http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Hailin Jin,Zhegao Piao,구영현(Yeong Hyeon Gu),유성준(Seong Joon Yoo) 한국방송·미디어공학회 2020 한국방송공학회 학술발표대회 논문집 Vol.2020 No.7
패션산업은 매년 1 조원씩 성장(연평균 2.1%)하며 많은 연구자들의 관심을 받고 있다. 전통적인 패션산업은 점차 디지털화되어 선진적인 컴퓨터 비전 기술을 적용해 소비자들에게 더 좋은 쇼핑 서비스를 제공하고 있다. 본 논문에서는 2014 년부터 2019 년 사이에 구축된 대표적인 패션 데이터셋을 연도별로 정리하고 각 데이터셋에 포함된 주석(annotation)의 특징을 정리했다. 또한 데이터셋이 패션 상품 검출(Fashion detection), 패션 이미지 생성(Fashion image generation), 가상 피팅(Virtual try-on) 그리고 패션 의류 분할(Fashion Clothing segmentation) 등 연구에서의 활용될 수 있는 여부에 대해 분석했다.
PIAO XIANGHUA,YIN HELIN,구영현(Yeong Hyeon Gu),유성준(Seong Joon Yoo) 한국방송·미디어공학회 2020 한국방송공학회 학술발표대회 논문집 Vol.2020 No.7
국가기후기술정보시스템은 국내 환경기술과 국외의 수요기술 정보를 제공하는 검색 시스템이다. 그러나 기존의 시스템은 유사한 뜻을 가진 단일 단어와 복수 단어들을 모두 식별하지 못하기에 유의어를 입력했을 경우 검색결과가 다르다. 이런 문제점을 해결하기 위해 본 연구에서는 유의어 사전을 기반으로한 환경기술 검색 시스템을 제안한다. 이 시스템은 Word2vec 모델과 HDBSCAN(Hierarchical Density-Based Spatial Clustering of Application with Noise) 알고리즘을 이용해 유의어 사전을 구축한다. Word2vec 모델을 이용해 한국어와 영어 위키백과 코퍼스에 대해 형태소 분석을 진행한 후 단일 단어와 복수 단어를 포함한 단어를 추출하고 벡터화를 진행한다. 그 다음 HDBSCAN 알고리즘을 이용해 벡터화된 단어를 군집화 해주고 유의어를 추출한다. 기존의 Word2vec 모델이 모든 단어 간의 거리를 계산하고 유의어를 추출하는 과정과 대비하면 시간이 단축되는 역할을 한다. 추출한 유의어를 통합해 유의어 사전을 구축한다. 국가기후기술정보시스템에서 제공하는 국내외 기술정보, 기술정보 키워드와 구축한 유의어 사전을 Multi-filter를 제공하는 Elasticsearch에 적용해 최종적으로 유의어를 식별할 수 있는 환경기술 검색 시스템을 제안한다.
뇌파를 이용한 합성곱 신경망 기반 학습 몰입도 분석 모델 연구
김상수(Sang Su Kim),구영현(Yeong Hyeon Gu) 대한전자공학회 2023 대한전자공학회 학술대회 Vol.2023 No.11
In this paper, we generated a model to distinguish immersion by extracting information from multichannel EEG data through BCI by giving missions to each learner and generating a convolutional neural network deep learning model. Gamma and beta showed 94% and 90% accuracy, respectively, and showed excellent performance in terms of the method of creating and measuring individual learning models.
이창열,박길주,김태환,구영현,이성일,Lee, Chang Yeol,Park, Gil Joo,Kim, Twehwan,Gu, Yeong Hyeon,Lee, Sung-iI 한국재난정보학회 2020 한국재난정보학회 논문집 Vol.16 No.4
연구목적: 노후화된 발전기의 지속 가능한 운영을 위하여 효율적이며, 안전한 운영이 중요하다. 효율적 운영이란 경제적 관점이며, 안전한 운영은 발전 설비의 치명적 사고 발생에 대한 발생 이전의 사전 조치를 말한다. 그러므로 발전기의 지속가능 운영 모니터링을 위하여 관련된 센서 설치와 이를 기반으로 지속 가능에 대한 예측할 수 있는 모델에 대한 연구가 필요하다. 연구방법: 전기와 열에 대한 수요 예측, 엔진의 성능과 이상을 탐지하는 예측, 그리고 재 난 안전에 대한 예측 모델을 제시하였다. 이를 위하여 필요한 센서를 정의하였으며, 이를 기반으로 예측 모델을 각각 개발하여 수행하였다. 연구결과: 수요 예측 모델은 기존의 79%에서 90% 이상으로 예측 정확도를 향상시켰으며, 다른 2개 모델도 시스템의 지속가능한 안정적 운영을 지원하였다. 결론: 노후화된 발전설비의 지속가능 운영을 지원하기 위한 3가지 종류의 예측 모델을 개발하고 이를 제이비주식회사의 발전 설비에 실제 적용하여 운영하고 있다. Purpose: It is important to operate safely and economically in obsolescent power plant facilities. Economical operation is related in the balance of the supply and demand. Safety operation predicts the possible risks in the facilities and then, takes measures to the facilities. For the monitoring of the power plant facilities, we needs several kinds of the sensing system. From the sensors data, we can predict the possible risk. Method: We installed the acoustic, vibration, electric and smoke sensors in the power plant facilities. Using the data, we developed 3 kinds of prediction models, such as, demand prediction, plant engine abnormal prediction model, and risk prediction model. Results: Accuracy of the demand prediction model is over 90%. The other models make a stable operation of the system. Conclusion: For the sustainable operation of the obsolescent power plant, we developed 3 kinds of AI prediction models. The model apply to JB company's power plant facilities.
