최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
이정희, 강경아, 곽재섭
2018 / 한국기계가공학회지
Hyuk Ga, Chang Won Won, 정희원
2018 / Annals of geriatric medicine and research
백희정, 이영란, 이종은, 이진화, 김형선
2017 / 지역사회간호학회지
안혜숙, 이장욱, 김희용, 김종빈, 장대수, 박중연, 명정인, 안철민
2014 / Genes & Genomics
데이터가 존재하지 않습니다.
loading...
본 논문은 차선 변경 지원을 위해 레이더와 비전 센서 융합 기반의 다중 차량 인식 알고리즘을 제안합니다. 가드레일 오인식 및 곡선 도로에서의 후방 차량 인식 오류 문제를 해결하기 위해 움직임 및 형태 속성 기반 가드레일 인식 알고리즘과 전방 비전 센서 기반 도로 곡률 추정 방법을 활용합니다. 제안된 알고리즘은 실제 도로 주행 테스트 데이터를 통해 검증되었습니다.
Autonomous Intelligent Vehicles : Theory, Algorithms, and Implementation
Image recognition and classification : algorithms, systems, and applications
Mechatronics and intelligent systems for off-road vehicles
Mechatronics and intelligent systems for off-road vehicles
3D-position tracking and control for all-terrain robots
Computer vision in vehicle technology : land, sea and air
Indoor scene recognition by 3-D object search : for robot programming by demonstration
인공지능 기반 이미지영상인식 산업별 응용기술 최신 동향분석
Robotics, vision and control : fundamental algorithms in MATLAB®
Vision and navigation : the Carnegie Mellon Navlab
모빌리티의 미래 : 전기차부터 자율주행, 도심항공에서 우주여행까지 세상을 바꿀 모빌리티 기술의 거의 모든 것
Model-based image matching using location
Predicting vehicle trajectory
Qualitative motion understanding
Robotic navigation and mapping with radar
Visual object recognition
인공지능연결기반 자율주행차량 =
Motion deblurring : algorithms and systems
자율형 지능차량 이론과 응용
김형태; 송봉섭; 이훈; 장형선 · 2015
제어.로봇.시스템학회 논문지
이민채, 한재현, 장철훈, 선우명호 · 2013
한국지능시스템학회 논문지
송봉섭, 양승한, 엄재용 · 2010
제어.로봇.시스템학회 논문지
Jung · 2018
JOURNAL OF SEMICONDUCTOR TECHNOLOGY AND SCIENCE
전선 / 학사
AI를 이용하여 주차장 게이트에서 번호판을 인식후 주차장 게이트를 Open/deny 하는 과정을 구현한다. 자동차 번호판을 인식하기 위해 object-detection, Text Detection, OCR, Image Captioning, Generative Model 등 다양한 컴퓨터 비전 에 사용되는 딥러닝 모델들의 개요에 대해 배우고, GPU 서버를 이용하여 이 과정들을 구현한다.전선 / 학사
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.전선 / 학사
