랜섬웨어에 의해 개인용 단말 또는 서버 등이 감염되는 사례가 급증하고 있다. 랜섬웨어는 자체 개발한 암호화모듈을 이용하거나 기존의 대칭키/공개 키 암호화 모듈을 결합하여 공격자만이 알고 있는 키를 이용하여 피해 시스템내에 저장된 파일을 불법적으로 암호화 하게 된다. 따라서 이를 복호화 하기 위해서는 사용된 키 값을 알아야만 하며, 복호화 키를 찾는 과정에 많은 시간이 걸리므로 결국 금전적인 비용을 지불하게 된다. 이때 랜섬웨어 악성코드는 대부분 바이너리 파일 내에 은닉된 형태로 포함되어 있어 프로그램 실행시 사용자도 모르게 악성코드에 감염된다. 그러므로바이너리 파일 형태의 랜섬웨어 공격에 대응하기 위해서는 사용된 암호화 모듈에 대한 식별 과정이 필요하다. 이에 본연구에서는 바이너리 파일 내 은닉된 악성코드에 적용 된 암호화 모듈을 역분석하여 탐지하고 식별할 수 있는 메커니즘을 연구하였다.
Cases in which personal terminals or servers are infected by ransomware are rapidly increasing. Ransomware uses a self-developed encryption module or combines existing symmetric key/public key encryption modules to illegally encrypt files stored in the victim system using a key known only to the attacker. Therefore, in order to decrypt it, it is necessary to know the value of the key used, and since the process of finding the decryption key takes a lot of time, financial costs are eventually paid. At this time, most of the ransomware malware is included in a hidden form in binary files, so when the program is executed, the user is infected with the malicious code without even knowing it. Therefore, in order to respond to ransomware attacks in the form of binary files, it is necessary to identify the encryption module used. Therefore, in this study, we developed a mechanism that can detect and identify by reverse analyzing the encryption module applied to the malicious code hidden in the binary file.
많은 연산량을 가진 딥러닝은 초소형 IoT 장치나 모바일 장치에 구현하기가 어렵다. 최근에는 이러한 장치에서도 딥러닝을 구현할 수 있도록 모델의 연산량을 줄이는 딥러닝 경량화 기술이 소개되었다. 양자화는 연속적인 분포를가지는 파라미터 값들을 고정된 비트의 이산 값으로 표현하여 모델의 메모리 및 크기 등을 줄여 효율적으로 사용할수 있는 경량화 기법이다. 그러나 양자화로 인한 이산 값 표현으로 인해 모델의 정확도가 낮아지게 된다. 본 논문에서는정확도를 개선할 수 있는 다양한 양자화 기술을 소개한다. 먼저 기존 양자화 기술 중 APoT와 EWGS를 선택하여 동일한 환경에서 실험을 통해 결과를 비교 분석하였다. 선택된 기술은 ResNet모델에서 CIFAR-10 또는 CIFAR-100 데이터 세트로 훈련되고 테스트 되었다. 실험 결과 분석을 통해 기존 양자화 기술의 문제점을 파악하고 향후 연구에 대한방향성을 제시하였다.
Deep learning with large amount of computations is difficult to implement on micro-sized IoT devices or moblie devices. Recently, lightweight deep learning technologies have been introduced to make sure that deep learning can be implemented even on small devices by reducing the amount of computation of the model. Quantization is one of lightweight techniques that can be efficiently used to reduce the memory and size of the model by expressing parameter values with continuous distribution as discrete values of fixed bits. However, the accuracy of the model is reduced due to discrete value representation in quantization. In this paper, we introduce various quantization techniques to correct the accuracy. We selected APoT and EWGS from existing quantization techniques, and comparatively analyzed the results through experimentations The selected techniques were trained and tested with CIFAR-10 or CIFAR-100 datasets in the ResNet model. We found out problems with them through experimental results analysis and presented directions for future research.