음성과 문자 특성 기반 영어 말하기 자동 평가 도구 개발
김재연(Jae-Yeon Kim),김영서(Yeong-Seo Kim),구영현(Yeong-Hyeon Gu) 대한전자공학회 2023 대한전자공학회 학술대회 Vol.2023 No.6
In this paper, we analyze English speaking evaluation from various angles without human evaluation intervention and develop tools to evaluate it according to educators educational direction through quantitative indicators. The Whisper model was used as a STT (Speech to Text) model, and character characteristics and speech characteristics are extracted using the STT model, and English speaking ability is evaluated using the corresponding indicators. Through quantitative evaluation indicators, the relative importance of evaluation indicators is adjusted according to the instructors direction and goals and used to conduct a comprehensive evaluation.
정원희(Won Hee Chung),박길주(Giljoo Park),구영현(Yeong Hyeon Gu),김성현(Sunghyun Kim),유성준(Seong Joon Yoo),조영도(Young-do Jo) 한국전자거래학회 2018 한국전자거래학회지 Vol.23 No.2
도시가스 배관은 지중에 매설되어 있기 때문에 세부 관리가 어렵고 다양한 위험에 노출되어 있다. 본 연구에서는 도시가스 배관압력 실시간 데이터를 분석해 배관압력 이상을 예측하고 전문가의 의사결정을 돕는 모델을 제안한다. 국내 도시가스 공급업체들 중 하나인 중부도시 가스사의 정압기에서 수집하는 실시간 배관압력 데이터와 시간변수, 외부환경변수를 통합해 분석 데이터로 사용한다. 아산시와 천안시에 위치하는 11개 정압기를 분석 대상으로 하며 분단위 배관압력 예측모델을 구현한다. Random forest, support vector regression(SVR), longshort term memory(LSTM) 알고리즘을 사용해 회귀모델을 구현한 결과 LSTM 모델에서 우수한 성능을 보인다. 아산시 배관압력 예측모델의 경우 LSTM 모델에서 RMSE가 0.011, MAPE가 0.494이며, 천안시 배관압력 예측모델의 경우 LSTM 모델에서 평균제곱근오차(root mean square error, RMSE)가 0.015, 절대평균백분율오차(mean absolute percentage error, MAPE)가 0.668로 가장 낮은 오류율을 보인다. City gas pipelines are buried underground. Because of this, pipeline is hard to manage, and can be easily damaged. This research proposes a real time prediction system that helps experts can make decision about pressure anomalies. The gas pipline pressure data of Jungbu City Gas Company, which is one of the domestic city gas suppliers, time variables and environment variables are analysed. In this research, regression models that predicts pipeline pressure in minutes are proposed. Random forest, support vector regression (SVR), long-short term memory (LSTM) algorithms are used to build pressure prediction models. A comparison of pressure prediction models’ preformances shows that the LSTM model was the best. LSTM model for Asan-si have root mean square error (RMSE) 0.011, mean absolute percentage error (MAPE) 0.494. LSTM model for Cheonan-si have RMSE 0.015, MAPE 0.668.
딥러닝 영상인식 기반 사과 병해충 이미지 오분류에 관한 새로운 파이프라인 연구
박수빈(Su Bin Park),Helin Yin,Dong Jin,Ri Zheng,구영현(Yeong Hyeon Gu) 대한전자공학회 2023 대한전자공학회 학술대회 Vol.2023 No.11
In recent times, there has been a sharp increase in crop damage caused by pests, making accurate pest diagnosis crucial to minimize such damage. In existing research on image-based diagnosis, techniques such as classification, detection, and segmentation are actively being developed. However, these methods are not flawless, often leading to misclassification of diseases as pests and vice versa. In this study, we propose a novel pipeline to minimize misclassification of crop pest images. The proposed pipeline consists of two main stages. Firstly, it automatically detects the Region of Interest (ROI) indicating the pest-damaged area in the original image, and then discerns whether the detected area represents a disease or a pest. Subsequently, the discerned image is input to the disease or pest diagnosis model for categorization. We utilized a total of 17,067 images, including 8,953 images of 6 types of diseases and 8,114 images of 7 types of pests related to apple crops. Experimental results demonstrate that the proposed model reduced misclassifications to 134 cases compared to 465 cases in the existing benchmark model. This confirms the effectiveness of the proposed pipeline in reducing the number of misclassified images by 331.