$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

AI 학습모델 및 AI모델 서빙 서버 개발을 통한 생활안전 예방 서비스 신고 이미지 자동분류 시스템 개발에 대한 연구
A Study on the Development of an Automatic Classification System for Life Safety Prevention Service Reporting Images through the Development of AI Learning Model and AI Model Serving Server 원문보기

한국재난정보학회논문집 = Journal of the Society of Disaster Information, v.19 no.2, 2023년, pp.432 - 438  

정영식 (Standard & Open Source Research Division, ETRI) ,  김용운 (Standard & Open Source Research Division, ETRI) ,  임정일 (Standard & Open Source Research Division, ETRI)

초록
AI-Helper 아이콘AI-Helper

연구목적: 생활안전 예방서비스 앱에서 신고되는 이미지를 AI를 사용하여 실시간으로 위험 카테고리를 자동으로 분류하여 사용자에게 편리한 위험신고를 가능하게 하는 것을 목적으로 한다. 연구방법: 인터넷으로 상호연결되는 생활안전 예방서비스 플랫폼, 생활안전 예방서비스 앱, AI 모델 서빙 서버와 sftp 서버로 구성되는 시스템을 통하여 신고된 생활안전 이미지를 실시간으로 자동분류하며, 이때 사용되는 AI모델 생성을 위한 AI 학습 알고리즘도 개발하였다. 연구결과: 이미지를 실시간으로 AI 처리하여 자동으로 분류할 수 있게 되어, 신고자가 생활안전 관련 사항을 보다 편리하게 신고할 수 있게 되었다. 결론: 본 논문에서 제시하는 AI 이미지 자동분류 시스템은 90% 이상의 분류 정확도로 신고 이미지를 실시간으로 자동분류하여 신고자가 간편하게 생활안전 관련 이미지를 신고할 수 있게 되었으며 향후 생활안전 예방서비스 앱의 사용자의 증가에 따라 더욱 빠르고 정확한 AI 모델 개발 및 시스템 처리용량 향상이 필요하다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Purpose: The purpose of this study is to enable users to conveniently report risks by automatically classifying risk categories in real time using AI for images reported in the life safety prevention service app. Method: Through a system consisting of a life safety prevention service platform, life ...

주제어

#인공지능   #분류   #모델 서빙   #모델 서빙 서버   #sftp 서버   #인터넷   #동기화  

표/그림 (5)

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 논문에서는 생활안전 예방서비스 신고 이미지 실시간 자동분류를 위한 시스템 구조를 제안하고 실험을 통해 성능을 검증하였다. 개발한 생활안전 이미지 자동분류 시스템은 sftp 프로토콜로 상호 연동하므로 보안성이 있으며, 다양한 환경에서 이미지 자동분류 기능을 잘 수행하였고, 향후 생활안전 예방서비스 앱을 사용하는 사용자의 증가함에 따라 AI 분류 기능의 정확도 향상을 위한 분류 알고리즘의 성능을 향상시키기 위해 CNN뿐만이 아니라 ViT(Vision Transformer), ResNet등의 다양한 AI 알고리즘을 사용한 생활안전 관련 이미지 분류기능의 시험이 필요하다.
본문요약 정보가 도움이 되었나요?

참고문헌 (8)

  1. Huang, J., Liu, Y., Xia, Y., Zhong, Z., Sun, J. (2019). "Train driving data learning with S-CNN model for gear？prediction and optimal driving." 2019 Chinese Automation Congress (CAC), Hangzhou, China, pp. 2227-2232. 

  2. Lee, C.Y., Park, G.J., Kim, J., Kim, T. (2020). "A design of the social disasters safety platform based on the structured？and unstructured data." Journal of the Society of Disaster Information, Vol. 16, No. 4, pp. 842-848. 

  3. Nam, G.-T., Seo, K.-J., Choi, D.-C. (2022). "A study on the development of AI-based fire fighting facility design？technology." Journal of the Society of Disaster Information, Vol. 18, No. 4, pp. 883-890. 

  4. Roy, A., Anju, P., Tomy, L., Rajeswari, M. (2021). "Recent study on image denoising using deep CNN techniques."？2021 7th International Conference on Advanced Computing and Communication Systems (ICACCS), Coimbatore,？India, pp. 1838-1843. 

  5. Roy, S.K., Krishna, G., Dubey, S.R., Chaudhuri, B.B. (2019). "HybridSN: Exploring 3-D-2-D CNN feature hierarchy？for hyperspectral image classification." IEEE Geoscience and Remote Sensing Letters, Vol. 17, No. 2, pp. 277-281. 

  6. Tahir, H., Shahbaz Khan, M., Owais Tariq, M. (2021). "Performance analysis and comparison of faster R-CNN, mask？R-CNN and ResNet50 for the detection and counting of vehicles." 2021 International Conference on Computing,？Communication, and Intelligent Systems (ICCCIS), Greater Noida, India, pp. 587-594. 

  7. Yanagisawa, H., Yamashita, T., Watanabe, H. (2018). "A study on object detection method from manga images using？CNN." 2018 International Workshop on Advanced Image Technology (IWAIT), Chiang Mai, Thailand, pp. 1-4. 

  8. Zainab, A.S.N., Soesanti, I., Utomo, D.R. (2022). "Detection of COVID-19 using CNN's deep learning method:？Review." 2022 4th International Conference on Biomedical Engineering (IBIOMED), Yogyakarta, Indonesia, pp.？59-64. 

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로