Earticle

증강현실기술을 사용하는 증강현실 게임이 늘어남에 따라 사용자들의 요구도 많아지고 있다. 증강현실 게임에서 사용되는 게임 기술에는 MARKER, MARKERLESS, GPS등을 활용한 게임이 주를 이루고 있다. 이러한 기술을 활용한 게임은 배경과 다른 오브젝트를 증강할 수가 있다. 이 문제를 해결하기 위해 증강현실의 중요한 요소인 배경에서 객체를 분석하여 증강현실 게임을 개발하는데 도움을 주고자 한다. 증강현실 게임에서 배경을 분석하기 위해 UNITY엔진에서 TensorFlow Lite를 활용하여 딥러닝 모델을 적용하여 배경 객체를 분석하였다. 이 결과를 활용하여 배경에서 분석된 객체의 종류에 맞춰 게임에 증강되는 오브젝트를 배치 할 수 있다는 결과를 얻었다. 이 연구를 활용하여 배경에 맞는 오브젝트를 증강하여 향상된 증강현실 게임을 개발 할 수 있을 것이다.

As the number of augmented reality games using augmented reality technology increases, the demands of users are also increasing. Game technologies used in augmented reality games are mainly games using MARKER, MARKERLESS, GPS, etc. Games using this technology can augment the background and other objects. To solve this problem, we want to help develop augmented reality games by analyzing objects in the background, which is an important element of augmented reality. To analyze the background in the augmented reality game, the background object was analyzed by applying a deep learning model using TensorFlow Lite in the UNITY engine. Using this result, we obtained the result that augmented objects can be placed in the game according to the types of objects analyzed in the background. By utilizing this research, it will be possible to develop advanced augmented reality games by augmenting objects that fit the background.

인터넷의 발달로 많은 편리와 이익을 얻었지만 반대로 지능화되는 악성코드로 인하여 사용자의 경제적, 사회적 피해를 주고 있다. 이를 탐지하고 방어하기 위해 대부분 시그니처 기반의 탐지나 방어 프로그램을 사용하 지만 지능화된 악성코드의 변종을 막기에는 매우 어렵다. 따라서 본 논문에서는 쏟아져 나오는 지능화된 악성코드 를 탐지하고 방어할 수 있는 모델을 제안한다. 제안 모델은 악성코드의 특성을 이미지화하여 딥러닝을 이용한 학 습을 통해 만들어지며 새롭게 탐지된 악성코드와 악성코드 변종들은 이미지화를 수행한 다음 만들어진 모델에 적용하여 탐지한다. 제안된 모델을 사용하면 기존에 탐지되었던 악성코드와 더불어 유사한 변종도 대 부분 탐지됨 을 알 수 있다.

Although the internet has gained many conveniences and benefits, it is causing economic and social damage to users due to intelligent malware. Most of the signature-based anti-virus programs are used to detect and defend this, but it is insufficient to prevent malware variants becoming more intelligent. Therefore, we proposes a model that detects and defends the intelligent malware that is pouring out in the paper. The proposed model learns by imaging the characteristics of malware based on deeplearning, and detects newly detected malware variants using the learned model. It was shown that the proposed model detects not only the existing malware but also most of the variants that transform the existing malware.

스마트폰 센서 기술과 인공지능의 발전에도 불구하고, 보행 밸런스 분석과 효과적인 인간-AI 상호작용(HAI) 기반 피드백 시스템은 부족한 실정이다. 본 연구는 스마트폰 내장 센서와 인공지능 기술을 융합하여 사용자의 보행 밸런 스를 실시간으로 분석하고, 즉각적인 피드백을 제공하는 KTWOFIT 시스템을 제안한다. 제안된 시스템은 (1)데이터 수 집 및 전처리 모듈, (2)CNN-LSTM 하이브리드 기반 AI 보행분석 엔진, (3)보행패턴 평가모듈, (4)멀티모달 HAI 피드백 인터페이스로 구성된다. 본 시스템은 고가 장비 없이 스마트폰만으로 전문적인 보행 분석 및 코칭을 가능하게 하여 사용 자 접근성을 높이고, 시각적, 청각적, 촉각적 피드백을 통해 사용자와 AI 간 효과적인 상호작용을 구현한다. 이를 기반으 로 시스템 아키텍처, 핵심 알고리즘, 구현 전략을 중심으로 새로운 시스템의 기술적 시사점을 제시한다.

