탭 버튼을 선택하면 분야별로 볼 수 있습니다.
본 논문은 CAPTCHA라는 사람과 인공지능을 구별하기 위한 테스트의 취약점을 탐색하고 보완하 기 위한 방안에 대하여 연구하였다. 기존 문자식 CAPTCHA가 인공지능에 의해 얼마나 정확하게 학습되는지 측정해보았으며, 이를 통해 CAPTCHA의 취약점을 개선하기 위하여 StyleGAN 방식을 이용하여 인공지능의 인식률이 낮은 필터만 골라서 글자에 씌우는 방식을 제안하였다. 하지만 연구 도중 StyleGAN 방식을 이용하여 만든 문자들이 사람도 알아보기 힘들다는 사실을 발견하였고, 이에 주안점을 두어 Textfooler를 한국어로 확장시켜 사람은 알아볼 수 있지만 인공지능은 알아보기 힘든 문장을 생성하고 이를 이용하여 사람의 인지능력에 기반한 새로운 방식의 CAPTCHA를 제안한다. 주제어: CAPTCHA, 한국어, Text Fooler
본 연구는 손글씨 데이터를 입력받아, 글씨체의 특징을 파악하고 글씨를 쓴 주인을 출력해주는 인공지능 모델을 설계 및 제작하였다. 이를 위해, 특징을 직접 선정한 알고리즘으로 도출하는 방식과, 인공지능을 비지도 학습시켜 직접 특징을 도출하는 방식 2가지를 시도하였다. 이때 직접 선정한 특징을 찾아내기에는 알고리즘의 정확도가 낮았고, 글씨 각각의 일반화에 문제가 있었다. 따라서 CNN-based AutoEncoder를 통하여 특징 도출을 학습시키고, 특징들을 사용하여 FCL을 통해 사람을 구분해내는 모델을 설계 및 제작하였다. 약 10명의 손글씨를 구분할 수 있으며, 0.9866%의 정확도를 확인하였다.또한, 이를 확장하여 문장으로 입력했을 때 인식 가능한 모델 도 제작하였다. 이를 바탕으로 새로운 글씨체 보안 시스템이나 기존 전자기기의 미미한 글씨 인식 등 많은 분야에 도움이 될 수 있을 것으로 기대한다. 주제어: 딥러닝, 글씨체 특성, Fully Connected Layer, AutoEncoder
본 연구에서는 로드킬 발생을 예방하기 위해 위성 지도 사진이 주어졌을 때 로드킬 발생 구역을 예측하는 딥러닝 모델을 개발하고자 하였다. 이를 위해 로드킬 발생 좌표 데이터를 발생으로 위성사진 데이터를 생성하고, 위험도 분류 모델과 로드킬 횟수 회귀 모델을 구현하여 학습시켰다. 이후, 모델들의 성능평가를 거쳐 구현한 모델들이 충분히 로드킬 발생 구역 활용할 수 있다는 결론을 얻었다. 주제어: 로드킬, 생태통로, 위성지도사진, 딥러닝
3D 라이더 센서와 인공지능 카메라 모듈을 이용하여 물체와의 거리를 얼마나 정확하게 인식하는 지, 적정 거리는 얼마인지 연구하였다. 둘째, 다양한 데이터를 학습시켜 일반화된 데이터를 인식하는지 객관적으로 비교해 보았으며 인식률과 인식 속도를 비교해 최적의 경우를 찾기 위해 연구 하였다. 셋째, 제작한 사물에 센서를 달아 인공지능 프로그래밍을 통해 사람을 인지한 후 일정 거리에 따라 모터를 구동시켜 사람이 움직이는 방향을 따라 이동하는 동선을 연구하였다. 넷째, 자유롭게 움직일 수 있도록 적절한 책상 바퀴의 배치 모양을 탐구하고 사물의 무게와 움직임을 고려하여 어떤 구동 모터를 사용하는 것이 적합한지 고찰하였다. 다섯째, 적은 부품으로 다양한 제품에 적용 가능한지 분석하여 상품화 가능성을 탐구하였다. 결론적으로 3D 라이다 센서, 인공지 능 카메라, DC 모터를 사용하여 다양한 상품의 개발이 가능하다. 주제어: 이미지 프로세싱, 인공지능, Raspberry Pi, 센서 입력, 크루즈 컨트롤
