본문 바로가기 대메뉴 바로가기
open
Close

인공지능 연구실

Research

Past Project

게시물 검색
총 게시물 26 , 페이지 1 / 3
딥러닝을 이용한 열연 통판 실시간 영상분석 알고리즘 개발, 2019 이미지
딥러닝을 이용한 열연 통판 실시간 영상분석 알고리즘 개발, 2019
  • 작성자Artificial Intelligence Laboratory
  • 조회수44
  • Overview철강 생산 공정 중 압연 공정에서 카메라를 통해 얻어진 이미지로부터 통판 상태 분류 알고리즘 개발Convolutional Neural Network 기반 이미지 분류 알고리즘통판의 D/S, W/S 두 영역 각각에 대한 상태 분류 Key Researches- 실시간 통판 상태 분류 알고리즘 개발 및 정확도 향상- 지도 학습을 위한 라벨링의 Human error 극복 방법 개발- 불균형 데이터 셋을 이용한 분류 모델 지도 학습 Project Explaination  본 과제는 철강 생산 공정 중 압연 공정에서 통판의 상태를 실시간으로 관찰하는 사람을 대신하는 인공지능을 개발하기 위한 과제입니다.  압연공정은 온도가 높고 습도가 높아 근거리에 센서 부착이 어렵기 때문에 원거리에서 카메라로 이미지를 수집하여 컴퓨터 비전을 통해 실시간으로 통판의 상태를 관찰하는 방법이 제시되었습니다.  지도학습을 통해 딥러닝 모델을 학습 시키기 위해 카메라로부터 수집된 이미지들에 사람이 라벨링을 하는 과정이 필요합니다. 단순 분류 문제가 아닌 정도에 따른 단계를 분류하는 문제이기 때문에 사람의 라벨링에 에러가 많이 포함됩니다. 이 라벨링 에러는 학습에 혼동을 가져올 수 있기 때문에 극복해야할 대상입니다.  목표 80% 이상의 결과를 달성했으며 실시간 분류를 가능하게 하는 알고리즘을 개발했습니다.Project Detail출연: 포스코기간: 2019. 08. 15 ~ 2020. 03. 31 (7 months)사업비: 70,000,000 WON Contact- Name: 윤준호 석사과정- Mail: yjh960314@gist.ac.kr
  • 등록일2020-05-28 21:56:56
AI 기반 금형부품 형상인식, 2019 이미지
AI 기반 금형부품 형상인식, 2019
  • 작성자Artificial Intelligence Laboratory
  • 조회수33
  • OverviewCascade R-CNN을 이용한 TV 또는 모니터 샤시 내의 특정 형상 인식 알고리즘 개발 Key Researches- 물체 인식- 물체 회전 각도 추정- 컴퓨터 비전 Project Explaination  소비자들의 다양한 수요로 인해 제품의 교체 주기가 짧아지면서, 금형제작의 수요는 증가하고 납기는 짧아지고 있다. 현재까지 개발된 금형설계 자동화 시스템은 설계자가 직접 제품 분석 후, 특징 형상의 위치에 치수를 입력하는 방식이다. 해당 위치에 원하는 Spec의 금형부품 모델링을 수동으로 배치하는 자동화의 한계로 금형 설계 CAD/CAM 시간 단축이 둔화되고 있다. 이와 같은 방식은 금형 설계자의 역량에만 의존한다는 단점이 있다. 작업자 역량에 따른 의존도를 줄이기 위해 CAD 개발사 측에서 많은 형상분석 툴을 내놓았으나 현업에 적용할 수 없는 수준이다.   본 연구에서는 Cascade R-CNN을 TV 커버 및 샤시의 2D 도면 내 특정 형상들을 인식하는 데 사용했다 [1]. 인식결과로써, 형상 부는 경계상자 형태로 표시가 되며 형상의 종류, 도면 중심부로부터 위치, 회전 정도(90도 간격), 경계상자의 가로세로 크기를 나타낸다.Project Detail출연: 삼성전자 글로벌기술센터(GTC)기간: 2019. 04. 01 ~ 2019. 12. 31.사업비: 60,000,000 WON Contact- 이름: 박성호 박사과정- 메일: bakseongho@gm.gist.ac.kr
  • 등록일2020-05-28 21:55:23
AR글래스 기반 도슨트 운용을 위한 지능형 UI/UX 기술 개발 이미지
AR글래스 기반 도슨트 운용을 위한 지능형 UI/UX 기술 개발
  • 작성자Artificial Intelligence Laboratory
  • 조회수5