Despite advances in smartphone sensor technology and artificial intelligence, there is a lack of effective gait balance analysis and Human-AI Interaction (HAI) based feedback systems. This study proposes the KTWOFIT system, which integrates smartphone built-in sensors and AI technology to analyze users' gait balance in real-time and provide immediate feedback. The proposed system consists of (1) a data acquisition and preprocessing module, (2) a CNN-LSTM hybrid-based AI gait analysis engine, (3) a gait pattern evaluation module, and (4) a multimodal HAI feedback interface. KTWOFIT enables professional gait analysis and coaching using only a smartphone without expensive equipment, thereby increasing user accessibility and implementing effective interaction between users and AI through visual, auditory, and tactile feedback. This paper presents the technical design of KTWOFIT, focusing on system architecture, core algorithms, and implementation strategies.

우리나라에 장애인 인구의 10% 정도인 약 25만 명의 사람들이 살아가고 있다[3]. 그러한 분들을 위한 여러 복지와 편의시설이 만들어지고 있지만 아직 도로를 안전하게 다니기에는 미흡한 부분이 많다. 시각장애인들이 좀 더 안전하게 생활을 할 수 있도록 하는 보조 장치를 제안한다. 사용자가 필요한 순간의 모습을 촬영한 뒤 딥 러닝으로 축적된 학습데이터를 이용하여 그 장면을 분석한다. 그 결과를 하나의 문장으로 표현하여 이어폰을 통해 사용자에게 서비스를 제공한다. 지원된 음성 서비스를 통해 시각장애인들이 걸어가는 길에 어떠한 장애물이 있는지 알려주어 위험한 상황에 놓이지 않고 안전하게 길을 걸어 다닐 수 있도록 보조해준다.

우리나라에 장애인 인구의 10% 정도인 약 25만 명의 사람들이 살아가고 있다[3]. 그러한 분들을 위한 여러 복지와 편의시설이 만들어지고 있지만 아직 도로를 안전하게 다니기에는 미흡한 부분이 많다. 시각장애인들이 좀 더 안전하게 생활을 할 수 있도록 하는 보조 장치를 제안한다. 사용자가 필요한 순간의 모습을 촬영한 뒤 딥 러닝으로 축적된 학습데이터를 이용하여 그 장면을 분석한다. 그 결과를 하나의 문장으로 표현하여 이어폰을 통해 사용자에게 서비스를 제공한다. 지원된 음성 서비스를 통해 시각장애인들이 걸어가는 길에 어떠한 장애물이 있는지 알려주어 위험한 상황에 놓이지 않고 안전하게 길을 걸어 다닐 수 있도록 보조해준다.

본 논문은 합성곱 신경망에 데이터 재사용 방법을 효과적으로 적용하여 연산 횟수와 메모리 접근 횟수를 줄일 수 있는 GPGPU구조를 제안한다. 합성곱은 kernel과 입력 데이터를 이용한 2차원 연산으로 kernel이 slide하는 방법으로 연산이 이루어 진다. 이때, 합성곱 연산이 완료될 때 까지 kernel을 캐시메모리로 부터 전달 받는 것이 아니고 내부 레지스터를 이용하는 재사용 방법을 제안한다. SIMT방법으로 명령어가 실행되는 GPGPU의 원리 이용하여 데이터 재사용의 효과를 높이기 위해 합성곱에 직렬 연산 방식을 적용하였다. 본 논문에서는 레지스터기반 데이터 재사용을 위하여 kernel을 4×4로 고정하고 이를 효과적으로 지원하기 위한 warp 크기와 레지스터 뱅크를 갖는 GPGPU를 설계하였다. 설계된 GPGPU의 합성곱 신경망에 대한 성능을 검증하기 위해 FPGA로 구현한 뒤 LeNet을 실행시키고 TensorFlow를 이용한 비교 방법으로 AlexNet에 대한 성능을 측정하였다. 측정결과 AlexNet기준 1회 학습 속도는 0.468초이며 추론 속도는 0.135초이다.