최근 메모리 기술의 급격한 발전으로 개발되고 있는 다양한 종류의 메모리는 데이터 관리 시스템에서 처리 속도향상을 위해 활용되고 있다. 특히 NAND 플래시 메모리는 전원이 차단되어도 데이터를 유지할 수 있는 비휘발성 특징이 있으므로 메모리 기반 저장장치의 데이터 저장용 주요 미디어로 활용되고 있다. 그러나 최근 연구되고 있는 메모리기반 저장장치는 NAND 플래시 메모리뿐만 아니라 MRAM과 PRAM 등 다양한 종류의 메모리로 구성되어 있고 추가로새로운 특성이 있는 다양한 종류의 메모리가 개발되고 있다. 따라서 특성이 서로 다른 이종의 메모리들로 구성된 저장시스템에서 미디어의 데이터 처리 성능과 효율 향상을 위한 메모리 관리 기술의 연구가 필요하다. 본 논문에서는 데이터 관리를 위해 다양한 메모리로 구성된 저장장치에서 데이터를 효율적으로 관리하기 위한 메모리 사상 기법을 제안한다. 제안하는 아이디어는 서로 다른 이종 메모리를 하나의 사상 테이블을 활용하여 관리하는 방법이다. 이 방법은 데이터의 주소 체계를 통일할 수 있고 데이터 티어링(tiering)을 위해 서로 다른 메모리에 분할 저장된 데이터의 탐색 비용을 감소시킬 수 있다.
Recently, with the recent rapid development of memory technology, various types of memory are developed and are used to improve processing speed in data management systems. In particular, NAND flash memory is used as a main media for storing data in memory-based storage devices because it has a nonvolatile characteristic that it can maintain data even at the power off state. However, since the recently studied memory-based storage device consists of various types of memory such as MRAM and PRAM as well as NAND flash memory, research on memory management technology is needed to improve data processing performance and efficiency of media in a storage system composed of different types of memories. In this paper, we propose a memory mapping scheme thought technique for efficiently managing data in the storage device composed of various memories for data management. The proposed idea is a method of managing different memories using a single mapping table. This method can unify the address scheme of data and reduce the search cost of data stored in different memories for data tiering.
뇌-기계 인터페이스는 차세대 인터페이스로서 기기 이용자가 명령을 생각할 때 발생하는 신경세포의 전기적신호인 뇌파를 해석하여 기기를 조종하는 인터페이스다. 뇌-기계 인터페이스는 다양한 스마트기기 등에 응용될 수 있지만 뇌파 신호를 해석하는 데는 상당량의 계산 프로세스가 필요하다. 따라서 에지(Edge) 형태로 구현된 임베디드 시스템에서는 뇌-기계 인터페이스를 구현하기가 어렵다. 본 연구에서는 사물인터넷 기술을 이용하여 에지에서는 뇌파 측정만을 진행하고 뇌파 데이터의 저장 및 분석은 클라우드 컴퓨팅에서 수행하는 새로운 형태의 뇌-기계 인터페이스 시스템을제안하였다. 본 시스템은 뇌-기계 인터페이스를 위한 정량 뇌파 분석을 성공적으로 수행하였으며 데이터 송수신 시간또한 실시간 처리가 가능한 수준을 보였다.
The brain-machine interface(BMI) is a next-generation interface that controls the device by decoding brain waves(also called Electroencephalogram, EEG), EEG is a electrical signal of nerve cell generated when the BMI user thinks of a command. The brain-machine interface can be applied to various smart devices, but complex computational process is required to decode the brain wave signal. Therefore, it is difficult to implement a brain-machine interface in an embedded system implemented in the form of an edge device. In this study, we proposed a new type of brain-machine interface system using IoT technology that only measures EEG at the edge device and stores and analyzes EEG data in the cloud computing. This system successfully performed quantitative EEG analysis for the brain-machine interface, and the whole data transmission time also showed a capable level of real-time processing.
고령화 사회로 인한 만성질환자의 증가로 그들의 질병 예방과 관리가 시급하다. 이러한 문제를 해결하기 위한 생체인증 방법과 원격의료시스템들이 소개되고 있으나 의료정보와 개인인증의 보안성 문제를 해결하는데에는 어려움이 있다. 스마트 헬스케어는 대상자의 개인 의료정보를 포함하고 있으므로 무엇보다 개인정보의 보안이 중요한 분야이다. 따라서 본 논문에서는 프라이빗 블록체인 환경에서 손목 밴드 형태의 스마트 웨어러블 디바이스 ECG와 얼굴 개인인증을 활용한 원격의료시스템을 제안하고자 한다. 이 시스템에서는 다양한 의료인과 전 지역 만성질환자를 대상으로 하였으며, 데이터의 무결성과 투명성을 높일 수 있는 프라이빗 블록체인을, 위변조가 어렵고 개인식별성이 높은 ECG와 얼굴인증을 활용하여 보안성과 신뢰성이 높일 수 있는 시스템을 구성하였다. 이를 통해 재가 만성질환자의 질병 예방과 건강관리에 힘써 만성질환 관리의 효율성을 높이는데 기여하고자 한다.
