http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
중요 특징 추출과 합성곱 신경망을 이용한 암 진단 모델 연구
박재순(JaeSoon Park),양소이(Soi Yang),이종혁(JongHyunk Lee),배지훈(Ji-Hoon Bae) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.6
본 논문에서는 의료 진단 데이터셋을 이용한 딥러닝 기반의 유방암 분류 기법을 제안하고자 한다. 암은 진단 시기에 따라 생존율에 영향을 미치는데 기존 기술을 이용한 암 진단은 방대한 진단 데이터와 많은 불필요한 특징으로 인해 정확한 조기진단 비율은 저조하다. 따라서, 본 연구에서는 전체 특징 데이터로부터 중요 특징들을 추출하고, 상기 추출된 특징들을 이용한 합성곱 신경망 모델을 구현하여 암 진단에 대한 정확도 성능을 개선하고자 한다. 본 논문의 실험 결과에 따르면, 특징 데이터 전체를 사용하는 것보다 중요 특징들을 추출하고 이를 적용한 암 진단 모델이 보다 더 정확한 분류 정확도를 제공할 수 있음을 관찰할 수 있었다. 또한, 기존의 전통적인 기계학습 기법보다 암 분류 정확도 관점에서 제안 방법이 더 우수한 것을 관찰할 수 있었다. In this paper, we propose a deep-learning-based technique for the diagnosis of breast cancer using medical data. Cancer affects the survival rate depending on the time of diagnosis, but the accurate early diagnosis rate is low due to the vast amount of diagnostic data and many redundant features of cancer diagnosis using traditional approaches. Therefore, in this study, essential features are extracted from all feature data, and a convolutional neural network model is implemented using the extracted features to improve accuracy performance for cancer diagnosis. Experimental results confirm that the cancer diagnosis model using the extracted important features can provide more accurate classification accuracy than entire feature data. In addition, it can be observed that the proposed method is superior to the existing machine-learning-based methods in terms of the accuracy of cancer classification.
김건(Geon Kim),여도엽(Doyeob Yeo),최유락(Yurak Choi),이종혁(JongHyunk Lee),배지훈(Ji-Hoon Bae) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
본 논문은 기계잡음이나 소음환경으로 인해 미세 누출의 진위 판별의 한계를 극복하기 위해 서포트 벡터 머신 기법을 이용한 분석 방법을 제안한다. 제안하는 분석 방법은 플랜트 배관계의 저전력 센서 모듈에서 수집한 미세 누출에 대한 데이터를 사용한다. 본 연구의 실험결과에 따르면, 제안된 구현 모델이 누출 발생 신호가 매우 미약하더라도 95% 이상의 높은 정확도로 누출 판별을 수행할 수 있음을 실험적으로 관찰하였다. In this paper, we propose a support vector machine model to overcome the limitations of determining the authenticity of low-level leakage due to machine noise or noise environment. The proposed analysis method uses data on microleakage collected from the low-power sensor module of the plant piping system. According to the experimental results of this study, it was experimentally observed that the proposed implementation model could perform leak detection with high accuracy of 95% or more even if the leak occurrence signal is very low-level.
플랜트 배관계 미세누출 지능형 감지를 위한 딥러닝 모델 구현
박재순(JaeSoon Park),여도엽(Doyeob Yeo),최유락(Yurak Choi),이종혁(JongHyunk Lee),배지훈(Ji-Hoon Bae) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
본 논문에서는 플랜트 배관계의 저전력 센싱 모듈에서 수집한 미세누출에 대한 데이터를 이용하여 딥러닝 기반의 경량화된 누출진단 학습모델을 제안하고자 한다. 초기 건설 시에 설치되었던 플랜트 배관들의 노후화가 진행됨에 따라 배관계의 조기 누출탐지 요구가 증대되고 있지만, 플랜트에서 발생되는 기계잡음과 소음으로 인해 미세누출의 진위 여부를 판별하는 데에 어려움이 있다. 따라서 본 연구에서는 학습 데이터가 작고 기계잡음이 존재하는 상황에서 실제 누출 신호에 대한 이상감지를 수행하기 위해 전이학습 기반의 미세누출 판별 딥러닝 모델을 제안한다. 본 연구의 결과에 따르면 제안모델의 정확도 성능이 기존 신경망 기반의 모델들 보다 더 우수한 미세누출 판별 정확도를 제공할 수 있음을 실험적으로 관찰할 수 있었다. 또한 모델 경량화 작업을 수행한 후 라즈베리파이와 같은 저사양 하드웨어에 탑재하여 정상적인 기능 동작과 빠른 추론 성능도 검증하였다. In this paper, we propose a lightweight leak diagnosis learning model based on deep-learning using low-level leakage data collected from the low-power sensing module of the plant piping system. As the aging of the plant pipes installed during the initial construction progresses, the demand for early leak detection in the piping system is increasing. However, it is difficult to determine the authenticity of low-level leaks due to the mechanical noise and noise generated in the plant. Therefore, in this study, we propose a transer learning-based low-level leak detection deep-learning model to perform anomaly detection on actual leak signals in the presence of a small training dataset and machinery noise. According to the results of this study, it was experimentally observed that the accuracy performance of the proposed model could provide better low-level leak detection accuracy than the existing neural network-based models. In addition, after performing the lightweight model work, it was mounted on low-spec hardware such as Raspberry Pi to verify normal functional operation and fast inference performance.
박수진(Sujin Park),김민주(Minju Kim),박인원(In Won Park),정지연(JiYeon Jung),이종혁(JongHyunk Lee),배지훈(Ji-Hoon Bae) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
현재, 전 세계적으로 시각장애인과 저시력인이 증가하고 있는 추세로 그들을 위한 객체 탐지 기반의 인공지능 기술 연구가 활발히 이루어지고 있다. 본 논문에서는 시각장애로 인한 일상생활의 불편함을 경감시키기 위하여 저사양의 하드웨어인 라즈베리파이 환경하에서 카메라를 통해 시야에 보이는 모든 객체의 이름과 위치정보를 음성으로 출력하는 모델을 제안한다. 객체의 이름과 위치는 객체마다 생성되는 바운딩 박스에서 추출하였으며, 추출한 정보는 음성 합성기인 espeak를 통해 음성으로 변환하여 출력하였다. 본 논문의 실험을 위해 교통수단, 동물, 인물 등이 나오는 영상으로부터 본 구현 모델이 객체 탐지를 수행하고, 탐지된 객체들에 대한 이름과 위치 정보들을 음성으로 변환하여 스피커를 통해 성공적으로 출력함을 관찰할 수 있었다. Currently, the number of visually impaired and low-visual people is increasing worldwide, and object detection-based artificial intelligence technology research is being actively conducted for them. In this paper, to alleviate the inconvenience of everyday life due to visual impairment, we propose a model that outputs voice information on the names and locations of all objects that can be visible through camera under a low-spec hardware environment such as the Raspberry Pi. The name and location of the object were extracted from the bounding box generated for each object, and the extracted information was converted into speech to be outputted using a voice synthesizer such as espeak. For the experiment of this paper, it can be seen that the proposed implementation model performs object detection on images of vehicles, animals, people, etc., and converts the name and location information of the detected object into speech and outputs it successfully through the sound device.