http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
발달장애인의 사회성 기술 향상을 위한 애플리케이션 기반 시뮬레이션 게임 개발 가이드라인
주란(Ran Ju),이보원(Bowon Lee),이영선(Youngsun Lee) 한국게임학회 2023 한국게임학회 논문지 Vol.23 No.3
발달장애인의 특성을 고려한 시뮬레이션 게임을 개발하기 위한 과정을 애플리케이션 내 콘텐츠, 접근성, 디자인 및 레이아웃 세 가지 측면으로 나누어 살펴보았다. 선행연구 및 사용자 분석, 전문가 타당도, 사용자 평가를 거쳐 설계한 애플리케이션은 발달장애 사용자의 인지적 제한을 고려하여 콘텐츠를 단순화 및 구조화하였고 생활연령을 고려한 시각자료를 사용하였다. 또한, 이들의 제한된 관심사, 집중력을 고려하여 흥미를 유도할 수 있는 다양한 장치 등을 구축하여 교육의 효과를 높이고자 하였다. 본 연구 결과는 발달장애인뿐만 아니라 모두를 위한 게임 개발을 위한 가이드라인으로 활용될 수 있을 것이다. The process of developing a simulation game considering the characteristics of people with developmental disabilities was divided into three aspects: in-app content, accessibility, design, and layout. The app, designed through user analysis, expert validity, and user evaluation, simplified and structured the contents in consideration of the cognitive limitations of users with developmental disabilities, and used visual data considering the chronological age of the users. In addition, considering their limited interests and concentration, we tried to increase the effectiveness of education by constructing various devices that can induce interest. The results of this study can be used as guidelines for developing games for all, not just people with developmental disabilities.
라즈베리파이를 사용한 신경망 학습기반 한국어 음성인식 시스템
김상홍(Sanghong Kim),이보원(Bowon Lee) 대한전자공학회 2018 대한전자공학회 학술대회 Vol.2018 No.11
This paper proposes an embedded system for neural network based automatic speech recognition using Raspberry pi equipped with ARM-v8 quad core processor. This system consists of Cirrus Logic Audio Card, and 7 inch touch screen. The proposed system does not need any internet connection for Korean speech recognition. Kaldi (written in C++ code) is adopted as speech recognition toolkit for the proposed system.
CycleGAN 기반 데이터 증강을 이용한 딥러닝 기반 안개 감지 성능 개선 기법
류태광(Taekwang Ryu),이보원(Bowon Lee) 대한전자공학회 2020 대한전자공학회 학술대회 Vol.2020 No.11
In deep learning, the amount and quality of data have a significant impact on performance. A large amount of fog data and normal data are required for fog detection on deep learning-based methods. Normal data can be easily collected using black box when driving on normal situations, but fog conditions are not easy to acquire. In this paper, we generate fog data using CycleGAN and use this data to improve the performance of CNN-based fog detection models. It also shows that data augmentation using CycleGAN improves the generalization performance of the model.