http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
시각장애인 온라인 쇼핑 도움 어플리케이션 설계 및 구현
김채윤 ( Chaeyoon Kim ),김지선 ( Jiseon Kim ),천명희 ( Myeonghui Cheon ) 한국정보처리학회 2019 한국정보처리학회 학술대회논문집 Vol.26 No.2
스마트폰의 대중화로 인터넷 이용률이 증가함에 따라 온라인 쇼핑 시장의 규모가 커지는 반면 대부분의 온라인 쇼핑몰은 시각장애인의 접근성이 미흡하여 온라인 쇼핑의 어려움을 겪고 있다. 그 불편함은 ‘정보화 사회에서의 소외감’ 이라는 정신적 피해로 이어지고 있는 심각한 상황이다. 따라서 이 불편함을 해소하고 정보 접근의 격차를 줄이고자 <쇼움이>를 설계, 구현하게 되었다. <쇼움이>는 챗봇을 활용하여 일문일답으로 입력 받아 시각장애인들이 쉽고 편리하게 상품을 검색/파악할 수 있도록 설계, 구현되었으며, 시각장애인들이 파악하지 못했던 이미지 내의 상품 정보를 분석하여 텍스트와 음성으로 안내한다. 또 관심 상품 등록, 상품 링크 공유 기능을 구현하였다. 또한 사용자의 편리성 확보를 위해 버튼을 포함한 모든 항목이 안드로이드의 voice-assistant 로 읽히도록 설계, 구현하였다.
강건한 객체탐지 구축을 위해 Pseudo Labeling 을 활용한 Active Learning
김채윤 ( Chaeyoon Kim ),이상민 ( Sangmin Lee ) 한국정보처리학회 2023 한국정보처리학회 학술대회논문집 Vol.30 No.2
딥러닝 기술의 발전은 고품질의 대규모 데이터에 크게 의존한다. 그러나, 데이터의 품질과 일관성을 유지하는 것은 상당한 비용과 시간이 소요된다. 이러한 문제를 해결하기 위해 최근 연구에서 최소한의 비용으로 최대의 성능을 추구하는 액티브 러닝(active learning) 기법이 주목받고 있는데, 액티브 러닝은 모델 관점에서 불확실성(uncertainty)이 높은 데이터들을 샘플링 하는데 중점을 둔다. 하지만, 레이블 생성에 있어서 여전히 많은 시간적, 자원적 비용이 불가피한 점을 고려할 때 보완이 불가피 하다. 본 논문에서는 의사-라벨링(pseudo labeling)을 활용한 준지도학습(semi-supervised learning) 방식과 학습 손실을 동시에 사용하여 모델의 불확실성(uncertainty)을 측정하는 방법론을 제안한다. 제안 방식은 레이블의 신뢰도(confidence)와 학습 손실의 최적화를 통해 비용 효율적인 데이터 레이블 생성 방식을 제안한다. 특히, 레이블 데이터의 품질(quality) 및 일관성(consistency) 측면에서 딥러닝 모델의 정확도 성능을 높임과 동시에 적은 데이터만으로도 효과적인 학습이 가능할 수 있는 메커니즘을 제안한다.