고령화 사회로 인한 만성질환자의 증가로 그들의 질병 예방과 관리가 시급하다. 이러한 문제를 해결하기 위한생체인증 방법과 원격의료시스템들이 소개되고 있으나 의료정보와 개인인증의 보안성 문제를 해결하는데에는 어려움이있다. 스마트 헬스케어는 대상자의 개인 의료정보를 포함하고 있으므로 무엇보다 개인정보의 보안이 중요한 분야이다. 따라서 본 논문에서는 프라이빗 블록체인 환경에서 손목 밴드 형태의 스마트 웨어러블 디바이스 ECG와 얼굴 개인인증을 활용한 원격의료시스템을 제안하고자 한다. 이 시스템에서는 다양한 의료인과 전 지역 만성질환자를 대상으로 하였으며, 데이터의 무결성과 투명성을 높일 수 있는 프라이빗 블록체인을, 위변조가 어렵고 개인식별성이 높은 ECG와 얼굴인증을 활용하여 보안성과 신뢰성이 높일 수 있는 시스템을 구성하였다. 이를 통해 재가 만성질환자의 질병 예방과건강관리에 힘써 만성질환 관리의 효율성을 높이는데 기여하고자 한다.
오늘날, 세계 인구성장률의 증가로 국제사회는 심각하게 식량문제 해결을 논의하고 있다. 식량문제 해결을 위한대안으로는 양식산업이 대두되고 있다. 최근 양식산업의 혁신성장을 위해 4차 산업기술을 융합한 스마트 양식장이 보급되고 있으며, 전주기적 디지털화가 추진되고 있다. 양식산업에서 중요한 수질센서는 전기화학방식의 휴대용 센서를 사용하고 있으며, 이를 이용하여 개별적, 간헐적으로 수질을 체크하고 있어서 양식장 수질을 실시간 분석하고 관리하기가불가능하다. 최근 광학 기반의 모니터링이 가능한 수질센서들이 개발되어 현장에 적용되고 있다. 그러나 수질센서의상태정보를 알 수 없기 때문에 모니터링 데이터의 신뢰성을 보장할 수 없는 상황이다. 따라서, 본 논문에서는 데이터의신뢰성을 확보할 수 있도록, 수질센서가 수집하는 모니터링 데이터를 기반으로 고장, 기준일탈, 유지보수, 점검 등의수질센서 자가진단 상태를 파악할 수 있는 알고리즘을 제안한다.
Today, due to the increase in global population growth, the international community is discussing solving the food problem. The aquaculture industry is emerging as an alternative to solving the food problem. For the innovative growth of the aquaculture industry, smart fish farms that combine the fourth industrial technology are recently being distributed, and full-cycle digitalization is being promoted. Water quality sensors, which are important in the aquaculture industry, are electrochemical portable sensors that check water quality individually and intermittently, making it impossible to analyze and manage water quality in real time. Recently, optically-based monitoring sensors have been developed and applied, but the reliability of monitoring data cannot be guaranteed because the state information of the water quality sensor is unknown. Therefore, this paper proposes an algorithm representing self-diagnosis status such as Failure, Out of Specification, Maintenance Required, and Check Function based on monitoring data collected by water quality sensors to ensure data reliability.
디지털 신기술의 진화가 빠르게 진행이 되고 있다. 특히 교육 관련 분야에서는 소프트웨어와 인공지능에 대한많은 변화가 빠르게 진행이 되고 있다. 교육부에서는 소프트웨어와 인공지능 정규교육과정으로 연계에 의한 교육프로그램을 계획하고 있다. 정규교과로 적용하기 전에 다양한 소프트웨어와 인공지능 관련 체험 캠프를 추진하고 있다. 본연구는 디지털 신기술을 기반으로 고등학생을 대상으로 소프트웨어와 인공지능 교육프로그램을 위한 교육 모델을 구성하고자 한다. 소프트웨어와 인공지능 교육을 확대 보급함으로써 고등학생들의 소프트웨어와 인공지능 기초역량 높이고자 한다. 고등학교에서의 소프트웨어와 인공지능의 개념을 정의하고 소프트웨어와 인공지능 학습요인을 정규교육과정으로 연계하는 모델을 제안하고자 한다.
