http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
CNN을 이용한 BLE RSSI 환경에서의 핑거프린팅 기반 실내 위치 인식
구연우(Yeonwoo Gu),김규리(Kim Gu Ri),이현지(Lee Hyun Ji),강지헌(Jiheon Kang),이재호(Jaeho Lee) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
다양한 실내 편의 시설이 등장하면서 사람들의 실내 활동 시간이 늘어남에 따라 실내 위치 기반 서비스의 수요 또한 함께 증가하였다. 수요가 증가하면서 실내 공간에서의 정확한 위치 측위를 위한 다양한 연구가 진행되고 있는데, 그중 BLE(Bluetooth Low Energy)를 이용한 방식은 저렴한 비용과 전력 소모량이 적어 쉽게 이용이 가능해 많은 관심을 받고 있다. 본 논문에서는 기존의 Wi-Fi 기반 핑거프린팅 기법이 아닌 BLE(Bluetooth Low Energy)를 이용한 핑거프린팅 기법을 기반으로 Beacon을 이용하여 RSSI 데이터를 수집하고, 수집된 데이터를 이용하여 서버에서 실내 측위 모델을 학습시킨 후, Jestson Nano 환경에 포팅시켜 실제 좌표와 예측 좌표간의 오차와 실시간 예측의 정확도를 확인해 보았다.
음성 인식 기반 쇼핑 어플리케이션 개발을 위한 데이터 전처리 알고리즘
구연우 ( Yeonwoo Gu ),박은비 ( Eunbi Park ),추서연 ( Seoyeon Choo ),김유정 ( Yujeong Kim ) 한국정보처리학회 2022 한국정보처리학회 학술대회논문집 Vol.29 No.2
시각장애인이 이미지로 구성된 온라인 쇼핑몰에서 정보를 얻기 어려운 문제를 해결하기 위해, 본 논문에서는 이미지 텍스트 변환 알고리즘 연구를 진행하였다. 해당 연구를 기반으로 개발한 어플리케이션 <들리네>는 쇼핑몰 홈페이지로부터 정보를 수집하고, 이미지 속 텍스트를 추출하여 전처리 및 음성 변환 과정을 거쳐 사용자에게 제공한다. <들리네>는 사용자가 이미지 정보로 이루어진 온라인 쇼핑몰에서 명확한 정보를 편리하게 얻는 것을 목표로 한다.
Markov Transition Field를 적용한 RSSI 신호 기반 실내 위치 인식 연구
이현지(Hyunji Lee),김규리(Guri Kim),구연우(Yeonwoo Gu),강지헌(Jiheon Kang),이재호(Jaeho Lee) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
Wi-Fi 및 BLE 기반 핑거프린트 방식의 경우, 모바일 기기에서도 별도의 센서 없이 측위가 가능하다는 장점으로 인해 실내 측위 기술로 활용되고 있다. 그러나 실내 환경에서의 RSSI는 주변 장애물과 다중 경로 효과에 의해 신호가 왜곡되고 세기가 약해지는 단점이 존재한다. 본 논문은 불안정한 RSSI 기반 실내 위치 인식 정확도 향상을 위해 non-GPS 실내 환경에서 BLE RSSI 기반 핑거 프린트 방식 실내 측위 모델을 제안한다. 또한 검증 방안으로써 2m×3m 실내 공간의 8개의 AP에서 얻은 RSSI 신호를 시계열 데이터 이미지화 알고리즘인 Markov Transition Field로 변환하여 데이터셋을 구축했다. 제안된 모델은 변환된 데이터를 통해 범위 내의 위치를 분류하도록 학습된다. 실험 결과를 토대로, 테스트 정확도 97.6%, 98.2%를 나타냈으며 이는 이미지화 알고리즘의 CNN 적용이 우수한 성능을 낼 수 있음을 보여준다.
Mask R-CNN을 활용한 패션 아이템 분류 모델구현에 관한 연구
조승아(Seunga Cho),이하영(Hayoung Lee),장혜림(Hyelim Jang),김규리(Kim Gu Ri),이현지(Lee Hyun Ji),구연우(Yeonwoo Gu),강지헌(Jiheon Kang),허권(Huh Kwon),손봉기(Bong-Ki Son),이재호(Jaeho Lee) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
본 논문에서는 패션디자이너를 위한 빠르게 변화하는 트렌드 분석을 위한 패션 아이템별 세부 컨포넌트 이미지 분류 알고리즘을 제안한다. COVID-19 환경으로 인하여 AI 기반 쇼핑몰에 대한 연구가 활발하게 진행중이다. 하지만 기존의 키워드 검색과 사용자 서핑 행위 기반 개인 맞춤형 스타일 추천으로는 트렌드 분석에 한계가 있다. 본 연구는 다양한 전처리 방식을 비교분석하여 선정한 MASK-RCNN을 사용하여 객체를 추출하고, CNN모델을 통해 분류하는 모델을 개발하였으며 세부적으로 다양한 패션 아이템에 대한 세부 컨포넌트 단위의 분류를 진행하였고, 예측 모델을 이용한 검증을 통해 구현모델의 성능을 분석하였다.