Earticle

A tunnel is an essential public facility that enables uninterrupted transportation in crowded cities. Over time, various factors such as ageing and harsh environment could slowly damage the tunnel, leading to cracks and even human loss. There, the tunnel needs to be investigated regularly. Previous maintenance methods have primarily counted on the operators who directly monitor recorded videos to inspect the cracks and determine their seriousness. However, this is a time-consuming and error-prone process. Firstly, this paper introduces a huge tunnel cracks segmentation dataset that contains a total of 170,339 images. Next, a tunnel crack segmentation system that can automatically identify different types of cracks is suggested based on the collected data. The model uses the U-Net structure as the baseline model, with the encoder replaced by a pre-trained Resnet-152 model to improve the effectiveness of the feature extract process. Finally, additional measurements of the detected cracks, such as crack length and crack thickness, are computed.

하수관로 결함 진단은 최근 노후화된 시설물의 급격한 증가에 따라 빅데이터와 인공지능 기술을 활용한 자동화 기술의 필요성이 증가되고 있다. 기존의 하수관로 점검은 소수의 전문가에 의해 육안으로 이뤄지며 이에 따라 오진단 및 시간과 비용이 급격하게 증가되는 비효율적인 시스템이다. 본 논문에서는 하수관 CCTV 영상을 빅데이터 및 딥러닝 기술 기반으로 결함을 효율적으로 진단하는 결함 분류 프레임워크를 제안한다. RegNet 모델을 기반으로 최적화를 수행하여 하수관로의 결함 유형을 자동 분류하여 신속한 점검과 정비를 통한 하수관로 유지/보수의 효율성 및 경제성에 기여한다.

영양소를 흡수하는 과정에서 소장과 대장의 면역 세포는 감염으로부터 상피조직을 보호한다. 건강한 사람의 경우 염증을 유발하지 않고 많은 수의 장내 미생물과 상호작용을 유지한다. 이러한 세포 간의 상호작용이 무너지면 궤양성 대장염이나 크론병 같은 염증성 장 질환을 유발하여 상피조직에 대한 염증성 손상으로 설사, 출혈 및 복통을 유발하는 점막 궤양이 발생한다. 우리는 조직에서 개별 세포의 유전자 발현량을 확인할 수 있는 단일 세포 RNA 시퀀싱 데이터를 사용하여 궤양성 대장염 환자와 건강한 사람을 비교하였다. 단일 세포 RNA 시퀀싱 데이터의 유전자 발현량을 확인하고 세포 유형을 식별하였으며 염증조직에서 특이적인 유전자를 확인하였다.

VTK.js는 의료영상 데이터를 웹 기반으로 가시화하는 라이브러리로 널리 사용된다. 그러나 그 기능이 기존 VTK에 비해 제한적이기 때문에 다양한 기능의 추가 구현을 필요로 한다. 본 논문은 Web Assembly를 활용하여 VTK.js의 기능을 확장하려 한다. 그 예로서 VTK.js에서 지원하지 않는 기법인 환경광 폐색 기법을 Web Assembly로 구현하여 기능을 확장 하였다.

고령화 시대가 도래함에 따라 고령자들에 대한 안전 문제가 관심이 높아지고 있으며, 그중 낙상에 대한 문제가 사회적으로 대두되고 있다. 이 문제를 해결하기 위해 신뢰할 수 있는 낙상 감지를 위해 YOLOv5s 를 활용한 학습과 Mediapipe의 행동 인식 정확도를 이용하였다. 본 논문에서는 낙상을 카메라로 확인할 수 있는 YOLO와 Mediapipe를 이용한 딥러닝 기반 낙상 감지 알고리즘을 제안한다. 침대에서 일어나는 낙상을 경계 박스 위치 파악과 특정 동작을 파악하여 낙상을 검출할 수 있다.

