본문 바로가기 대메뉴 바로가기
open
Close

Research

Past Research

게시물 검색
Total 25 , Page 1 / 3
Hot rolled sheet real-time image analysis algorithm development using deep learning 이미지
Hot rolled sheet real-time image analysis algorithm development using deep learning
  • 작성자Artificial Intelligence Laboratory
  • 조회수24
  • OverviewDevelopment of passing steel sheet status classification algorithm from images obtained through the camera in the rolling process during the steel production processImage classification algorithm based on Convolutional Neural NetworkStatus classification for each of D/S and W/S areas of sheetKey Researches- Real-time passing steel sheet status classification algorithm development and accuracy improvement- Development of methods to overcome labeling human error for supervised learning-Supervised learning for classification model using imbalance datasetProject ExplainationThis task is to develop artificial intelligence on behalf of the people who observe the status of passing steel sheet in the rolling process during the steel production processSince the rolling process has high temperature and high humidity, it is difficult to attach the sensor at a short distance, so a method of collecting images with cameras from a distance and observing the status of passing steel sheet in real time by using computer vision has been proposed.To train the deep neural network through supervised learning, a process of labeling the images collected from cameras is required. Because it is not a simple classification task, it is a problem of classifying the level according to their degree, so human labeling contains a lot of errors. This labeling error should be overcome because it can be confusing for learning.We have achieved results above the target of 80% and have developed algorithms that enable real-time classification.Project DetailDonation: PoscoTerm: 2019. 08. 15~ 2020. 03. 31(7months)Expense: 70,000,000 WONContact- Name: JunHo Yun, Master Course- Mail: yjh960314@gist.ac.kr
  • 등록일2020-07-07 13:55:54
Shape Detection of Mold Parts based on AI, 2019 이미지
Shape Detection of Mold Parts based on AI, 2019
  • 작성자Artificial Intelligence Laboratory
  • 조회수7
  • OverviewDevelopment of a Specific Shape Recognition Algorithm in 2D Drawing of TV or Monitor Cover and Chassis Using Cascade R-CNNKey Researches- Object Detection- Object Orientation Estimation- Computer VisionProject ExplainationAs the replacement cycle of products is shortened due to various demands from consumers, the demand for mold manufacturing is increasing and the delivery period is getting shorter. The disadvantage of the mold design automation system developed to date is that it relies solely on the competence of the mold designer. Although CAD developers have released many shape analysis tools to reduce dependence on workers' capabilities, they cannot apply them to current businesses.Thus, in this study, cascade R-CNN was used to recognize certain features in TV covers and chassis 2D drawings. As a result of recognition, the shape part is displayed in the form of a boundary box, and the type of feature, the location from the center of the drawing, the degree of rotation (90 degree intervals), and the size of the boundary box by the width and width.Project DetailDonation: Samsung Electronics Global Technology CenterTerm :2019. 04. 01~ 2019. 12. 31.Expenses : 60,000,000 WONContact- Name: SeongHo Bak, Ph.D Course- E-mail: bakseongho@gm.gist.ac.kr
  • 등록일2020-07-06 15:59:47
Developed intelligent UI/UX technology for AR glasses-based docent operation 이미지
Developed intelligent UI/UX technology for AR glasses-based docent operation
  • 작성자Artificial Intelligence Laboratory
  • 조회수23
  • OverviewDevelopment of UX optimized exhibition space for wearing augmented reality (AR)Space-based storytelling technology and emotional recognition (AI) technologyVirtual Character Docent Service TechnologyKey Researches- Recognition of gestures and developing viewer-centered gestures NUX- Developing chatbots and implementing information provision functions for audience conversation recognition- Development of a real-time wireless indoor visitors' information monitoring system based on UWB sensors- Development of a production tool for AR docents in museumsProject ExplainationIn this project, the exhibition space UX technology optimized for wearing augmented reality, space-based storytelling technology, and viewer sentiment recognition AI technology are designed to organize optimal information for individual visitors and to develop a service technology guided by virtual character docents through wearable augmented reality glass.We demonstrated optimized docent guidance service through wearable AR glass for visitors to the Shilla Hall of the National Museum of Korea.The artificial intelligence lab of Gwangju Institute of Science and Technology develops a real-time visiting behavior monitoring system by measuring the indoor location of the audience.The ultra-wideband (UWB) radar sensor is used to establish a wireless indoor positioning system and to develop a real-time viewer position, movement, and retention time monitoring system by relics.The goal is to develop AR docent service optimized for visitors by developing viewing characteristics analysis software by age, gender, etc.Based on real-time UWB measurement information in the future, we want to study customized service delivery technology that can actively provide appropriate services by analyzing characteristics of measured targets with AI.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 MediaProject: Developed intelligent UI/UX technology for AR glasses-based docent operationDonation: Ministry of Culture, Sports and Tourism / Korea Creative Content AgencyTerm: 01/04/2017 ~ 31/12/2019 (33 months)Expense: 2,000,000,000\Consortium: Gwangju Institute of Science and Technology, Korean Culture Technology Institute, VIRNECT, Perpect-Storm, Sampartners, TILONContact- Name: Joosoon Lee, integrated Ph.D. program- Mail: joosoon1111@gist.ac.kr