The evolution of new digital technologies is progressing rapidly. In particular, many changes in software and artificial intelligence are progressing rapidly in the field of education. The Ministry of Education is planning an educational program by linking software and artificial intelligence regular curriculum. Before applying it to regular subjects, various software and artificial intelligence related experience camps are being promoted. This study aims to construct an educational model for software and artificial intelligence education programs for high school students based on new digital technology. By expanding and distributing software and artificial intelligence education, we aim to enhance the basic capabilities of software and artificial intelligence for high school students. I would like to define the concept of software and artificial intelligence in high school and propose a model that links software and artificial intelligence learning factors to the regular curriculum.
본 논문에서는 우산을 보다 쉽게 챙길 수 있도록 도와주는 사물인터넷 기반의 스마트 우산꽂이를 제안한다. 제안한 스마트 은 3가지 기능을 제공한다. 첫째, 기상 정보를 수신하여 정보에 따라 비가 온다면 우산의 손잡이를 노출시켜 사용자가 우산을 챙길 수 있도록 도와준다. 둘째, 스마트 우산꽂이는 열풍 시스템이 있어 빗물에 젖은 우산을 건조시킬 수 있다. 이를 통해 사용자는 빗물에 젖은 우산을 효율적으로 건조하고 쉽게 보관할 수 있도록 도와준다. 셋째, 앱(App)을 통해 스마트 우산꽂이의 현재 상태와 날씨, 빗물받이의 수위 등을 모니터링 할 수 있다. 제안한 스마트 우산꽂이는 비오는 날 우산을 챙겨갈 수 있도록 생활의 편의성을 제공할 것으로 기대한다.
본 논문에서는 우산을 보다 쉽게 챙길 수 있도록 도와주는 사물인터넷 기반의 스마트 우산꽂이를 제안한다. 제안한 스마트 은 3가지 기능을 제공한다. 첫째, 기상 정보를 수신하여 정보에 따라 비가 온다면 우산의 손잡이를 노출시켜 사용자가 우산을 챙길 수 있도록 도와준다. 둘째, 스마트 우산꽂이는 열풍 시스템이 있어 빗물에 젖은 우산을 건조시킬 수 있다. 이를 통해 사용자는 빗물에 젖은 우산을 효율적으로 건조하고 쉽게 보관할 수 있도록 도와준다. 셋째, 앱(App)을 통해 스마트 우산꽂이의 현재 상태와 날씨, 빗물받이의 수위 등을 모니터링 할 수 있다. 제안한 스마트 우산꽂이는 비오는 날 우산을 챙겨갈 수 있도록 생활의 편의성을 제공할 것으로 기대한다.
본 논문에서는 비전 센서 기반 시스템의 차선 이탈과 신호등 오인식 등을 개선하기 위해 End to End 모델을활용한 자율주행 시스템을 제안한다. End to End 학습은 다양한 환경 조건에 대해 확장을 할 수 있다. 비전 센서 기반모형 자동차를 이용하여 주행 데이터를 수집한다. 수집한 데이터를 이용하여 기존의 데이터와 아웃레이어를 제거한 데이터로 구성한다. 입력 데이터인 카메라 이미지 데이터, 출력 데이터인 속도와 조향 데이터로 클래스를 구성하고 En d to End 모델을 활용하여 데이터 학습을 수행하였다. 학습된 모델의 신뢰성을 확인했다. 모형 자동차에 학습한 E nd to End 모델을 적용하여 이미지 데이터로 조향각을 예측한다. 모형 자동차의 학습 결과, 아웃레이어를 제거한 모델이기존 모델보다 향상된 것을 볼 수 있다.
In this paper, we propose an autonomous driving system using an end-to-end model to improve lane departure and misrecognition of traffic lights in a vision sensor-based system. End-to-end learning can be extended to a variety of environmental conditions. Driving data is collected using a model car based on a vision sensor. Using the collected data, it is composed of existing data and data with outlayers removed. A class was formed with camera image data as input data and speed and steering data as output data, and data learning was performed using an end-to-end model. The reliability of the trained model was verified. Apply the learned end-to-end model to the model car to predict the steering angle with image data. As a result of the learning of the model car, it can be seen that the model with the outlayer removed is improved than the existing model.