병해충으로 인한 피해가 날이 갈수록 커지고 있다. 특히 고위험 문제 병해충의 피해를 최소화하기 위해서는 병해충의 빠른 진단은 필수이다. 최근 인공지능 기술의 발전으로 많은 병해충 진단 연구에서는 딥러닝 기술을 사용하고 있다. 하지만 병해충은 계절성을 띄고 있고 정확한 병해충 이미지를 수집하기 위해서는 전문가의 도움이 필요하기 때문에 정확한 병해충 이미지 수집에 한계가 있다. 부족한 병해충 이미지를 늘리기 위해 본 논문에서는 현재 제공되고 있는 병해충 이미지 데이터 셋과 최신의 데이터 증강(Data Augmentation) 연구를 조사했다.

In this paper, we present a comparative study on performance of deep learning models for electroglottography (EGG) and voice conversion to text using transfer learning. In this regard, we deployed range of deep learning models such as ResNet101, MobileNetv2, GoogleNet for text recognition using electroglottography and voice signals correspondingly. Firstly, short-time Fourier transform (STFT) is utilized to generate spectrogram using time-series signals (EGG, Voice). Spectrogram images are resized to fulfill the requirement of pre-trained models (ImageNet-weights). Subsequently, rigorous experiments have been performed with various combinations of EGG, Voice and hybrid (EGG and voice). In addition, we have studied the impact of healthy and pathology signals using SVD dataset. Expectedly, the accuracies of healthy voice signals were significantly higher as compared to pathology signals. We analyzed the performance of each model under two combinations (healthy and mix). ResNet 101 outperforms other models in terms of generalizability as the accuracies were significantly higher in all three scenarios. The highest accuracy of RestNet 101 in the scenario of healthy and mix for voice signal is 98.10 and 88.57 respectively.

포스트 코로나 시대로 접어들며 디지털 전환의 가속화가 이루어지고 미디어 산업 생태계에도 큰 변화를 일으켰다. 그 중 1인 미디어 발달, 영상 콘텐츠 증가로 인해 다양한 음원에 대한 수요가 커지며 인공지 능을 활용한 작곡에 주목하고 있다. 기존 작곡 프로그램들은 정해진 알고리즘에 따라서 답을 도출하는 방식으로 진행되고, 인공지능을 활용한 작곡 연구를 통해 생성된 음원으로는 주로 효과음 또는 배경음악 이 있다. 뮤지컬은 노래로 이야기를 전달하기 때문에 스토리에 맞는 음원이 대량으로 필요하다. 따라서 본 연구에서는 극 중 스토리를 분석하고 인공지능 작곡 모델 Magenta를 통해 맞춤형 음원을 생성하는 기법을 제안한다.

변화하는 서비스 요구사항을 충족하고 안정적인 서비스를 유지하기 위해 기업에서 마이크로서비스 구조를 도입하는 사례가 많아지고 있다. 마이크로서비스 구조는 단일 기능을 수행하는 독립적인 소규모의 서비스들로 시스템을 구성하여, 모놀리식 구조에 비해 높은 확장성과 가용성을 가진다. 하지만, 컨테이너 기반 마이크로서비스는 각 서비스 사이의 약결합(Loosely Coupling) 형성을 위해 마이크로서비스의 조합 구성에 대한 고려가 부족하고 배포에 대한 모든 과정을 개발자에게 일임하는 문제점을 가지고 있다. 이를 해결하기 위해서 마이크로서비스 조합을 위한 기반 구조로 Boundary-Control-Entity의 유형으로 구분할 수 있는 패턴을 적용한 방안을 제시한다. 또한 컨테이너 기반 마이크로서비스의 설계, 구현, 배포의 전 주기를 지원하기 위해 마이크로서비스에 대한 단일 명세와 조합 명세를 활용하는 기법을 제시한다. 제시된 기법을 컨테이너 오케스트레이션 프레임워크인 쿠버네티스에 적용한 사례연구를 바탕으로 컨테이너 기반의 마이크로서비스가 구성됨을 확인하였다. 본 논문의 기법은 컨테이너 기반 마이크로서비스를 배포 및 관리하는 환경의 기반 모델로 적용될 수 있을 것으로 기대된다.