  • 등록일2020-06-25 10:31:36
Sim-to-Real Deep Reinforcement Learning for Visuomotor of Robots 이미지
Sim-to-Real Deep Reinforcement Learning for Visuomotor of Robots
  • 작성자Artificial Intelligence Laboratory
  • 조회수9
  • OverviewDevelopment of UX optimized exhibition space for wearing augmented reality (AR)Develop a Deep RL algorithm to generate policy to perform basic robotic task in simulation.Transfer the trained models to real worldKey Researches- Deep Reinforcement Learninghttps://www.youtube.com/watch?v=o0DX9Kk0oCo- Sim to real(Domain Randomize)- Object DetectionProject ExplainationTo training policy for robotic tasks like pick and place and grasping, we choose Sim-to-real method for training models. We construct the simulation environment for generate synthetic data. Collect synthetic images using simulation and use them to train models that detect target object from various objects and estimate target object's x, y position related to center of table. To transfer trained models to real world, we generate synthetic image using Domain Randomize method which randomize texture and color of objects. And test the trained model in real world environment. Estimate the target object(cube)'s x, y position from real world image and pick up target object using IK solver according to estimated pose.Also we train Deep RL algorithms to generate policy for pick a target object in simulation. We make use of well-known RL algorithms(TRPO, PPO, Qt-Opt..) to train policy.Project DetailProject:GIST AILab AI Experimental ResearchDonation: GISTTerm: 2019.01.01 ~ 2019.12.31(12months)Expense: 35,000,000 WONContact- Name: RaeYoung Kang, Integrated Ph.D. program- Mail: raeyo@gm.gist.ac.kr
  • 등록일2020-06-25 07:56:46
Artificial intelligence-based algorithm development for sleep analysis and diagnosis of sleep apnea syndromes 이미지
Artificial intelligence-based algorithm development for sleep analysis and diagnosis of sleep apnea syndromes
  • 작성자Artificial Intelligence Laboratory
  • 조회수5
  • OverviewThis project aims to develop an in-sleep treatment system that diagnoses obstructive sleep apnea using deep learning and biosignal information acquired from contactless or wearable sensorKey Researches-Development of deep learning algorithm for automatic sleep scoring based on Polysomnography datanPolysomnography data acquisition from home and abroadnDevelopment of a simple and accurate deep learning model for automatic sleep scoring (Intra- and Inter- epoch Temporal Context Network)-Development of a deep learning algorithm that estimates respiration pattern by using UWB radarnOptimal sensor selection for estimating respiration pattern in contactlessUWB sensorn Development of a deep learning model for estimating respiration pattern- Development of intelligent respiration estimation and apnea classification network (REACTNet)Project ExplainationIn this project, we acquired bio-signals obtained from sleep apnea patients and developed deep learning models for sleep stage scoring and sleep apnea detection by analyzing acquired biological signals such as EEG, EMG, EOG, and Respiration. Also, this project aims to establish untact, real-time sleep scoring and sleep apnea detection system based on UWB sensor data.Project DetailDonation : GISTTerm : 2018. 03. 01 ~ 2019. 12. 31Expenses : 190,000,000Contact- name: SungJu Lee, Ph.D Course-​ E-mail: lsj2121@gm.gist.ac.kr
  • 등록일2020-06-24 22:39:36
Development of assistive technology in elderly care 이미지
Development of assistive technology in elderly care
  • 작성자Artificial Intelligence Laboratory
  • 조회수3
  • OverviewDevelopment of assistive technology in elderly careDevelopment of technologies to support the elderly and the infirm's independent living, reduce the burden on the caregiver, and store/manage large amounts of data for the elderly and the infirmKey Researches- Video classification based medication behavior monitoring technology- Image based real-time fall detection technology- Software for database management serverProject ExplainationThis project will develop technologies to support the elderly and the infirm.To develop technology for the elderly and the infirm to live independently at home, we construct dataset of taking medicine and develop a deep learning model that recognize medication behavior.Develop a real-time fall-recognition deep learning model for the elderly and the infirm with technologies that relieve the burden of caregivers or nursing staff in the home.Develop a technology to store and manage large amounts of data from sensors for the elderly and the infirm.Project Detail- Enterprize: Development of assistive technology in elderly care- Donation: Gwangju Institute of Science and Technology- Term: 01/01/2018 ~ 31/08/2019 (20 months)- Expense:70,000,000\Contact- Name: Joosoon Lee, integrated Ph.D. program- Mail: joosoon1111@gist.ac.kr
  • 등록일2020-06-22 10:17:13
Neuromorphic Processor (IBM True North Collaboration), 2015 - 2017 이미지
Neuromorphic Processor (IBM True North Collaboration), 2015 - 2017
  • 작성자Artificial Intelligence Laboratory
  • 조회수1
  • 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 Samsungs 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
  • 등록일2020-06-21 10:09:08
Deep Learning Application of Neuromorphic Chips, 2014 - 2017 이미지
Deep Learning Application of Neuromorphic Chips, 2014 - 2017
  • 작성자Artificial Intelligence Laboratory
  • 조회수2
  • 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
  • 등록일2020-06-20 10:07:43
Visual SLAM Using Neuromorphic Image Sensor, 2014 - 2017 이미지
Visual SLAM Using Neuromorphic Image Sensor, 2014 - 2017
  • 작성자Artificial Intelligence Laboratory
  • 조회수3
  • 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
  • 등록일2020-06-19 10:06:56
Neuromorphic Image Sensor, 2012 - 2017 이미지
Neuromorphic Image Sensor, 2012 - 2017
  • 작성자Artificial Intelligence Laboratory
  • 조회수6
  • High speed, low power image sensor (sec 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)
  • 등록일2020-06-18 10:05:43
QUICK
MENU