졸음 및 주시 태만으로 발생하는 교통사고를 막기 위한 운전보조장치를 개발하였다. 운전자의 집중도를 파악하기 위해 뇌파를 분석하였다. EEG 뇌파 데이터 파일에서 low Beta, high Beta, low ALpha, high Alpha, low amma, mid Gamma 파의 집중도를 1~33, 34~66, 67~100 의 범위가 각각 low, mid, high 의 값을 가지도록 데이터를 수정하여 KNN알고리즘의 학습 데이터로 활용하였다. 뇌파분석장치를 블루투스로 연결하고 얻어낸 사용자의 데이터를 서버에 송신하여 서버에서 집중도를 분석하고 이를 화면에 띄우는 애플리케이션을 제작하였다. 주제어: 뇌파, 아두이노 자동차 원격조종, 운전 보조 장치, 모바일 애플리케이션, 머신 러닝
유전 알고리즘은 생물의 진화를 모방한 진화 연산의 대표적인 기법이다. 최근 인공지능에 대한 연구가 활발해짐에 따라 복잡하거나 정보가 부족한 문제를 해결하는 유전 알고리즘이 주목받고 있다. 그러나 기존 연구들은 유전알고리즘을 단독으로 사용하는 상황에서 학습 성능을 비교분석한 것이 주를 이루고 있어 유전알고리즘을 신경망 학습에 활용한 진화신경망 개발에 어려움이 있는 상황이다. 위와 같은 문제를 해결하기위해 유전자 알고리즘의 교차 연산자를 분석하여 신경망 학습 효율을 높일 수 있는 방법을 탐색하고 그 결과를 토대로 학습 성능이 개선된 연산자를 개발하 였다. 실험 결과 개발한 두 개의 연산자 모두 기존 연산자보다 성능이 최대 두 배 이상 향상되었 으며 개발한 연산자를 활용하여 학습시킨 게임에이전트는 사람이 수행한 최고점수 보다 높은 점수를 기록하였다. 해당 연구 결과는 진화신경망을 활용한 에이전트 학습 모델 개발 시 교차 연산 자 선택을 위한 이론적 근거와 교차연산자의 성능을 개선하기 위한 이론적 근거를 제공할 수 있을 것으로 기대한다. 주제어: 유전알고리즘, 진화신경망, AI, Python, 아케이드 게임
최근 비속어로 인한 사회적 문제가 많이 발생하였으며 청소년이 듣는 노래에 비속어가 많이 포함 되어 있어 이에 대한 문제의식을 느끼게 되었다. 따라서 본 연구는 청소년이 주로 듣는 노래의 가사에서 비속어를 검출하는 비속어 탐지기 제작을 목표로 하였다. 이를 위해 KoNLPy의 형태소 분석기인 Okt, Hannanum, Komoran, Kkma, Mecab을 비교·분석하고 머신러닝 모델을 제작 해 이를 이용한 비속어 탐지기를 제작하였다. 이때 위의 형태소 분석기 중 4종을 사용하여 형태소 분석기별 정확도 및 학습 시간을 비교하여 성능 비교하였다. 이때 웹 크롤링을 통하여 수집한 노래 가사와 직접 수집한 뉴스 댓글을 데이터로 머신러닝 1D CNN 모델을 사용하여 성능 비교 를 진행하였다. 이를 통해 Okt를 사용한 비속어 탐지기의 검출 성능과 속도가 가장 우수하다는 것을 알게 되었다. 주제어: 머신러닝 모델, 자연어처리, 웹크롤링, 비속어, 형태소 분석기