  • Overview착용형 증강현실(AR)에 최적화된 전시공간 UX 개발공간기반 스토리텔링 기술 및 감정 인지(AI) 기술가상 캐릭터 도슨트 서비스 기술 Key Researches- 제스처 인식 및 관람자 중심의 제스처 NUX 개발- 관람자 대화 인식용 챗봇 개발 및 정보 제공 기능 구현- UWB 센서 기반 실시간 무선 실내 관람 정보 모니터링 시스템 개발- 박물관 AR 도슨트 특화 저작툴 개발 Project Explaination  본 과제에서는 착용형 증강현실에 최적화된 전시공간 UX 기술, 공간기반 스토리텔링 기술 및 관람자 감성 인지 AI 기술로 개별 관람자에게 최적의 정보를 구성하고, 착용형 증강현실 글래스를 통해 가상 캐릭터 도슨트가 안내하는 서비스 기술을 개발하는 과제입니다. 국립중앙박물관 신라관 관람객을 대상으로 착용형 AR 글래스를 통해 최적화된 도슨트 안내 서비스를 시연했습니다. 광주과학기술원 인공지능 연구실에서는 관람자의 실내위치를 측위하여 실시간 관람정보 모니터링 시스템을 개발합니다. 초광대역 레이더(Ultra-wide band radar, UWB radar) 센서를 사용하여 무선 실내 측위 시스템을 구축하고, 실시간 관람자 위치 및 동선, 유물별 체류시간 모니터링 시스템을 개발합니다. 관람자 특성별(연령, 성별 등) 관람 특성 분석 소프트웨어를 개발하여 관람자에 최적화된 AR 도슨트 서비스 개발을 목표로 합니다. 추후 실시간 UWB 측위 정보를 바탕으로 측정 대상의 특성을 AI로 분석하여 적합한 서비스를 능동적으로 제공할 수 있는 대상별 맞춤식 최적 서비스 제공 기술을 연구하고자합니다.   Publications- 이주순, 서호건, 이규빈. "초광대역 레이터를 이용한 관람 행테 분석 시스템". 스마트미디어저널. 2019, vol.8, no.4, pp. 85-90. - Joosoon Lee, Hogeon Seo, Kyoobin Lee. "Analysis of Museum Patrons' Behavior using Ultra-Wide Band Radar based Tracking System". The 8th International Conference on Smart Media & Application. 2019Project Detail- 사업명: 2017년 문화기술 연구개발 지원사업- 과제명: AR글래스 기반 도슨트 운용을 위한 지능형 UI/UX 기술 개발- 출연: 문화체육관광부, 한국콘텐츠진흥원- 기간: 2017.04.01 ~ 2019.12.31 (33개월)- 사업비: \ 2,000,000,000- 컨소시움: 광주과학기술원, 한국문화기술연구소, 버넥트, (주)퍼펙트스톰, (주)샘파트너스, 틸론 Contact- 이름: 이주순 통합과정- 메일: joosoon1111@gist.ac.kr
  • 등록일2020-05-28 18:45:59
로봇 시운동을 위한 가상환경에서 실제환경으로의 심층강화학습, 2019 이미지
로봇 시운동을 위한 가상환경에서 실제환경으로의 심층강화학습, 2019
  • 작성자Artificial Intelligence Laboratory
  • 조회수43
  • Overview가상환경 빅데이터 기반 상황인식 및 가상 로봇 시운동 심층강화학습 모델 개발가상환경 모델을 실제 로봇 시운동 제어에 적용하는 가상-현실 심층강화학습 전이 알고리즘 개발가상-실제 심층강화학습 기반 로봇 시운동을 통한 실제환경에서의 임무수행 및 최적화 Key Researches- 강화학습https://www.youtube.com/watch?v=o0DX9Kk0oCo- 전이학습- 목표 사물 위치 추정 Project Explaination  가상환경에서 수집한 빅데이터를 이용해 로봇 팔 시 운동에 필요한 상황 인식 및 동작 제어 알고리즘을 훈련하기 위해, 시뮬레이터(V-REP, PyRep)를 이용해 가상 개발 환경을 구축함.  가상-실제 전이 학습을 위해Domain Randomize 기법을 활용하여 가상 데이터 셋을 구축하고, 목표 사물(큐브)의 위치 추정을 위한 알고리즘을 학습시킴. 가상 데이터를 이용해 훈련된 모델을 실제 환경에 적용하여 여러 사물이 혼재된 상황에서 목표 사물의 위치를 추정하고, 이를 바탕으로 목표 사물을 선택적으로 들어서 지정된 위치로 이송하는 임무를 수행.  목표 사물이 주어졌을 때 물체 파지를 위한 제어 방법을 생성하는 알고리즘 개발 및 다양한 강화 학습 알고리즘(TRPO, PPO, Qt-Opt..) 비교 분석.Project Detail사업명: GIST 인공지능연구소 AI 기초 연구출연: 광주과학기술원기간: 2019.01.01 ~ 2019.12.31 (12 개월)사업비: 35,000,000 WON Contact- 이름: 강래영, 통합과정- 메일: raeyo@gm.gist.ac.kr
