최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
유동미, 조아라, 김선
2019 / Journal of Educational Evaluation for Health Professions
데이터가 존재하지 않습니다.
loading...
본 논문은 딥러닝 기술과 실시간 전송 기술을 활용하여 이상 상황 발생 시 스마트폰으로 동영상과 함께 실시간으로 전송하는 동영상 감시 시스템 개발 결과를 제시합니다. 오픈포즈 라이브러리를 이용하여 인간 객체를 스켈레톤으로 모델링하고, 딥러닝 기술을 통해 인간의 행동을 자동으로 인식하도록 시스템을 구현했습니다. 특히, 오픈포즈 라이브러리를 다크넷 기반으로 재구축하여 실시간 처리 능력을 향상시켰습니다.
지능형 영상감시 시스템의 원리 및 응용 =
Advanced video-based surveillance systems
Handbook on soft computing for video surveillance
인공지능과 성범죄
Wide area surveillance : real-time motion detection systems
인공지능 기반 이미지영상인식 산업별 응용기술 최신 동향분석
Statistical process monitoring using advanced data-driven and deep learning approaches : theory and practical applications
파이썬과 OpenCV를 이용한 컴퓨터 비전 학습 : 컴퓨터 비전 애플리케이션을 만들기 위한 강력한 OpenCV 3와 파이썬 활용하기
Computer vision systems : first international conference, proceedings
Visual analysis of humans : looking at people
Ambient intelligence : a novel paradigm
파이썬과 OpenCV4를 활용한 컴퓨터비전과 머신러닝
인지심리학 : 하고 기억하고 결정하는, 우리 뇌와 마음의 작동 방식
Intelligent image and video compression : communicating pictures
Proceedings of the International Conference on IT Convergence and Security 2011
Advanced multimedia content processing : First International Conference, AMCP '98, Osaka, Japan, November 9-11 1998 : proceedings
AI 반도체 전쟁 : AI가 주도하는 반도체 혁명과 신제조업 경쟁
융합 경영 : 세상을 움직일 컨버전스 파워 10 =
Recent developments in computer vision : Second Asian Conference on Computer Vision, ACCV '95, Singapore, December 5-8, 1995 : invited session papers
Android application programming with OpenCV : build Android apps to capture, manipulate, and track objects in 2D and 3D
Procedia Computer Science
M, Evany Anne; N, SivakumaranMultimedia Tools and Applications
Sung C.S.,Park J.Y.Computers and Electrical Engineering
Sahay K.B.,Balachander B.,Jagadeesh B.,Anand Kumar G.,Kumar R.,Rama Parvathy L.The International Journal of Advanced Smart Convergence
이지유, 신승중Computers, Materials and Continua
Al Qaralleh E.A.,Aldhaban F.,Nasseif H.,Alksasbeh M.Z.,Alqaralleh B.A.Y.방송공학회 논문지
강주형, 곽수영전자공학회논문지
양훈준; 장혁; 정재협; 이보원; 정동석정보처리학회논문지. 소프트웨어 및 데이터 공학
김예영, 정수현, 박소현, 박영호한국인터넷방송통신학회 논문지
장재영, 강찬혁, 윤재민, 조재원, 정지성, 전종훈Circuits, Systems, and Signal Processing
Venkatesh Akula; Ilaiah Kavati한국지식정보기술학회 논문지
이용주ACM Computing Surveys
Liu, Yang; author Yang, Wang, Dingkang Yan; Liu, Jing; Liu, Jun; Boukerche, Azzedine; Sun, Peng; Song, Liang; authorIEEE Transactions on Computational Social Systems