최근 빅데이터를 저장 및 관리하기 위해 대용량 데이터를 안정적으로 접근할 수 있는 고성능의 저장시스템 개 발과 연구가 활발하게 진행되고 있다. 특히 데이터센터 및 엔터프라이즈 환경의 저장시스템에서는 대용량의 데이터를 관리하기 위해 대용량의 SSD(solid state disk)가 대량으로 사용되고 있다. 일반적으로 SSD는 미디어인 NAND 플래시메모리의 특성을 감추고 데이터를 관리를 효율적으로 하기 위해 FTL(flash transfer layer)을 사용한다. 그러나 FTL의알고리즘은 SSD의 용량이 커질수록 데이터가 저장된 NAND의 위치 정보를 관리하기 위해 DRAM을 많이 사용하 는한계가 있다. 따라서 본 논문에서는 FTL에서 사용하는 DRAM 자원을 줄이기 위한 가상 메모리 (virtual memory) 를적용한 FTL 정책을 소개한다. 본 논문에서 제안하는 가상 메모리 기반 FTL 정책은 LRU(least recen tly used) 정책 을사용하여 최근 사용된 데이터의 멥핑 정보를 DRAM 공간에 적재하고 이전에 사용된 정보는 NAND에 저장하는 방식 으로 멥 데이터를 관리한다. 마지막으로 실험을 통해 가상 메모리 기반의 FTL과 일반 FTL의 데이터 쓰기 처리를 하는동안 소모되는 성능과 자원의 사용량을 측정하고 분석한다.
Recently, in order to store and manage big data, research and d evelopment of a high-performance storage system capable of stably accessing lar ge data have been actively conducted. In particular, storage systems in data centers and enterprise environments use large amounts of SSD (solid state disk) to manage large amounts of data. In general, SSD uses FTL(flash transfer layer) to hid e the characteristics of NAND flash memory, which is a medium, an d to efficiently manage data. However, FTL's algorithm has a limitation in using DRAM more to manage the location information of NAND where data is stored as the capacity of SSD increases. The refore, this paper introduces FTL policies that apply virtual memory to reduce DRAM resources use d in FTL. The virtual memory-based FTL policy proposed in this paper manages the map data by using LRU (least recently used) policy to load the mapping information of the recently used data into the DRAM space and store the previously used information in NAND. Finally, through experiments, perform ance and resource usage consumed during data write processing of virtual memory-based FTL and ge neral FTL are measured and analyzed.
네트워크 침입 탐지 작업에 다양한 연관 규칙 마이닝 알고리즘을 적용하는 데에는 두 가지 중요한 문제가 있다. 생성된 규칙 집합의 크기가 너무 커서 IoT 시스템에서 활용하기 어렵고, 거짓 부정/긍정 비율을 제어하기 어렵다. 본 연구에서는 coverage와 exclusion이라는 새로 정의된 척도에 기반을 둔 연관 규칙 마이닝 알고리즘을 제안한다. Coverage는 한 클래스의 트랜잭션에서 패턴이 발견되는 빈도를 나타내고, exclusion은 다른 클래스의 트랜잭션에서 패턴이 발견되지 않는 빈도를 나타낸다. 우리는 KDDcup99라는 공개 데이터 세트를 사용하여 가장 유명한 알고리즘인 Apriori 알고리즘과 실험적으로 제안된 알고리즘을 비교한다. Apriori와 비교하여 제안된 알고리즘은 정확도를 완전히 유지하면서 생성되는 규칙 집합 크기를 최대 93.2%까지 줄인다. 또한, 제안된 알고리즘은 생성된 규칙의 거짓 부정/긍정 비율을 매개변수별로 완벽하게 제어한다. 따라서 네트워크 분석가는 두 가지 문제를 해결함으로써 제안한 연관 규칙 마이닝을 네트워크 침입 탐지 작업에 효과적으로 적용할 수 있다.
Applying various association rule mining algorithms to the network intrusion detection task involves two critical issues: too large size of generated rule set which is hard to be utilized for IoT systems and hardness of control of false negative/positive rates. In this research, we propose an association rule mining algorithm based on the newly defined measures called coverage and exclusion. Coverage shows how frequently a pattern is discovered among the transactions of a class and exclusion does how frequently a pattern is not discovered in the transactions of the other classes. We compare our algorithm experimentally with the Apriori algorithm which is the most famous algorithm using the public dataset called KDDcup99. Compared to Apriori, the proposed algorithm reduces the resulting rule set size by up to 93.2 percent while keeping accuracy completely. The proposed algorithm also controls perfectly the false negative/positive rates of the generated rules by parameters. Therefore, network analysts can effectively apply the proposed association rule mining to the network intrusion detection task by solving two issues.