  • 등록일2020-05-28 15:01:57
인공지능 기반 수면 분석 및 수면 무호흡 증후군 진단 알고리즘 연구 이미지
인공지능 기반 수면 분석 및 수면 무호흡 증후군 진단 알고리즘 연구
  • 작성자Artificial Intelligence Laboratory
  • 조회수17
  • Overview 비접촉식 또는 웨어러블 센서로부터 취득한 생체신호정보와 딥러닝 기술을 이용해 폐쇄성 수면무호흡 증후군의 정도를 진단하고 실시간 진단 정보를 기반으로 하는 수면 중 치료 시스템의 개발Key Researches-  수면다원검사 신호 기반의 수면 단계 분석 딥러닝 알고리즘 개발n  국내외 수면다원검사 데이터 확보n  정확도를 높이고 복잡도를 낮춘 딥러닝 모델 개발 (IITNet)-  비접촉 초광대역 레이더를 활용한 호흡 패턴 추정 딥러닝 알고리즘 개발n  비접촉 호흡 패턴 추정을 위한 최적 센서 선정  n  비접촉 호흡 패턴 추정 딥러닝 모델 개발- 지능형 호흡 추정 및 무호흡 판별 네트워크 개발 Project Explaination본 과제는 수면무호흡 환자로부터 수면다원검사로 획득된 생체신호를 확보하고, 확보된 생체신호 (EEG, EMG, EOG, Respiration)를 분석하여 무호흡 감지 및 수면 단계를 자동으로 분류할 수 있는 딥러닝 모델을 개발한다. 또한 UWB 센서 데이터를 기반으로 한 비접촉식 수면 단계 분석 및 실시간 무호흡 상태 감지 시스템 구축을 목표로 한다. Project Detail출연 : 광주과학기술원기간 : 2018. 03. 01 ~ 2019. 12. 31사업비 : 190,000,000 Contact- 이름 : 이성주 박사과정-​ 메일 : lsj2121@gm.gist.ac.kr
  • 등록일2020-05-28 15:00:58
노약자 지원 기술 개발 이미지
노약자 지원 기술 개발
  • 작성자Artificial Intelligence Laboratory
  • 조회수8
  • Overview노약자 지원 기술 개발노약자 독립 생활 지원 기술, 보호자 부담 경감 기술, 노약자 상태 대용량 데이터 저장/관리 기술 개발 Key Researches- 영상 분류 기반 복약행동 모니터링 기술- 이미지 기반 실시간 낙상 감지 기술- 데이터베이스 관리 서버 소프트웨어 Project Explaination본 과제에서는 노약자 지원 기술을 개발합니다. 가정에서 노약자가 독립적으로 생활할 수 있도록 지원하는 기술로서 복약 행동 영상 데이터셋 구축 및 복약 행동 영상 인식 딥러닝 모델을 개발합니다. 가정 내 보호자 또는 간호 인력의 부담을 경감 시키는 기술로 노약자의 실시간 낙상 인식 딥러닝 모델을 개발합니다.센서로부터 얻어지는 노약자 상태 대용량 데이터를 저장 및 관리하는 기술을 개발합니다. Project Detail- 과제명: 노약자 지원 기술 개발- 출연: 광주과학기술원- 기간: 2018.01.01 ~ 2019.08.31 (20개월)- 사업비: \ 70,000,000Contact- 이름: 이주순 통합과정- 메일: joosoon1111@gist.ac.kr
  • 등록일2020-05-28 14:15:26
Neuromorphic Processor (IBM True North Collaboration), 2015 - 2017 이미지
Neuromorphic Processor (IBM True North Collaboration), 2015 - 2017
  • 작성자Artificial Intelligence Laboratory
  • 조회수14
  • TrueNorth is a neuromorphic CMOS chip developed by IBM. It consists of 4096 hardware cores. Each core simulates 256 neurons. Therefore, one TrueNorth chip simulates one million neurons in real time. TrueNorth consumes 70 milliwatts, about 1/10,000th the power density of conventional microprocessors. [Merolla, Science, 2014]Since 