http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
딥러닝 기반 사람 수 추정을 위한 WiFi CSI 데이터 증강
김연주(Kim Yeon Ju),김승구(Kim Seungku) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
딥러닝 모델은 우수한 성능을 달성하기 위해서 많은 양의 학습 데이터를 필요로 한다. 그러나 실험을 통해 직접 데이터를 수집하는 것에는 한계가 있다. 실험의 한계를 극복하기 위해 기존 데이터로부터 임의의 인공 데이터를 생성하는 방안이 몇 년 전부터 연구되어왔다. 그러나 이미지와 영상 데이터 기반의 데이터증강에 비해 시계열 데이터증강에 대한 연구는 많지 않다. 본 논문에서는 시계열 데이터인 CSI를 시간 워핑(Time Warping) 방식으로 증강하여 실내 사람 수를 추정하는 딥러닝 모델에 적용하였다. 데이터증강으로 만들어 낸 인공 데이터를 딥러닝 모델 학습에 활용하여 성능을 평가한 결과 수집한 데이터만 사용할 때보다 높은 정확도를 달성하였고 이를 통해 데이터증강이 효과적으로 적용되었다는 것을 확인하였다.
CSI를 활용한 딥러닝 기반의 실내 사람 수 추정 기법
안현성,김승구,An, Hyun-seong,Kim, Seungku 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.7
People estimation is important to provide IoT services. Most people counting technologies use camera or sensor data. However, the conventional technologies have the disadvantages of invasion of privacy and the need to install extra infrastructure. This paper proposes a method for estimating the number of people using a Wi-Fi AP. We use channel state information of Wi-Fi and analyze that using deep learning technology. It can be achieved by pre-installed Wi-Fi infrastructure that reduce cost for people estimation and privacy infringement. The proposed algorithm uses a k-binding data for pre-processing process and a 1D-CNN learning model. Two APs were installed to analyze the estimation results of six people. The result of the accurate number estimation was 64.8%, but the result of classifying the number of people into classes showed a high result of 84.5%. This algorithm is expected to be applicable to estimate the density of people in a small space. 사람 수 추정 기술은 IoT 서비스를 제공하기 위해 중요하다. 대부분의 사람 수 추정 기술은 카메라 또는 센서 데이터를 활용한다. 하지만 기존 기술들은 사생활 침해 문제가 발생 가능하며 추가로 인프라를 구축해야한다는 단점이 있다. 본 논문은 Wi-Fi AP를 활용하여 사람 수를 추정하는 방법을 제안한다. 사람 수 추정을 위해서 Wi-Fi의 채널 상태 정보를 딥러닝 기술을 활용하여 분석한다. Wi-Fi AP 기반 사람 수 추정 기술은 사생활 침해 우려가 없으며, 기존 Wi-Fi AP 인프라를 활용하면 되기 때문에 추가 비용이 발생하지 않는다. 제안하는 알고리즘은 k-바인딩 데이터 전처리 과정과 1D-CNN 학습 모델을 사용한다. AP 2대를 설치하여 6명의 사람 수 추정 결과를 실험을 통해 분석하였다. 정확한 사람 수 판별에 관한 결과는 64.8%로 낮은 결과를 보였지만, 사람의 수를 클래스로 분류한 결과는 84.5%의 높은 결과를 보였다. 해당 알고리즘은 제한된 공간에 사람의 밀집도를 파악하는데 응용 가능할 것으로 기대된다.
형대진(DaeJin Hyeong),김승구(SeungKu Kim),이재윤(JaeYun Lee),조현준(HyeonJun Cho),박경환(KyungHwan Park) 한국정보과학회 2005 한국정보과학회 학술발표논문집 Vol.32 No.2
오늘날의 경영관리는 창고에 대한 투자나 재고 비용을 최소화하는 방향으로 운영되고 있다. 따라서 창고의 기능 역시 변화되었으며, 최근에는 정보화 및 고객서비스 만족차원으로 그 주안점이 바뀌고 있다. 기존의 창고 관리 시스템은 각종 데이터를 사람이 직접 입력하는 방식으로 정보화 및 고객서비스 지원 부분에서 많은 단점을 가지고 있다. 자동인식(Auto-ID) 시스템의 하나인 RFID 시스템을 창고 관리 시스템에 도입하면 이러한 단점들을 해결할 수 있다. 본 논문에서는 창고 관리 시스템에 RFID 시스템을 도입하고 창고 내 물품의 위치 정보를 실시간 3차원으로 보여줌으로써 효율적인 창고 관리에 대한 방안을 제시하고자 한다.
딥러닝 기반 실내 이동 속도 예측을 위한 데이터 증강 기법
오지수(Oh Ji Soo),김승구(Kim Seungku) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
딥러닝에서 좋은 성능을 얻기 위해서는 충분한 양의 데이터 세트가 필요하다. 하지만 충분한 양의 데이터를 수집하는 데에는 많은 시간과 비용이 소모된다. 현재 이러한 문제를 해결하는 방법이 연구되고 있으며, 그중 대표적인 방법이 데이터 증강(data augmentation) 기법이다. 본 논문에서는 스마트폰으로 3축 가속도 센서, 3축 자이로 센서, GPS 센서 데이터를 수집하여 딥러닝 모델을 통해 이동 속도를 예측한다. 수집된 데이터의 양이 적을수록 정확도가 낮아지는 문제를 해결하기 위해 데이터 증강 기법을 적용하였고, CNN 모델을 사용하여 데이터 증강 기법의 유효성을 평가하였다.