본 교과는 인공지능의 중요한 문제중의 하나인 컴퓨터비전의 기초를 소개하는 과목으로서 컴퓨터비전 관련 이론의 이해는 물론 알고리즘의 설계 및 분석을 통하여 다양한 공학적 응용예를 익힌다. 본 교과의 내용으로는 영상형성과정의 광학적 모델링, 영상전처리 및 복원문제로 부터 영상특징추출, 그리고 물체검출 및 인식문제 등의 고차원 문제가 포함될 것이며, 이의 해결을 위한 고전적인 접근 방법 뿐 아니라 최신 연구경향 및 방법론들을 공부한다.전선 / 대학원
최근 정보통신기술이 발전하면서 교통분야에서 다양한 데이터가 수집되고 활용된다. 차량과 사람의 위치 데이터, 교통량, 속도, 밀도 등 교통흐름과 관련된 데이터, 대중교통 이용 실태를 확인할 수 있는 교통카드 데이터 등이 대표적이다. 이들은 모두 실시간으로 빠르게 수집되는 만큼 양도 방대하다. 소위 빅데이터의 특징인 Volume (양), Variety (종류), Velocity (속도)의 특징을 모두 가진다. 본 교과목은 교통 분야 빅데이터의 유형을 이해하고 이를 분석하는 것을 목적으로 한다. 이를 위해 우선 빅데이터의 기초와 시각화 방안을 배운다. 이후 인공지능 방법론의 기초를 학습하고 교통 빅데이터를 이용하여 CNN, RNN 분석을 수행해 본다. 아울러 군집분석, 의사결정나무 등 자주 활용되는 데이터 분석기법도 배운다.전선 / 대학원
이 과목은 차량동역학 및 제어 시스템과 제어이론응용을 다룬다. 동역학적 해석을 위한 물리적인 특성 및 모델링, 차량주행안전성, 스마트 자율주행 시스템에 대해 강의하고 이런 시스템에 응용되는 제어이론 및 제어기법을 학습할 수 있도록 한다. 특히, 스마트 자율주행 제어시스템의 최신 기술동향에 대해 소개한다. 자동차의 사고방지안전시스템 및 운전자보조시스템에 적용되는 제어이론을 소개한다. 또한 자율주행자동차에 핵심요소기술, 위치정보, 도로주위환경인지, 주행모드판단제어의 기본이론을 소개한다.전선 / 대학원
표준적 도시교통계획과정의 이론적 구조와 문제점 그리고 실천모형의 장단점을 비교검토하고, 보다 일반적인 교통계획모형의 구성을 위한 여러 방법론과 고급이론을 소개함과 아울러 새로운 연구방향에 관해 연구한다.전선 / 학사
로봇은 기술 발전과 수요 증가에 따라 공장 등의 제한된 환경에서 사람들이 생활하는 일상 환경으로 확장되고 있으며, 안전하고 효과적으로 로봇을 적용하기 위해서는 로봇이 사용되는 환경에 대한 이해가 필수적이다. 로봇 비전 과목은 카메라를 이용하여 로봇 주변의 3차원 공간 구조나 보행자, 차량 등 다양한 객체 등 로봇이 사용되는 주변 환경의 전반적인 인식에 관련된 다양한 문제와 해결방법을 학습하는 것을 목표로 한다. 다양한 컴퓨터 비전의 연구 분야 중 로봇에 관련된 카메라 모델, 자세 추정, 3D reconstruction, 딥러닝을 이용한 물체 인식 및 추적 등의 주제에 대해 기초적인 내용을 강의한다.전선 / 대학원
자율주행 이동 로봇공학은 로봇이 임의 공간에서 무인으로 이동하면서 주변을 탐색하고 현재 위치를 추정하면서 동시에 주위 공간의 지도를 작성하는 문제와 경로 계획 및 경로 최적화를 다룬다. 작성된 지도는 로봇이 주변 환경을 인식하는데 사용되며 로봇은 환경과 연속적으로 상호작용하게 된다. 이 내용은 기계 학습의 확률적 추론에 기반하고 있으며 수상/수중 로봇, 지능형 제조 작업 수행, 물류 처리 로봇의 핵심 알고리즘으로 사용된다. 베이즈 필터, 칼만 필터, 입자 필터, 동시적 위치추정 및 지도작성, 확장칼만필터 SLAM, 빠른 SLAM, 그래프 SLAM, 경로 계획 등에 대하여 학습토록 한다. 파이썬/C++ 프로그래밍의 기초 지식을 필요로 한다.전선 / 대학원
디지털 영상 처리 및 분류를 통한 원격탐사 위성영상으로부터 추출 가능한 지리정보의 효과적인 판독 및 분류 기법을 습득하고 실제 실험 프로젝트를 통하여 위성영상의 판독 능력을 배양한다.전선 / 대학원
교통사고에서 발생하는 손상의 기본적인 기전을 알고 보행자와 탑승자에서 나타나는 전형적인 손상 양상을 익혀, 사고 상황을 판단할 수 있도록 한다.전선 / 학사
