http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
스마트 양식을 위한 딥러닝 기반 어류 검출 및 이동경로 추적
신영학(Younghak Shin),최정현(Jeong Hyeon Choi),최한석(Han Suk Choi) 한국콘텐츠학회 2021 한국콘텐츠학회논문지 Vol.21 No.1
현재 국내 수산 양식업은 스마트화를 추진하고 있지만, 여전히 양식 단계의 많은 과정에서 사람의 주관적인 판단으로 진행되고 있다. 수산 양식업 스마트화를 위해서 선행되어야 할 부분은 양식장 내 물고기들의 상태를 효과적으로 파악하는 것이다. 어류 개체 수, 크기, 이동경로, 이동속도 등을 파악하여 실시간 모니터링 할 수 있게 된다면 사료 자동 급이, 질병유무판단 등 다양한 양식자동화를 진행할 수 있을 것이다. 본 연구에서는 수중 촬영한 어류비디오 데이터를 이용하여 실시간으로 어류의 상태를 파악 할 수 있는 알고리즘을 제안하였다. 어류 객체검출을 위해 딥러닝 기반 최신 객체검출 모델들을 적용하여 검출 성능을 비교 평가 하였고, 검출결과를 이용하여 비디오내의 연속적인 이미지 프레임에서 어류 객체 ID부여, 이동경로 추적 및 이동속도를 측정할 수 있는 알고리즘을 제안하였다. 제안한 알고리즘은 객체 검출 성능 92%(F1-score 기준)를 보였으며, 실제 테스트비디오 상에서 실시간으로 다수의 어류 객체를 효과적으로 추적하는 것을 확인하였다. 본 논문에서 제안하는 알고리즘을 이용하여 향후 사료 자동 급이, 어류 질병 예측 등 다양한 스마트양식 기술에 효과적으로 활용될 수 있을 것으로 기대한다. Currently, the domestic aquaculture industry is pursuing smartization, but it is still proceeding with human subjective judgment in many processes in the aquaculture stage. The prerequisite for the smart aquaculture industry is to effectively grasp the condition of fish in the farm. If real-time monitoring is possible by identifying the number of fish populations, size, pathways, and speed of movement, various forms of automation such as automatic feed supply and disease determination can be carried out. In this study, we proposed an algorithm to identify the state of fish in real time using underwater video data. The fish detection performance was compared and evaluated by applying the latest deep learning-based object detection models, and an algorithm was proposed to measure fish object identification, path tracking, and moving speed in continuous image frames in the video using the fish detection results. The proposed algorithm showed 92% object detection performance (based on F1-score), and it was confirmed that it effectively tracks a large number of fish objects in real time on the actual test video. It is expected that the algorithm proposed in this paper can be effectively used in various smart farming technologies such as automatic feed feeding and fish disease prediction in the future.
프로그램 학습성과 평가에 대한 수요지향 평가자 간 신뢰도 분석 및 개선 방안
이영호(Youngho Lee),신영학(Younghak Shin),김종화(Jonghwa Kim) 한국콘텐츠학회 2021 한국콘텐츠학회논문지 Vol.21 No.3
공학교육인증제를 운용하는 공학교육 프로그램에서 프로그램 학습성과는 학생이 졸업하는 시점까지 갖추어야 할 지식, 기술 그리고 태도를 말한다. 일반적으로, 프로그램 학습성과 성취도를 측정하는 평가도구로 캡스톤디자인을 사용한다. 본 논문에서는 프로그램 학습성과 평가에 참여한 수요지향 평가자들의 평가 결과의 신뢰도를 측정하기 위해 급내 상관계수(ICC)를 계산한다. 즉, 같은 평가도구를 이용하여, 여러 명의 평가자가 학습성과를 평가하게 하고, 그 결과를 이용하여 평가자의 ICC를 구한다. ICC는 단체로 수집되거나 단체로 분류된 데이터에 대한 신뢰도의 등급을 측정하는 데 이용된다. ICC가 1에 가까우면 평가자 간 신뢰도가 높다고 판단할 수 있다. 이러한 방법을 지난 2년간의 4년제 대학 컴퓨터공학과 PO 평가 결과에 적용하여 평가도구의 신뢰성을 측정하고 분석하였다. 그리고 이 결과를 이용하여 평가자 간 ICC 측정값을 이용하면, 객관성이 부족한 평가도구를 찾아 보완할 수 있음을 알 수 있었다. 이러한 결과를 바탕으로, PO 평가체계에 대한 개선방안과 PO 수행 지침을 도출한다. In a program that runs an engineering education certification, program outcomes refer to the knowledge, skills, and attitudes a student must have until graduation. In general, capstone design is used as a tool for evaluating program outcomes. This paper applies the intraclass correlation coefficient (ICC) to measure the raters reliability in assessing program outcomes. Several raters evaluate program outcomes, and the result is used to obtain the raters ICC. ICC measures the reliability of ratings or measurements for clusters — data that has been collected as groups or sorted into groups. If the ICC is close to 1, it means that the reliability among the raters is high. We evaluated the proposed methods usefulness through case analysis. As a method for assessing an evaluation tools objectivity, multiple raters measure the same evaluation tool. As a result, we measured the ICC values for all POs, and analyzed the cause for the low measured POs. We applied this method to evaluate program outcomes of the Department of Computer Engineering in the past two years. As a result, we derived guidelines for improvement and program outcomes.
SemanticStyleGAN을 이용한 대장용종 생성 연구
송훈(Hun Song),신영학(Younghak Shin) 대한전자공학회 2023 대한전자공학회 학술대회 Vol.2023 No.6
In deep learning, training data is one of the main factors affecting model performance. In the case of medical image data, the number of labeled data is smaller than that of general image data. Recently, ho wever, with the advent of various generative models, research is underway to generate additional data and use it as training data to improve model performance. In this paper, we apply colon polyp images to the generative model SemanticStyleGAN to generate new polyp images. In particular, an experiment was conducted to compare the generated image quality according to the type of class. As a result of the experiment, it was confirmed that the performance was improved when the polyp mask and the normal mask image were used simultaneously as the mask image.
스마트 어류 양식을 위한 딥러닝 기반 실시간 어류 객체 검출 연구
최정현(Jeonghyeon Choi),최한석(Han Suk Choi),신영학(Younghak Shin) 대한전자공학회 2020 대한전자공학회 학술대회 Vol.2020 No.8
Domestic aquaculture fisheries production continues to grow. However, the process of aquaculture fisheries still depends on human experience. Recently, with the development of IT technology, the automation technology of aquaculture has been studied. In this study, a real-time fish object detection method based on deep learning as a basic step required for smart farming was studied, and performance was evaluated and verified using actual fish data.