Adit Goyal; Murari Mandal; Vikas Hassija; Moayad Aloqaily; Vinay ChamolaProcedia Computer Science
AK, Sreejith; Nath, KeshabProceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit
Nallaivarothayan, Hajananth; Ryan, David; Denman, Simon; Sridharan, Sridha; Fookes, Clinton; Rakotonirainy, AndryMeasurement: Sensors
Edeh Michael Onyema; Sundaravadivazhagn Balasubaramanian; Kanimozhi Suguna S; Celestine Iwendi; B.V.V. Siva Prasad; Chinecherem Deborah EdehSensors (Switzerland)
Tsai J.K.,Hsu C.C.,Wang W.Y.,Huang S.K.Multimedia Tools and Applications: An International Journal
Sung, Chang-Soo; Park, Joo YeonThe International Journal of Advanced Smart Convergence
이지유, 신승중International Journal of Information Technology (Singapore)
Kashika P.H.,Venkatapur R.B.전선 / 대학원
본 교과목은 농산물의 수확 후 품질관리 고도화를 위해 유통 단계 중 적용될 수 있는 첨단기술 (블럭체인, 클라우드, 디지털 트랜스포메이션 등)의 적용기술을 포함하고 있으며 수송 및 유통 중인 농산물의 품질특성을 측정, 분석할 수 있는 실시간/원격 비파괴 평가기술들에 대한 내용을 포함한다. 구체적으로, 다양한 센싱정보 (영상 등)를 실시간 무선통신방식으로 수집하여 클라우드 기반의 빅데이터를 구축하고 이러한 정보를 분석할 수 있는 딥러닝 기반의 첨단기술들에 대한 구체적 방안에 대해 논의하며 프로젝트를 통해 관련기술들을 구현하도록 한다.전필 / 대학원
디지털 증거수집과 디지털 증거분석에 동원되는 최신 컴퓨터 기술을 심도 있게 다룬다. 휘발성/비휘발성 저장매체의 디지털 증거물 처리과정, 증거물의 온전함을 확보하는 기술, 디지털 증거물과 그 처리 과정의 무결점을 확인하는 기술, 디지털 포렌식에 사용되는 모든 자동 도구들의 무결점 확보 기술, 방대한 디지털 자료에서 유의미한 정보를 도출하는 빅데이터 분석 기술, off-line및 on-line 디지털 자료 실시간 분석 기술 등을 실습을 통해 살펴본다. 그리고 디지털 포렌식 관련 현장의 전문가들을 초청하여 최신 기술들을 들어본다.전선 / 학사
이 강의에서는 인공지능과 딥러닝의 기본 개념을 이해하고, 이를 다양한 응용 분야에 적용하는 방법을 학습한다. 먼저, 윈도우 환경에서 파이썬을 활용하여 영상 및 비전 처리 기법을 익히고, 이를 AI 모델로 구현하는 과정을 다룬다. 이후, 실시간 추론을 위한 NPU(Neural Processing Unit)의 개념과 동작 원리를 이해하고, 리눅스 환경에서 NPU를 활용한 인공지능 추론 및 응용 개발 방법을 학습한다. 또한, CPU 및 NPU 보드를 실제 활용하여 다양한 실시간 고속 인공지능 응용 프로그램을 개발하고 실습하며, 하드웨어 가속을 통한 AI 연산 최적화 방법을 익힌다. 마지막으로, 최신 NPU 기반 AI 애플리케이션 개발 프로젝트를 수행하며, AI 기술을 실제 환경에 적용하는 방법을 배우고 팀 협업을 통한 문제 해결 역량을 강화한다.전선 / 대학원
기존의 클라우드 의존적 AI 컴퓨팅이 사용자 프라이버시, 네트워크 과부하, 인터넷 단절에 대한 취약성 등 다양한 이슈를 야기함에 따라 최근 AI 컴퓨팅을 클라우드 뿐만 아니라 사용자 근처의 소형/저비용 엣지 컴퓨터에서도 수행하려는 흐름이 전개되며 앰비언트 인공지능이라는 개념이 탄생했다. 본 강좌는 최신 논문 분석, 구현 실습 및 그룹 프로젝트를 통해 앰비언트 인공지능을 위한 핵심 기술과 플랫폼을 익히고 응용하는 것을 목표로 한다. (1) 앰비언트 인공지능 기술: 모델 경량화, 신호처리와 딥러닝 모델의 하이브리드 운용, 클라우드-엣지 통합 운용, 연합 학습, 메타 학습 (2) 앰비언트 인공지능 플랫폼: TensorFlow, TensorFlow Lite, Coral AI, Jetson Nano (3) 앰비언트 인공지능 응용: 혼합현실, CCTV 자체 분석 등전선 / 대학원