본 교과목에서는 현재 여러 분야에서 적용되고 있는 지능시스템 및 관련연구의 핵심이 되는 확률적 모델링 및 추론, 통계학적 기계학습, 컴퓨터비젼, 로보틱스의 기초를 소개한다. Bayesian networks, hidden Markov models (HMM), Kalman filters, Markov decision processes 등의 확률적 모델링 및 추론방식이 소개되고 선형 regression 및classification 그리고 nonparametric 학습 방법의 기초를 습득한다. 그리고 확률적 모델, 추론방식, 학습방식들이 어떻게 컴퓨터비전 그리고 로보틱스 등의 응용분야에 적용되는지 알아본다.전선 / 학사
원격탐사에 대한 기본이론들을 이해하고, 위성영상의 프로세싱기법과 알고리즘을 이해하므로써, 여러 활용분야에 적용가능한 능력을 배양하는데 있으며, 이를 위해 IDRISI, ERDAS, ER-Mapper 등의 영상처리용 소프트웨어 실습을 병행한다.전선 / 대학원
본 강좌는 자율주행과 관련된 이론을 소개하고 자율주행 시스템의 응용을 살펴봅니다. 자율주행 기술은 자동차 및 각종 모빌리티에 매우 중요한 기술입니다. 본 강좌는 학생들에게 자율주행에 필요한 센싱, 심층학습, 의사 결정, 강화학습, 그리고 경로계획 알고리즘을 소개합니다. 또한 자율 시스템을 구축하고 이론적 지식을 실제 문제에 응용하는 방법들을 살펴봅니다.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 학사
“공간정보분석1: 통계모형”의 심화과정으로 해석모형과 달리 예측모형에 초점을 둔다. 공간 패턴의 학습과 예측에 접목할 수 있는 머신러닝과 인공지능의 주요 이론과 알고리즘을 소개하며 R/Python 코딩과 사례연구를 통해 실천적 공간데이터 사이언스의 기초를 제공한다. 이 강의는 머신러닝의 학습이론, 감독학습, 무감독학습, 신경망, 앙상블 학습을 주 내용으로 하며 공간 헤도닉 모형, 공간 클러스터와 아웃라이어 패턴, 가우시언 프로세스와 공간 크리깅 내삽, 공간의사결정 등 지리학적 활용을 연습한다.전선 / 대학원
Shortest path, Network flow 등의 그래프 문제를 해결하는 최근에 개발된 알고리즘과 알고리즘 분야에서의 최근의 연구결과를 학습한다. 분산 시스템의 여러 모델들과 분산 시스템에서 발생하는 중요한 문제들을 해결하는 분산 알고리즘에 관하여 연구한다.전선 / 대학원
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.전선 / 대학원
푸리에 광학, 회절, 공간 광 변조기, 스펙트럼 분석, 공간 필터, 음향광학, 헤테로다인 스펙트럼 분석, 공간적분 코릴레이터, 시간적분 시스템, 광 컴퓨팅, 광변환, 홀로그램, 광민감 효과, 지연신호처리.전선 / 대학원
본 강좌는 영상 데이터를 분석하기 위한 수학적 모델링 기술 및 기계 학습 기술 등을 강의한다. 영상 데이터 분석에 널리 이용되는 기본적인 기계 학습, 특히 딥 러닝 기법을 집중적으로 학습하고, 이러한 기술이 다양한 영상 분석 문제에 어떻게 적용되는지 살펴본다. 이론 강의뿐만 아니라 실습과 프로젝트를 통하여 영상 데이터 분석에 필요한 다양한 기술을 학습한다. ● 기계학습 기초 리뷰 (지도학습, 비지도학습, 준 지도학습) ● 합성곱 신경망 (컨볼루션 신경망) ● 순환 신경망 (리커런트 신경망) ● 이미지 데이터 처리 기법 (이미지 분류, 물체 인식, 이미지 분할) ● 비디오 데이터 처리 기법 (비디오 분류, 행동 인식, 영상 내 검색, 물체 추적) ● 다면성 데이터 처리 (시청각-언어 정보 처리) ● 생성적 모델링전선 / 학사
이 과목은 자동차 환경규제와 제도의 대응을 위해 개발되는 다양한 동력원시스템의 원리, 구조 및 특징, 기존자동차와 전기차 전용플랫폼의 차이와 특징 등을 공부한다. 자동차에서 요구되는 동력특성을 이해하고 동력전달장치의 구성과 에너지흐름을 공부한다. 미래자동차의 중요 분야인 첨단운전자지원시스템(ADAS)과 자율주행차의 특징을 소개한다. 자동차가 환경에 미치는 영향을 공부하고 LCA 관점에서 동력원별 온실가스배출 특성을 알아본다.