현재 인공지능, 빅데이터, IoT 등의 다양한 컴퓨팅 기술의 발달이 일어나고 있는 가운데, 인공지능 기반의 딥페이크(Deepfake) 기술이 영상 및 의료 산업 등 다양한 분야에서 적극적으로 활용되고 있다. 딥페이크 기술이란 딥러닝과 fake의 합성어로, AI의 핵심기술인 딥러닝을 통해 사람의 얼굴이나 신체를 합성하여 억양, 목소리 등을 따라하게 만드는 기술이다. 본 논문은 딥페이크 기술을 활용하여 아동과 가까운 가족 또는 친구들의 얼굴을 동화에 접목시켜 새로운 동화 미디어를 생성하는 동화 미디어 셀프 제작을 위한 시스템에 대해 기술한다.

최근 군사, 산업 등 다양한 분야에서 자율 이동 로봇이 활용되고 있다. 자율 이동 로봇이 특정 임무를 수행하는 데 있어 경로 계획은 핵심적인 역할을 한다. 오랜 기간 동안 A*, Rapidly exploring Random Tree 등 많은 경로 탐색 알고리즘이 연구되었다. 하지만 과거에 연구된 알고리즘들은 짧은 시간 내에 장애물과 충돌이 일어나지 않는 최단 경로를 찾는 데 애로사항이 존재한다. 이를 해결하기 위해 최근 활발하게 연구되고 있는 심층 신경망을 사용하여 경로를 생성하는 연구 사례들이 늘어나고 있다. 심층 신경망은 비선형 함수를 근사하는데 좋은 결과를 보여주어 경로 계획에 필요한 함수의 근사에 사용될 수 있다. 다양한 딥러닝 모델이 비선형 함수를 근사하지만 특히 예측 모델을 사용하는 것이 아닌 생성적 모델을 사용하는 것으로 원하는 경로를 좀 더 효율적으로 생성할 수 있을 것으로 예측된다. 본 논문에서는 컴퓨터 비전 분야에서 성공적인 결과를 보여준 Generative Adversarial Network를 통해 전역 경로를 이미지로 표시하는 데 성공한 사례를 제시한다. 또한 에이전트의 행동 제어에서 좋은 성과를 보여준 심층 강화학습을 사용해 자율 이동 로봇의 지역 경로 계획에 성공한 연구를 소개한다.

Binary search is an efficient algorithm for finding an item from a sorted data. Although binary search is very powerful, sometimes the process of binary search is very inefficient to find items that are next to the starting or ending items. To overcome this problem, a novel approach called learned index has been proposed recently. The key idea of the learned index is replacing an index construction with a model training and a lookup via index as an inference via model. In this paper, as a case study of the learned index, we design a new search algorithm, called Segmented Linear Regression (SLR) based search. It employs SLR to estimate the approximate location of a given key and to decrease the error distance during searching. We have conducted experiments with two real-world datasets, OpenStreetMap and Twitter User data. Evaluation results show that our proposal is about 1.38x faster than the binary search.

딥러닝 모델 학습 시 충분하지 않은 데이터로 학습하는 경우 과적합이 발생할 수 있으며, 오탐지율이 높아질 수 있다. 이러한 문제점을 해결하기 위해 기존 데이터를 변환시키는 데이터 증식 방법과 딥러닝을 사용한 데이터 증식 방법에 대한 연구는 지속적으로 연구되어 왔다. 본 논문에서는 기존 데이터 증식 방법의 문제점을 해결하기 위해 객체 인식 기술과 유사도 측정 알고리즘을 활용한 이미지 데이터 증식 방법을 제안하였다. 실험 결과 기존 640개의 학습 데이터를 16,633개로 증식하였으며, 기존 데이터셋의 F1 Score 0.060을 0.852로 증가시켰다.