This paper proposes a GPGPU structure that can reduce the number of operations and memory access by effectively applying a data reuse method to a convolutional neural network(CNN). Convolution is a two-dimensional operation using kernel and input data, and the operation is performed by sliding the kernel. In this case, a reuse method using an internal register is proposed instead of loading kernel from a cache memory until the convolution operation is completed. The serial operation method was applied to the convolution to increase the effect of data reuse by using the principle of GPGPU in which instructions are executed by the SIMT method. In this paper, for register-based data reuse, the kernel was fixed at 4×4 and GPGPU was designed considering the warp size and register bank to effectively support it. To verify the performance of the designed GPGPU on the CNN, we implemented it as an FPGA and then ran LeNet and measured the performance on AlexNet by comparison using TensorFlow. As a result of the measurement, 1-iteration learning speed based on AlexNet is 0.468sec and the inference speed is 0.135sec.

도서관 자동화 시스템 개발로 이용자가 책을 직접 찾지 않고, 대출하고자 하는 책을 PC에 입력하면 자율주행으로 책이 있는 서가로 이동, 딥러닝 기반의 로봇팔로 책을 잡고 기존 위치로 복귀하여 자동으로 대출과 운반이 가능한 로봇의 시스템을 제안한다.

현재의 한국의 의료 기술은 세계에서 인정받고 있을 만큼 최고의 수준이다. 그에 따라 여러 의사들은 다양한 장애나 질병에 대해 전문적인 지식을 가지고 더 좋은 방법으로 치료를 진행하고 있다. 이렇게 높아지는 의료 기술에 따라 시술이나 수술의 성공확률의 증대와 동시에 환자에게 높은 신뢰성을 제공할 수 있게 되었다. 시술이나 수술 이후에 있을 부작용을 줄이고 빠른 완치를 위해 행하는 재활치료도 의료의 일종이다. 하지만, 이 부분에서의 사정은 조금 다른 점이 있다. 재활에 관련된 기구, 동작 등 개발하려는 움직임은 있으나, 현재는 대부분을 외국에 의존하고 있다. 우리가 흔히 알고 있는 재활치료는 동작에 의한 형태가 주를 이룬다. 하지만, 환자의 증상이 어느 정도인지, 얼마만큼 나아졌는지 알아보는 것 또한 재활의 일종이며, 그 또한 의사가 판단하는 하에 그 지표를 마련하고 있는 실정이다. 본 논문에서는 음식물 삼킴 동작에 문제가 있는 것을 심각 정도에 따라 파악하는 VFSS 검사에 딥러닝을 활용하여 눈으로 보이는 지표를 마련해 프로그램을 개발하는 것을 연구해 보았다.

In Korea, current medical technology is the highest level in the world. As a result, many doctors have specialized knowledge of various disorders or diseases, and are proceeding in a better way. With such high medical technology, it is possible to increase the probability of success of surgery to provide high reliability to patients. Rehabilitation is also a form of medical treatment that reduces the side effects that occur after surgery that is done for quick cure. However, the situation in this section is slightly different. There are moves to develop rehabilitation devices and operations, but most of them are now dependent on foreign technology. Rehabilitation therapy, which we commonly know, is dominated by behavior. However, it is also a kind of rehabilitation to find out how much the patient's symptoms are improved or recovered. In this paper, we have studied the development of a program by using the Deeplearning method in order to detect the problem of the food swallowing operation by the severity.