2007년 1월 국방부 유해발굴감식단이 창설되어 본격적인 유해발굴이 추진되었다. 현재 발굴 범위는 한국전쟁 당시 치열한 전투가 벌어진 비무장지대 내의 화살머리고지까지 확장되어 진행되고 있다. 백마고지에서는 많은 유해 및 유류품이 발굴되고 있다. 대부분 파손된 상태여서 정확한 형태를 복원하기는 어렵다. 이에 본 연구에서는 3D 스캔과 3D 모델링을 통해 발굴된 유류품의 원형을 복원하고자 한다. 이러한 디지털 복원 방식은 그동안 수작업 방식의 단점을 보완하는 원형 복원의 대안이 될 수 있다. 현재 문화유산 분야에서는 3D 기술을 사용한 각종 디지털 복원이 활발하다. 디지털 복원이 된 자료는 디지털 헤리티지의 기초자료로 활용될 수 있다. 이를 토대로 다양한 유해발굴 및 호국보훈 관련 콘텐츠의 개발이 이루어질 수 있을 것이다. 더 나아가 발굴된 유해에 대한 디지털 휴먼 복원이 이루어진다면 전사자들의 생전 모습을 재현할 수 있을 것이다.
2007년 1월 국방부 유해발굴감식단이 창설되어 본격적인 유해발굴이 추진되었다. 현재 발굴 범위는 한국전쟁당시 치열한 전투가 벌어진 비무장지대 내의 화살머리고지까지 확장되어 진행되고 있다. 백마고지에서는 많은 유해 및유류품이 발굴되고 있다. 대부분 파손된 상태여서 정확한 형태를 복원하기는 어렵다. 이에 본 연구에서는 3D 스캔과3D 모델링을 통해 발굴된 유류품의 원형을 복원하고자 한다. 이러한 디지털 복원 방식은 그동안 수작업 방식의 단점을보완하는 원형 복원의 대안이 될 수 있다. 현재 문화유산 분야에서는 3D 기술을 사용한 각종 디지털 복원이 활발하다. 디지털 복원이 된 자료는 디지털 헤리티지의 기초자료로 활용될 수 있다. 이를 토대로 다양한 유해발굴 및 호국보훈관련 콘텐츠의 개발이 이루어질 수 있을 것이다. 더 나아가 발굴된 유해에 대한 디지털 휴먼 복원이 이루어진다면 전사자들의 생전 모습을 재현할 수 있을 것이다.
본 논문은 ESRGAN(Enhanced Super Resolution GAN)과 SSS(Semantic Soft Segmentation)을 이용한객체 분할에 관한 것이다. 본 논문의 연구진이 앞서 제안한 Mask R-CNN과 SSS를 이용한 객체 분할 방법의 분할 성능은 전반적으로 양호하지만 객체의 크기가 상대적으로 작은 경우 분할 성능이 저조해지는 문제점이 있었다. 본 논문은이러한 문제점을 해소하기 위한 것이다. 제안된 방법은 Mask R-CNN을 통해 검출된 객체의 크기가 일정 기준치 이하인 경우, ESRGAN을 통해 초해상화를 수행한 후, SSS을 수행함으로써 소형 객체의 분할 성능을 개선하고자 한다. 제안된 방법에 따르면, 기존의 방법에 비해 크기가 작은 객체의 분할 특성을 좀 더 효과적으로 개선할 수 있음을 확인할수 있었다.
This paper is related to object segmentation using ESRGAN(Enhanced Super Resolution GAN) and SSS(Semantic Soft Segmentation). The segmentation performance of the object segmentation method using Mask R-CNN and SSS proposed by the research team in this paper is generally good, but the segmentation performance is poor when the size of the objects is relatively small. This paper is to solve these problems. The proposed method aims to improve segmentation performance of small objects by performing super-resolution through ESRGAN and then performing SSS when the size of an object detected through Mask R-CNN is below a certain threshold. According to the proposed method, it was confirmed that the segmentation characteristics of small-sized objects can be improved more effectively than the previous method.