한국은 2019년 4월 5G 기반의 초고속, 초저지연, 초연결 서비스를 시작하였다. 세계 최초 5G 상용화라는 타이틀과 함께 상용화 10개월 만에 이동통신 가입자 500만 명을 넘어섰으며 대중화 시대를 위해 나아가고 있었다. 그러나 빠른 가입자 증가에도 불구하고 서비스에 대한 사용자 불만족은 끊임없이 제기되었다. 이에 본 연구를 통해 정확한 이탈 요인을 파악하고 이를 통해 사용자의 이탈을 예측을 5G, LTE, 3G 가입자별 모델의 성능 비교를 통해 높은 우수성을 나타내는 모델을 제안하고자 한다. 본 연구는 이동통신 가입자 가입, 해지에 대한 고객 이탈 예측을 6개 모델 Decision Tree, K-Nearest Neighbor, AdaBoost, Gaussian Naive Bayes, MLP, 1D-CNN 모델을 이용하여 성능을 비교하여 어느 모델에서 높은 성능이 도출되는지 연구하였다. 이동통신 가입자에 고객 730,522건의 5G, LTE, 3G 이동통신 가입자의 가입과 해지 데이터를 수집하였고, 이탈 예측 실험은 이동통신 세대, 성별, MNO, MVNO, 선불고객, 후불 고객, 나이대별로 구분하였다. 이동통신 이탈 예측 실험 결과는 총 99개의 실험 요소 중 1D CNN에서 31개, AdaBoost 모델에서 26개, MLP 모델에서 17개 우수성을 나타냈다.

본 논문은 컨텍스트기반 GK 클러스터링을 이용한 출력공간을 고려하는 CGK기반 퍼지 입자 모델을 -제안한다. 일반적인 GK 클러스터링은 입력공간에 있는 데이터들의 특징만 고려하기 때문에 출력공간에 있는 특징을 고려하지 못하는 문제점이 있다. 이러한 문제를 해결하기 위해 입력공간뿐만 아니라 출력공간에 있는 특징까지 고려할 수 있는 컨텍스트기반 GK 클러스터링을 제안하고 이를 통해 생성된 정보 입자를 이용하여 CGK기반 퍼지 입자 모델을 설계한다. 제안하는 방법의 타당성을 검증하기 위해 보스턴 주택 가격 데이터베이스를 이용하여 예측 성능을 분석한다.

IoT는 개별적인 목적에서 적용하기 위해 사용되었으나, 최근에는 의학, 농업뿐만 아니라 다방면에서 사용되고 있다. 2016년 Mirai 봇넷의 발현으로 인해 DNS 서버가 멈추는 사례가 있었다. 이러한 공격을 막기 위해 Mirai 봇넷과 같은 악성코드의 분석이 필요하다. 본 연구는 IoT 대상 악성코드 사례를 바탕으로 공격 대상과 특징 그리고 변종 악성코드들을 분석하고, 악성코드들이 나타날 수 있는 행위를 분석한다. 이를 통해 악성코드와 취약점을 매핑해 앞으로 나타날 수 있는 악성코드들의 특징에 대응하는 정형화 기법을 연구하고자 한다.

정보기술의 발달과 개발된 시스템의 규모가 증대되고, 여러 IT 환경이 융합됨에 따라 사이버 위협 및 공격이 증가하고 있으며, 공격 양상도 복잡해지고 있다. 이러한 위협에 대응하기 위해서는 실제와 유사한 사이버공격 훈련이 필요하며, 훈련에는 공격 시나리오가 필수적으로 수립되어야 한다. 하지만, 한 번 수립된 시나리오는 반복해서 사용되어 지속적으로 발전하는 최신 사이버위협을 반영하기 어려운 단점이 존재한다. 본 논문에서는 최신의 보안위협이 공개된 보안위협 지식 데이터베이스를 이용하여 공격 시나리오와의 연계성을 도출하고, 시나리오 개발에서의 활용 방안을 제안한다.

Massive IoT 환경은 모바일 환경뿐만 아니라 전 분야의 모든 디바이스를 네트워크에 연결하여 정보 생성 및 공유하는 초연결 네트워크 환경을 의미한다. Massive IoT 환경은 스마트시티, 스마트팩토리 등에 적용되며 지속적으로 발전 중이다, 이러한 환경에서 IoT 디바이스의 수는 방대하여 로그를 수집하고 관리하는 것이 어려운 상황이다. 이러한 문제점으로 인해 악성코드 감염 시, 감염원인 파악이 어려워 신속한 대응이 어렵다. 본 논문에서는 5G Massive 환경의 IoT 디바이스 악성코드 감염원인 파악을 위해 필요한 로그를 수집하는 방안을 제시하고자 한다.