치과의료는 4차 산업혁명 기술과의 융합을 통해 디지털 덴티스트리(Digital dentistry) 기술로 발전이 가속화되고 있음. 환자의 디지털 파노라마 영상, 콘빔CT(CBCT) 영상, 3D 구강스캔 및 3D 안면스캔 등의 디지털 데이터를 획득(Scanning), 계획(Planning)/시뮬레이션(Simulation)과 즉시적 디지털 제작(Direct Digital Manufacturing, DDR) 과정을 거쳐서 치과환자 진단/치료에 바로 적용됨. 본 강의에서는 딥러닝(deep learning) 등 다양한 인공지능 알고리즘에 대한 이해를 바탕으로, SMART 디지털 덴티스트리(Digital dentistry) 구현을 위한 치과질환 자동진단, 환자맞춤형 치료계획 자동화, 및 치과수술 시뮬레이션 지능화 등의 솔루션 등에 대해 수업함.전선 / 대학원
최근 MRI 등 영상진단장치의 획기적인 발전으로 뇌의 기능을 평가할 수 있게 되었다. 이 강좌에서는 MRI 등의 영상장치를 이용하여 뇌 기능을 연구하고자 한다. 구체적인 학습 목표는 functional imaging, perfusion imaging, diffusion imaging, diffusion-tensor imaging, spectroscopy의 원리를 이해하고 임상에서 응용하는 것이다. 아울러 현재 영상기법의 한계점을 이해함으로서 앞으로의 연구 방향을 파악한다.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 모델을 이용하여 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에서 정상 해부학적 구조물의 자동적 영역분할, CEP 계측점 자동적 탐지, 및 다양한 치과질환의 자동적 탐지 및 분류하는 딥러닝 모델과, 3D 치과 데이터에서 자동적 탐지, 분할과 분류하는 딥러닝 모델의 원리와 구조에 대해 수업함. 인공신경망과 딥러닝 소개 컴퓨터 비전을 위한 심층 컨볼루션 신경망 소개 딥러닝을 이용한 의료 및 치과영상 감지 및 인식 딥러닝을 이용한 의료 및 치과영상 분할 딥러닝을 이용한 의료 및 치과영상 등록 딥러닝을 이용한 컴퓨터 지원 진단(CAD)전선 / 학사
본 과정에서는 인공지능에 대한 개요 및 deep learning에 대해 이해하며 TensorFlow 개념 및 기초 programming 실습을 진행한다. 그리고 Deep Learning 기반 Object Detection 방법과 무인점포 개발 응용을 위한 학습 trainset 자동 생성 방법을 실습을 통해 익힌다. 또한 AI Chip이 내장된 NPU 가속기 Board와 nVidia Jetson TX2 Board를 이용하여 YOLO V3 Object Detection 실습을 진행한다. 마지막으로 nVidia CUDA를 이용한 GPU Programming 개념 및 병렬 Programming 실습을 통해 GPU 구조에 대해 배운다.전선 / 대학원
스마트시스템은 감지, 구동, 제어 기능을 갖추어, 주어진 상황을 지각·분석하고 이를 토대로 예측적·적응적 의사결정 및 지능적 행동을 수행한다. 본 과목은 인간 작업자와 스마트시스템 간의 상호작용을 다룬 인간공학 분야의 최신 연구들을 다루는 과목으로, 적응형 인터페이스, 인간-자동화 상호작용, 기계학습 기반 인간공학 설계, 스마트시스템 사용자경험 등의 주제에 대한 최신 연구 내용들을 학습한다.전선 / 대학원
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.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 모델링전필 / 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 / 대학원
본 강의에서는 지능시스템을 위한 컴퓨터비전 알고리즘들에 대해서 공부한다. 컴퓨터비전은 지능시스템을 구현하기 위한 필수적인 분야로 컴퓨터가 인간의 시각정보처리 기능을 모사할 수 있도록 하는 것을 최종 목표로 하는 학문 분야이다. 이를 위해 컴퓨터비전에서는 카메라 등으로부터 얻은 정지영상이나 동영상 정보를 분석하여 컴퓨터가 자동으로 영상을 이해할 수 있도록 하는 다양한 알고리즘들을 다룬다. 본 강의에서는 컴퓨터비전에서 대표적으로 사용되는 알고리즘들에 대해서 살펴보며 수강생들로 하여금 학기중 프로젝트를 통해서 컴퓨터비전 기술을 사용하는 지능형 시스템을 구현해 보도록 한다.전선 / 대학원