본 연구는 디지털 기술 수용을 통하여 이용자를 스포츠에 직접적인 참여 확대로 유도할 수 있는 방안을 모색하고자 한다. 2022년 7월 1일부터 8월 30일까지 사물인터넷(IoT)을 적용한 홈트레이닝 이용자를 대상으로 설문조사를 실시하였다. 설문 조사는 비대면 자기기입식 방법으로 129명이 참여하였다. 자료 처리는 IBM사의 SPSS 21.0 프로그램을 활용하여 빈도분석, 탐색적 요인 분석, 신뢰도 분석, 상관관계분석, 다중회귀분석, 3단계 매개회귀분석을 실시하였다. 연구 결과는 다음과 같다. 첫째, 홈트레이닝 PPM 모델과 스포츠 직접 참여의 관계에서 용이성은 매개효과가 나타났다. 불만족 요인에서 단순 기능성은 완전매개효과가 나타났고, 비효율성은 부분매개효과가 나타났다. 만족 요인에서 유희성과 경험 가능성은 완전매개효과가 나타났다. 계류 요인에서 개인 혁신성은 완전매개효과가 나타났다. 둘째, 홈트레이닝 PPM 모델과 스포츠 직접 참여의 관계에서 유용성은 매개효과가 나타났다. 불만족 요인에서 단순 기능성은 완전매개효과가 나타났고, 비효율성은 부분매개효과가 나타났다. 만족 요인에서 유희성과 경험 가능성은 완전매개효과가 나타났다. 계류 요인에서 개인 혁신성은 부분매개효과가 나타났다. 이러한 연구를 통하여 스포츠 산업이 NFT, 메타버스, 가상·증강현실 등 디지털 기술의 확대로 소비지출 확대와 경제성장에 기여하길 기대한다.
본 연구는 디지털 기술 수용을 통하여 이용자를 스포츠에 직접적인 참여 확대로 유도할 수 있는 방안을 모색하고자 한다. 2022년 7월 1일부터 8월 30일까지 사물인터넷(IoT)을 적용한 홈트레이닝 이용자를 대상으로 설문조사를 실시하였다. 설문 조사는 비대면 자기기입식 방법으로 129명이 참여하였다. 자료 처리는 IBM사의 SPSS 21.0 프로그램을활용하여 빈도분석, 탐색적 요인 분석, 신뢰도 분석, 상관관계분석, 다중회귀분석, 3단계 매개회귀분석을 실시하였다. 연구 결과는 다음과 같다. 첫째, 홈트레이닝 PPM 모델과 스포츠 직접 참여의 관계에서 용이성은 매개효과가 나타났다. 불만족 요인에서 단순 기능성은 완전매개효과가 나타났고, 비효율성은 부분매개효과가 나타났다. 만족 요인에서 유희성과 경험 가능성은 완전매개효과가 나타났다. 계류 요인에서 개인 혁신성은 완전매개효과가 나타났다. 둘째, 홈트레이닝PPM 모델과 스포츠 직접 참여의 관계에서 유용성은 매개효과가 나타났다. 불만족 요인에서 단순 기능성은 완전매개효과가 나타났고, 비효율성은 부분매개효과가 나타났다. 만족 요인에서 유희성과 경험 가능성은 완전매개효과가 나타났다. 계류 요인에서 개인 혁신성은 부분매개효과가 나타났다. 이러한 연구를 통하여 스포츠 산업이 NFT, 메타버스, 가상·증강현실 등 디지털 기술의 확대로 소비지출 확대와 경제성장에 기여하길 기대한다.
디지털 관련 신기술을 적용하면서 소프트웨어와 인공지능에 대한 관심이 상당히 높다. 특히 교육 관련 분야에서도 소프트웨어와 인공지능의 발전을 위하여 많은 변화가 이루어지고 있다. 2025년부터는 초·중·고에서 소프트웨어와인공지능 관련 교육과정이 공교육에 적용이 될 예정이다. 교육부에서는 공교육에 적용이 되기 전에 소프트웨어와 인공지능을 초·중·고에서 다양한 방법으로 체험하는 캠프도 다양하게 진행하고 있다. 소프트웨어와 인공지능 관련 체험 캠프를 위한 여러 가지 플랫폼들도 이용이 되고 있다. 본 연구에서는 소프트웨어와 인공지능 체험학습 플랫폼을 위한 모델에 대한 설계를 통하여 향후 전개될 소프트웨어와 인공지능에 대한 학습의 방법에 대한 효율성을 높이고자 한다.
