑승 정류장을 선별하고, 운행 중인 차량과 경로가 비슷할 경우 합승이 가능한 최적 경로를 계산하여 서비스를 제공한다. 본 논문에서는 여러 사용자의 이용 요청에 대한 다중 경로를 계산하는 동적 라우팅 시뮬레이터를 개발하였다. 시뮬레이터 평가에 앞서 세부 시스템을 소개하고자 한다. 또한, 차량 배차 규칙에 따른 시뮬레이션 과정과 운행 효율 평가 방법을 설명하고자 한다. 시뮬레이터 평가를 위해 인천 영종도의 가상 배차 요청 데이터를 이용한 실험을 진행하였다.

심층 신경망 기술이 비약적으로 발전함에 따라 자연어 번역을 비롯한 다양한 자연어 처리 응용분야 기술의 성능이 실생활에 널리 활용될 수 있는 수준으로 발전하였다. 심층 신경망 모델을 활용한 수어 번역 기술의 연구도 활발히 진행되고 있으며, 본 논문에서는 최고 수준의 성능을 보여주고 있는 수어 인식 심층 신경망 모델들을 특수 글로스 주석이 포함된 한국수어 데이터 세트로 학습을 시켜 인식 성능을 높이는 방법을 제안한다. 수어 인식을 위한 심층 신경망 모델의 성능 분석을 통해 수어 영상 데이터 세트를 구성하는 과정에서 특수 글로스 주석 스키마를 정의하였으며, 이를 바탕으로 학습된 수어 인식 모델의 성능을 향상시켰다.

코로나19로 인하여 배달 빈도수가 높은 힘든 1인가구나 맞벌이가족에게는 식자재의 낭비 및 유통기한 관리의 문제점을 가지고 있다. 이런 문제점을 해결하기 위해 본 논문에서는 사용자가 식재료의 유통기한 을 관리하고 식재료 기반 또는 사용자 행동 양식 기반으로 레시피를 추천 받을 수 있게 해주는 애플리케 이션을 설계한다. 본 애플리케이션은 객체 인식 알고리즘인 YOLO를 이용하여 카메라로 식재료를 인식 하고, 협업 필터링을 이용한 레시피 추천 시스템으로 사용자가 원하는 레시피 정보를 제공한다. 사용자 는 본 애플리케이션을 사용하여 카메라로 식재료를 인식하여 레시피를 검색할 수 있고 사용자의 과거이 력이나 취향에 연관된 레시피를 추천 받을 수 있다.

본 논문은 4차 산업혁명의 핵심기술인 인공지능과 IoT를 이용해 장애인과 비장애인이 영아를 보육하는 데 있어서 도움을 줄 수 있는 시스템을 설계하였다. 본 시스템은 Raspberry pi를 기반으로 Raspberry pi의 여러 센서를 통해 실시간 영상, 음성, 온도 등 여러 가지 데이터를 수집한 뒤 음성데이터를 벡터화 시켜 CNN 분류 모델을 통해 울음소리를 감지하고 배고픔, 트림, 복통, 피곤, 불편 의 5가지 상태로 분류한다. 또한, YOLO 모델을 이용해 아기 얼굴 상태를 감지하여 질식사를 방지한다. 장애인을 위한 영아 보육 도움 시스템은 시각 장애인이나 청각 장애인 부모가 아이의 돌연사를 방지할 수 있게 도움을 준다.

본 논문에서는 최근 개인형 이동장치(Personal Mobility) 보급의 증가로 인하여 전동 킥보드 사용자가 급증하고 많은 공유 킥보드 업체가 등장하면서 더욱 많은 전동 킥보드 사용자들이 생겨났다. 또한 사고가 2017년에서 2020년까지 7배 이상 증가하였고 킥보드 업체에서는 공유 킥보드를 대여해주고 사고 충격을 받은 킥보드를 회수하지 못하고 그냥 방치할 수도 있다. 이후 다음 사용자의 안전을 보장하고 이를 관리하기 위해 센서들과 인공지능을 통한 알람 시스템의 설계를 제안하고자 하였다. 이 시스템을 적용하게 되면 언제 어디서 누가 사고를 냈는지 특정할 방법으로 사용할 수 있다. 그리고 사고 충격 후 해당 전동 킥보드를 회수하여 안전점검을 통해 다음 사용자의 안전을 보장할 수가 있다. 블랙박스 영상과 센서 감지 데이터를 축적하여 빅데이터로 만들어 대여 업체의 사고피해를 분석 등 필요한 자원으로 사용할 수 있다. 킥보드 이외에도 넘어질 수 있는 이동장치나 장비에서도 사용 가능하다.