데이터베이스는 정보 시스템의 핵심 기술로서 많은 양의 데이터를 효율적으로 구성하고 저장하는 역할을 한다. 본고에서는 먼저 데이터베이스 기술을 위한 분산 시스템의 데이터 일관성 및 보안 요구 사항을 분 석하고자 한다. 데이터 공유 및 리소스 공유에 있어 NewSQL 데이터베이스의 장점을 소개하고 분산 시 스템 설계를 기반으로 하는 NewSQL 데이터베이스의 핵심 기술을 분석한다. 분산 스토리지 엔진, 실시간 분석 및 조회 엔진, HTAP 하이브리드 워크로드 아키텍처, 분산 트랜잭션 등은 예로 들 수가 있다.

Recently, cloud computing technology has been offering cloud-based plate number classification applications with lower latency. In this paper, we design and implement a new distributed plate number classification system (DPNC). The proposed DPNC system absorbs a more significant number of input sensor data from autonomous cars with a lightweight model that provides high accuracy. In addition, our model has employed the entire convolution network – Long Short-term Memory (FCN-LSTM) to predict a total of 3 classes such as image plate, boundary, and number detection. We evaluate the proposed system using an existing Iranian plate dataset containing a collection of plate images using an autonomous car. We used various Amazon cloud services for deploying the proposed DPNC architecture. The experimental results show that the proposed architecture improves end-to-end latency by 2.1 times compared to the traditional architecture.

본 논문에서는 교사-학생 프레임워크에서 학생이 교사의 클래스 확률을 모사하는 새로운 Knowledge Distillation 방법을 제시한다. 전통적인 Knowledge Distillation 기법은 교사와 학생의 logits을 soften시켜 모방을 진행하지만, 제안하는 방법은 기존 방법과 다르게 교사와 학생의 Top-1 확률값을 포함한 확률분포와 Top-1의 확률값과 나머지 logits을 분리하고 soften시켜 dark knowledge를 생성하여 새로운 확률분포를 만든다. 학생은 교사의 분리된 각각의 2가지 형태의 클래스 확률을 모방하여 성능을 높인다. CIFAR 데이터셋에서 resnet, vgg, wrn과 같은 다양한 네트워크로 제안하는 방법론의 우수성을 실험을 통해 입증한다.

본 논문에서는 인공지능 프로세서 중 하나인 Edge TPU에서 DNN에 할당되는 Edge TPU의 SRAM의 양을 조절하는 시스템을 제안한다. 기존 Edge TPU 컴파일러를 통해서는 DNN 태스크들의 데드라인을 고려하여 SRAM을 할당하는 것이 불가능하다. 이를 가능하게 하기 위해 우리는 각 DNN 태스크의 데드라인에 따라 SRAM을 할당하는 시스템을 개발하였다. 그리고 실험을 통해 우리의 시스템을 활용하여 기존에 실시간성이 보장되지 않는 태스크들을 실시간성이 보장되도록 만들 수 있음을 확인하였다.

기계학습에서 Data Drift는 정확도에 큰 영향을 주는 중요한 문제이며, 재난 대응과 같이 모델의 잘못된 예측 피해가 큰 분야에서 더 중요하다. 본 논문에서는 재난 분야 Data Drift 문제에 대해 MLOps를 이용하여 모델의 재학습을 효과적으로 수행할 수 있는 방안으로 MLOps 기법과 툴들을 사용하는 것을 제안하고, Kaggle 데이터와 MLFlow를 기반으로 정확도 실험을 수행하여 주장을 검증하였다.