2015, Samsung started a collaborative work to integrate TrueNorth and Samsung’s neuromorphic image sensor into a closed loop ‘sensor-processor-actuator’ system. The goal of this project is to invent an energy efficient cognitive module taking advantage of deep learning technology.Roles: Collaborative manager / deep learning algorithm
  • 등록일2020-05-27 16:47:13
Deep Learning Application of Neuromorphic Chips, 2014 - 2017 이미지
Deep Learning Application of Neuromorphic Chips, 2014 - 2017
  • 작성자Artificial Intelligence Laboratory
  • 조회수16
  • Deep learning has achieved a quantum jump in machine intelligence. A deep convolutional neural network was developed to recognize hand gestures from the output of a neuromorphic image sensor. The accuracy of gesture recognition increased by 30% points, from 65% to 95%. The goal of this project is to implement the gesture recognition module in TV sets and mobile phones.Roles: Implementation of deep convolutional neural network for the neuromorphic sensor
  • 등록일2020-05-26 16:53:30
Visual SLAM Using Neuromorphic Image Sensor, 2014 - 2017 이미지
Visual SLAM Using Neuromorphic Image Sensor, 2014 - 2017
  • 작성자Artificial Intelligence Laboratory
  • 조회수10
  • Samsung Gear VR achieved a highly immersive VR experience. However, some customer reviews reported that Samsung Gear VR should be installed with head position tracking sensor. The neuromorphic sensor is being applied to Visual SLAM (Simultaneous Localization And Mapping) that provides environment map and camera position in real time.Roles: Development of visual SLAM based on a neuromorphic sensor
  • 등록일2020-05-25 16:57:11
Neuromorphic Image Sensor, 2012 - 2017 이미지
Neuromorphic Image Sensor, 2012 - 2017
  • 작성자Artificial Intelligence Laboratory
  • 조회수8
  • High speed, low power image sensor (μsec response time / mW power consumption) was developed by mimicking the biological visual system. Details have been omitted as it is being treated confidentially in SamsungRoles: FPGA implementation / signal processing / system integration / digital ASIC (partial)
  • 등록일2020-05-24 16:58:07
QUICK
MENU
GIST 대표GIST 대표 GIST대학GIST대학 융합기술원융합기술원 도서관