While applying new digital technologies, interest in software and artificial intelligence is quite high. In particular, many changes are being made for the development of software and artificial intelligence in the field of education. From 2025, software and artificial intelligence-related curricula will be applied to public education in elementary, middle and high schools. The Ministry of Education is also conducting various camps to experience software and artificial intelligence in various ways in elementary, middle and high schools before they are applied to public education. Several platforms for experience camps related to software and artificial intelligence are also being used. In this study, we intend to increase the educational efficiency of the learning method for software and artificial intelligence to be developed in the future by designing a model for software and artificial intelligence experiential learning platforms.
최근 Internet of Things (IoT) 기반 Wireless Networked Control System (WNCS)에서 Sensor의 Status Update 및 Actuator로의 Actuation Update 분석을 위해 정보의 신선도를 측정하는 지표인 Age of Information (AoI)가 고려되고 있다. 또한 WNCS에 Edge Computing (EC)이 도입되면서 기존의 Cloud Computing 기반 아키텍처보다 낮은 AoI를 보장할 수 있다. 하지만 Controller가 관리하는 Sensor의 수가 증가하면서 Controller에 부하가증가하여 AoI 요구사항을 만족시키지 못하는 문제점이 발생하게 되었다. 본 연구에서는 이러한 문제를 해결하기 위해Actuator의 컴퓨팅 능력을 활용하여 Sensor의 Status Update를 해당 지역의 Actuator가 가용할 때 직접적으로 전송하여 Actuator가 직접 Actuation Update를 수행함으로써 AoI 요구사항을 만족시키고자 한다. 이를 위해 본 연구에서는 AoI 분석을 위한 분석 모델을 제시하였고 시뮬레이션을 통해 제안하는 방법이 기존 방법 대비 AoI를 줄일 수 있음을보였다.
Age of Information (AoI) has been introduced in wireless networked control systems (WNCSs) to guarantee timely status updates. In addition, as the edge computing (EC) architecture has been deployed in NCS, EC close to sensors can be exploited to collect status updates from sensors and provide control decisions to actuators. However, when lots of sensors simultaneously deliver status updates, EC can be overloaded, which cannot satisfy the AoI requirement. To mitigate this problem, this paper uses actuators with computing capability that can directly receive the status updates from sensors and determine the control decision without the help of EC. To analyze the AoI of the actuation update via EC or directly using actuators, this paper developed an analytic model based on timing diagrams. Extensive simulation results are included to verify the analytic model and to show the AoI with various settings.
본 논문은 RAPGAN(Relativistic Average Patch GAN)과 RRDB(Residual in Residual Dense Block)을이용한 Image-to-Image 변환의 성능 개선에 관한 것이다. 본 논문은 Image-to-Image 변환의 일종인 기존의pix2pix의 결점을 보완하기 위해 세 가지 측면의 기술적 개선을 통한 성능 향상을 도모함에 그 목적이 있다. 첫째, 기존의 pix2pix 생성자와 달리 입력 이미지를 인코딩하는 부분에서 RRDB를 이용함으로써 더욱 더 깊은 학습을 가능하게 한다. 둘째, RAPGAN 기반의 손실함수를 사용해 원본 이미지가 생성된 이미지에 비해 얼마나 진짜 같은지를 예측하기 때문에 이 두 이미지가 모두 적대적 생성 학습에 영향을 미치게 된다. 마지막으로, 생성자를 사전학습시켜 판별자가 조기에 학습되는 것을 억제하도록 조치한다. 제안된 방법에 따르면, FID 측면에서 기존의 pix2pix보다 평균 13% 이상의 우수한 이미지를 생성할 수 있었다.
This paper is related to performance improvement of Image-to-Image translation using Relativistic Average Patch GAN and Residual in Residual Dense Block. The purpose of this paper is to improve performance through technical improvements in three aspects to compensate for the shortcomings of the previous pix2pix, a type of Image-to-Image translation. First, unlike the previous pix2pix constructor, it enables deeper learning by using Residual in Residual Block in the part of encoding the input image. Second, since we use a loss function based on Relativistic Average Patch GAN to predict how real the original image is compared to the generated image, both of these images affect adversarial generative learning. Finally, the generator is pre-trained to prevent the discriminator from being learned prematurely. According to the proposed method, it was possible to generate images superior to the previous pix2pix by more than 13% on average at the aspect of FID.