최근 인공지능, 클라우드 컴퓨팅 등 차세대컴퓨팅 기술의 발달로 인하여 행동인식 연구가 활발하게 진행되고 있다. 행동인식은 사람의 특정 행동을 인식하는 연구 분야로 주로 가속도계, 자이로스코프 등의 센서 데이터나 카메라의 영상 데이터를 기반으로 한다. 기존 연구에서는 사용자의 행동 패턴인식에서 주로 성인을 대상으로 하는 인식 알고리즘 개발이 주를 이루었다. 본 연구에서는 아동들의 놀이 행동 레벨을 4가지 등급(low level activity, light level activity, locomotion, vigorous sports)으로 나누어 분석하였다. 제안된 모델을 평가하기 62명의 아동으로부터 데이터를 수집하였으며, 신호 처리를 기반으로 신호의 특징을 추출하고 임계치를 적용하여 레벨을 분석하도록 하였다. 추후 실시간으로 분석하는 알고리즘을 적용하여 모바일 폰 기반의 모니터링 앱에 적용할 계획이다.

본 연구에서는 다중 물체 추적 기술 (Multi-Object Tracking)과 공간 데이터베이스를 이용한 실내 환경에서의 객체 위치 데이터 수집 및 분석 시스템을 제안한다. 기존의 다중 물체 추적의 결과는 영상 내 3차원 공간에 위치한 객체의 좌표를 2차원 좌표로 반환하여 객체 위치 분석에 직접적으로 사용하기 어려웠으나 평면 투영 (Ground Projection)을 통해 2차원 목표 지도상 좌표로 변환하여 이를 해결하고, 공간 데이터베이스의 쿼리를 이용하여 대상 공간에서의 객체 위치 분석에 활용될 수 있도록 하였다.

Photo-realistic high-resolution image reconstruction from its counterpart low-resolution image is still a long, challenging task in computer vision. Estimating a High Resolution (HR) image from a single Low Resolution (LR) is referred to as Super-Resolution (SR). When deep learning with a learning and noise immunity capability has been applied, the LR images are generally obtained by down-sampling HR images with additional noise and blur. Single Image Super-Resolution (SISR) is more respected and better in efficiency. Based on models and architectures, deep learning super-resolution techniques can be categorized into Convolutional Neural Networks (CNNs), Adversarial Networks, and Transformer models. This paper summarizes the development history and characteristics of the state-of-the-art papers, discusses the trend and challenges, and provides a compact review of current development and deep learning-based super resolution trends.

Riverbed Modeler SDN 모델은 시뮬레이터 외부 실제 컨트롤러와의 연동을 전제로 구현되었다. 따라서, SDN 테스트베드를 구축하면서 트래픽 발생을 위한 장치 또한 연동하기 위해서는 다수의 네트워크 인터페이스가 필요하기 때문에 연결 구조가 복잡해진다. 본 논문에서는 Riverbed Modeler가 설치된 PC에서 외부 컨트롤러와의 연동을 위해 사용되는 인터페이스의 수를 최소화하기 위한 테스트베드의 연결 구조를 제안한다.

본 논문에서는 마스크를 착용한 얼굴 이미지에서 GAN을 통해 마스크를 제거한 이미지를 생성하고 신원을 확인하는 시스템을 제안한다. 이 시스템은 RetinaFace 모델을 이용하여 마스크를 착용한 얼굴을 탐지하고, 탐지된 얼굴의 마스크 영역을 GAN으로 생성한 다음, 생성한 얼굴을 ArcFace 모델로 임베딩 한다. 기존 데이터베이스에 등록된 얼굴과 GAN으로 생성한 얼굴의 임베딩 벡터 사이의 Angular Cosine Distance를 측정하여 동일 인물인지 판단하는 매칭 알고리즘을 제안한다.

수도권 연평균 농도가 2010년 18ppb에서 2018년 24ppb까지 증가함에 따라 주의보 발령 횟수가 증가하고 고농도 빈도가 높아지고 있어 대기 환경관리의 필요성이 대두되고 있다. 이에 O3의 전구 물질인 NOx 배출량 저감의 필요성도 제기되고 있다. NOx는 사업장이나 발전소 등의 오염원 또는 이동 오염원에서 주로 배출되는데 이때 경유나 LPG 등과 같은 연료들의 연소 때문에 인위적으로 생성되어 대기오염의 문제가 되고 있다. 본 논문에서는 산업용 보일러 기반의 NOx/O2 측정 데이터를 실시간으로 모니터링하고 측정 데이터를 기계학습에 필요한 빅데이터와 로지스틱 회귀 알고리즘을 활용하여 오염 데이터를 분석하는 시스템을 설계한다.

복부 CT 영상에서 수동으로 근육을 분할하는 것은 시간이 걸리는 번거로운 작업이었다. 본 논문에서는 U-net을 활용하여 CT 영상에서 근육을 자동 분할하는 방법을 제안한다. U-net은 딥러닝 기반의 다양한 영상 분할에 이용할 수 있는 높은 정확도를 가진 모델이다. 제안된 방법은 복부 CT 영상에 대해 1초 미만의 빠른 속도와 98% 이상(표준편차 3%)의 높은 정확도를 가진 근육 분할 결과를 나타냈다.