인공지능 기술은 머신러닝(Machine Learning) 보다 한단계 발전한 딥러닝(Deep Learning)이 널리 사용되고 있다. 딥러닝은 컴퓨터가 스스로 데이터를 분석해 특징을 추출하고 학습함으로써 인공지능의 성능을 크게 발전시켰다. 또한, 생성형 인공지능 모델은 사람처럼 자연스러운 대화의 생성을 가능케 함으로써 인공지능 기술을 더욱 발전시키고 있다. 본 강좌에서는 인공지능과 딥러닝에 대한 개요를 설명하고, 생성형 인공지능 기술을 소개한다. 인공지능 프로그래밍을 위한 프레임워크를 습득하고, 이를 활용한 기초 인공지능 프로그래밍을 실습한다. 또한, 생성형 인공지능 모델을 활용하여 인공지능 응용을 프로그래밍하는 방법을 소개한다. 딥러닝의 주요 응용 분야인 객체 인식용 인공지능 모델을 이해하고, 학습을 위한 데이터셋을 자동으로 생성하는 방법을 실습한다. 인공지능반도체를 내장한 하드웨어 보드를 사용하는 방법을 실습한다. 다양한 입력과 출력을 제어하는 프로그래밍을 학습하고, 인공지능 가속기를 활용하여 인공지능 모델을 실행하는 프로그래밍을 실습한다. 고성능의 GPU를 활용하기 위한 프로그래밍 환경을 이해하고, GPU 프로그래밍의 개념과 실습을 통해 GPU의 구조에 대해 학습한다. 마지막으로, 각 단원에서 배운 내용을 기반으로 프로젝트 형식으로 구현한다.전선 / 학사
이 강좌는 사회 현상의 새로운 보고(寶庫)인 ‘소셜 빅데이터(social big data)’를 수집하고 분석하는 방법을 다룬다. ‘초연결사회’가 도래하면서 사람과 사물의 사회적 행동 및 관계들 상당 부분이 디지털 빅데이터로 서버에 저장되어 분석을 기다리고 있다. 이 ‘소셜 빅데이터’는 전통적인 사회조사분석의 패턴, 즉 설문 조사, 표본 조사, 정형 데이터, 통계 분석 등의 조합과는 또 다른 조사 분석의 환경과 방법을 요구한다. 이를 위해서는 적어도 Open API 를 활용한 데이터 수집, 텍스트 내용 분석, 소셜 네트워크 분석, 기계 학습, 스크립트에 의한 분석흐름 제어 방법 등이 필요하다. 개념적인 소개와 더불어 실제 빅데이터를 직접 수집해서 다양하게 주물러 보는 체험을 해봄으로써, 수학과 프로그래밍을 전공하지 않은 보통의 문과 사회과학도라도 ‘소셜 빅데이터’를 두려움 없이 다룰 수 있는 기초 소양을 쌓도록 하는 것이 이 강좌의 목표이다.전선 / 대학원
이 과목에서는 실시간시스템분야에서의 최신 연구동향을 학습한다. 멀티코어/GPGPU 등의 병렬컴퓨팅 환경, 이종의 컴퓨팅자원들이 결합된 이종컴퓨팅 환경 등 새롭게 대두되는 컴퓨팅 환경에서 실시간시스템을 구성하는 최신 기법들을 학습한다. 또한, 자율주행, 인공지능, IoT등 새롭게 등장하는 응용에서 실시간성을 보장하기 위한 최신 연구들을 학습한다.전선 / 대학원
본 강의에서는 지능시스템을 위한 컴퓨터비전 알고리즘들에 대해서 공부한다. 컴퓨터비전은 지능시스템을 구현하기 위한 필수적인 분야로 컴퓨터가 인간의 시각정보처리 기능을 모사할 수 있도록 하는 것을 최종 목표로 하는 학문 분야이다. 이를 위해 컴퓨터비전에서는 카메라 등으로부터 얻은 정지영상이나 동영상 정보를 분석하여 컴퓨터가 자동으로 영상을 이해할 수 있도록 하는 다양한 알고리즘들을 다룬다. 본 강의에서는 컴퓨터비전에서 대표적으로 사용되는 알고리즘들에 대해서 살펴보며 수강생들로 하여금 학기중 프로젝트를 통해서 컴퓨터비전 기술을 사용하는 지능형 시스템을 구현해 보도록 한다.전선 / 대학원
딥러닝 모델은 추상화 복잡도를 증가하면서 정보를 표현하는 여러 계층으로 이루어진 신경망으로, 최근 영상/음성/자연어 처리 등의 문제에서 다른 기계 방법론들을 크게 상회하는 뛰어난 성능을 보이고 있다. 본 과정에서는 딥러닝의 기반이 되는 기계학습 및 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델인 Convolutional neural networks와 Recurrent neural networks의 훈련법과 추론법들을 익힌다. 또한 비감독 생성 모델인 Autoencoders와 Restrict Boltzman machines에 대해 자세히 살펴 보고 마지막으로 딥러닝 기반 강화 학습에 대해서도 학습하고 실습을 진행한다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 알고리즘을 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에 적용하여 자동적 영역분할, 치과질환의 자동적 탐지 및 분류하는 방법을 실습함. 치과영상 데이터의 annotation 방법, 신경망 학습, 테스트 및 모델의 성능분석 등을 디지털 치과 데이터를 실제 컴퓨터 서버에 탑재하고 실습하여, 학생 스스로 딥러닝을 이용하여 치과영상을 분석할 수 있는 능력을 제공함. Getting Started with Deep Learning Using PyTorch Building Blocks of Neural Networks Diving Deep into Neural Networks Fundamentals of Machine Learning Deep Learning for Computer Vision Deep Learning with Sequence Data and Text Generative Networks전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야(active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.