권한을 부여하는 방법과 부여하는 권한은 온·오프라인이 혼합된 수업 과정에서 매우 중요하다. 하지만 현재 주로 이용되는 Zoom 또는 Teams 같은 온라인 플랫폼들에서는 권한을 주고받는 과정인 권한 위임이 모두 최고 관리자나 참여자에 의해 수동적으로 진행되고 있고, 이로 인해 많은 이용자가 불편함을 느끼고 있다. 본 연구는 수업 상황에서의 권한 위임 과정을 자동화하기 위해, 권한을 나열하고 시나리오를 작성하였다. 최종적으로 역할 기반 접근제어(RBAC)을 기반으로 한 수업 시간에서의 권한 위임과정이 자동화가 이루어지는 접근제어 모델을 제작하였다. 주제어: 접근제어 모델, 온·오프라인 수업, RBAC, 권한 위임, 자동화
고난이도의 역학 문제일수록 문제 조건은 복잡해지고, 난독증 질환을 앓는 경우 문제 상황에 대한 이해는 버거워진다. 본 연구는 문제에서 제시되는 그림이 난독증 환자의 문제 이해를 돕는다는 점을 착안하여 문제로부터 그림을 생성하는 모델의 필요성을 느꼈으며, 문제집과 모의고사에서 추출한 약 200개의 문제를 모델에게 데이터 셋으로 사용하였다. clip-guided-diffusion 모델을 사용하여 학습하였으나 결과가 제대로 나오지 않아 정성평가를 진행하지 못하였다. 그러나 이러한 연구는 추후에 text-to-image 기술과 난독증을 지닌 사람들에게와 같이 학습 분야에도 도움이 될 것이다. 주제어: 역학 문제, 이미지 생성, 자연어 처리, 인공지능, 난독증
본 연구는 대부분의 자동차 키에 사용되고 있는 rolling code의 취약점을 해결하고자 이를 대체 할 로지스틱 사상 기반의 Time-Synchronized OTP 암호화 방식을 직접 고안하고 이를 아두이노로 구현하였다. 이 암호 알고리즘에 대한 추후 검증이 필요하고, 구현 시 아두이노의 한계로 인한 여러 제약이 있었지만, 본 연구에서 제작한 시스템은 기존 rolling code에서 exploit을 허용 하는 여러 취약점을 효과적으로 해결할 수 있으며, 이 시스템에 대한 추가적인 연구가 이루어진다면 향후 상용화될 많은 차량의 도난 및 인가되지 않은 제어를 예방할 수 있을 것이다. 주제어: OTP, 로지스틱 방정식, 아두이노, 자동차 키
글을 읽으면서 만날 수 있는 익숙하지 않은 문장이나 난해한 단어는 의미를 이해하기 어렵다. 하지만 이러한 문장이나 단어들도 그림을 통해 의미를 전달한다면 그 뜻을 직관적으로 이해할 수 있다. 본 연구는 KoGPT를 통한 한국어 문장을 생성해주는 알고리즘과 문장 혹은 문장 일부를 이미지로 생성해주는 알고리즘을 이해하고 이를 융합하기 위한 알고리즘을 설계하여 융합된 모델 이 직관적인 내용 전달 방식으로 기용되기에 적합한지 확인하여 보고자 한다. 주제어: KoGPT, Stable-Diffusion, 딥러닝, 인공지능, T2I(Text to Image)
지금까지 컴퓨터는 무어의 법칙에 따라 반도체 집적회로의 성능이 빠르게 증가함에 따라 컴퓨터는 소형화가 되기 시작하였다. 하지만 반도체가 구조, 물리적으로 더이상 성능이 발전하기 힘들어짐에 따라 컴퓨터의 소형화를 하며 성능을 유지하는 것은 한계에 다다를 것이다. 이러한 상황 때문에 소프트웨어 최적화가 이 한계의 대안으로 제시되고 있다. 이에 본 연구는 소형 컴퓨터에 소프트웨어 최적화를 위해 많은 리소스를 소모하는 동영상, 이미지 처리를 최적화하기 위해 머신러닝을 이용하여 실시간 이미지 업스케일링 인공지능 모델을 구축하는 과정을 거치며 결과적으로 많은 소프트웨어, 하드웨어 환경에서 구동 가능하도록 한다. 또한 이를 클라우딩 서비스에 적용하여 소형 컴퓨터의 소프트웨어적 최적화를 도울 것이다. 주제어: 머신러닝, 이미지 업스케일링, 인공지능, 클라우딩 서비스