혼합현실은 복합정보 표현을 위한 가장 효과적인 수단으로, 사물의 물리적 위치에 홀로그램 정보를 표현하는 몰입형 사용자경험을 제공한다. 하지만 그 응용이 특정 분야나 애플리케이션에 편중되어 다양한 복합 서비스 제공에 한계가 존재한다. 이러한 혼합현실 기술을 효과적으로 응용하기 위하여 본 논문에서는 혼합현실, 사물인터넷, 인공지능기술들과 서비스들을 단일 플랫폼 상에서 운용이 가능하도록 하는 MR-IoT/AI융합 플랫폼의 구조를 소개하고, 이를 구현하여 성능분석한 결과를 제시한다.

최근 가상현실 기기 및 제작기술이 고도화되면서 안전교육 분야에서 가상현실 기술을 접목한 안전교육 콘텐츠의 활용이 두드러지고 있다. 교육훈련의 수단으로서 시간과 장소에 구애 받지 않는다는 점이 가장 큰 장점이다. 본 연구에서는 재난 대비 및 대응을 위한 체험 교육을 효과적으로 제공할 수 있는 훈련 시스템의 필요성을 인식하고, 가상현실의 몰입과 상호작용 특성을 효과적으로 활용한 재난 대응 훈련 콘텐츠에 필요한 기술을 제안 및 연구한다.

깊이 카메라를 이용해서 인간의 정밀한 전신 포인트 클라우드를 획득하기 위해서는 다양한 위치와 각도에서 촬영한 포인트 클라우드 간의 정합 및 깊이 보정이 필요하다. 기존에는 주로 Iterative Closet Point (ICP) 알고리즘을 이용해서 포인트 클라우드 간의 정합을 위한 3차원 변환을 추정한 후, 후처리로 독립적인 깊이 보정을 수행해 왔다. 본 논문에서는 ICP 알고리즘에서 사용되는 비용함수의 인수로 3차원 변환 뿐만 아니라 포인트 클라우드의 깊이 값이 사용될 수 있다는 점에 착안한 새로운 깊이 보정 알고리즘을 소개하고, 기존 후처리 방법과의 성능 비교를 통해 그 효용성을 검증한다.

최근 도로 용량의 증대와 쾌적한 도시 환경을 구성하기 위해 지상과 지하 터널을 융·복합적으로 활용 하는 도로의 입체화가 대두 대고 있다. 지하 터널은 출입부를 제외하고 탈출구가 없는 지하공간의 환경 특성상 교통상황을 정확히 제어하는 시스템이 요구되고 있으나, 주행차량의 위치를 파악하기가 어려워 터널상황을 모니터링 하기에는 한계가 있다. 이에 본 논문에서는 고속도로 터널에서 스마트폰에 내장된 지자계 센서에서 수집되는 값과 터널 위치에 대한 연관성을 실증적으로 분석하고, 스마트폰 센서 기술을 이용해 터널내 주행차량 위치 서비스로 사용될 수 있는 가능성을 논의하고자 한다.

SNS을 활용한 키워드 기반 재난 텍스트 탐지는 노이즈 데이터에 취약한 문제를 지닌다. 본 논문은 키워드 기반 재난 트윗 탐지 모델의 한계를 극복하고자 문장 전체에 대한 텍스트 임베딩과 거리 기반 이상 탐지를 통해 재난 트윗 데이터를 탐지하는 모델을 제안한다. 실험결과 기존 키워드 기반 모델에서 발생할 수 있는 동음이의어 문제에 대해 강인한 모습을 나타냈다.

혼합환경(Mixed Reality)에서 중요한 요소는 기술 개발 뿐만 아니라 혼합환경 사용자에 대한 이해를 통한 높은 사용자 경험 제공이다. 이를 위한 한 가지 방법은 다양한 센서 기기를 통해 사용자로부터 발생하는 데이터를 수집하고, 해당 데이터를 기반으로 인공지능 모델 개발을 통해 사용자의 행동과 상태를 분석, 예측하는 것이다. 본 논문에서는 사용자 경험과 높은 연관성을 가지는 두 가지 요소(i.e., 사용자 움직임, 사이버멀미)를 소개하고, 이에 대한 인공지능 기술 개발 및 검증 연구에 대해서 논의한다.