$\require{mediawiki-texvc}$

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.

딥러닝을 이용한 시각 장애인 보조 시스템 개발
The development of a blind people assistant system using deep learning techniques 원문보기

한국정보처리학회 2016년도 추계학술발표대회, 2016 Oct. 27, 2016년, pp.621 - 624  

허규진 (인천대학교 임베디드시스템공학과) ,  오진숙 (인천대학교 임베디드시스템공학과) ,  김한샘 (인천대학교 임베디드시스템공학과) ,  이민학 (인천대학교 임베디드시스템공학과) ,  강우철 (인천대학교 임베디드시스템공학과)

초록
AI-Helper 아이콘AI-Helper

시각장애인의 인구비율은 전체 장애인 인구의 약 10%로 적지 않은 비율을 차지한다. 이러한 시각장애인들에게 가장 위험한 요소는 주변의 물체들이다. 하지만 현재 제시되어 있는 안전 보조 장치(보도블록 등)는 시각 장애인들 스스로가 전방에 어떠한 물체가 있는지 인지하기 어렵다. 본 논문에서는 딥러닝을 이용하여 위험물체에 대한 학습모델을 생성 한 뒤 햅틱 모션 및 음성 안내를 통하여 실시간으로 시각장애인이 위험상황을 인지할 수 있는 시스템을 제안한다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 기존에 존재하는 시각 장애인들을 위한 보조 장치들의 대표적인 예로는 보도블록에 설치된 원형 블록과 음향 신호기 등이 존재하는데 이것들만으로는 시각장애인 스스로 전방에 위험 요소들을 확인할 수 없고, 이 마저도 설치 안 된 곳들이 많아 현실적으로 한계가 명확하기 때문이다. 따라서 본 논문에서는 딥러닝 모델을 이용한 시각 장애인용 이미지 식별 시스템을 제안한다.
  • 이미지 전송(보드 - 카메라)에는 Wi-Fi AD-HOC통신을, 위험 알림(보드 – 웨어러블 디바이스,이어폰)에는 블루투스 통신을 사용하였다. 본 논문에서는 딥러닝을 통한 이미지식별 부분에 집중하여 설명하도록 한다.
  • 본 논문에서는 시각 장애인들에게 도움이 되고자 이들에게 위험이 될 수 있다고 판단되는 물체들이 전방에 있는 지 알려주는 시스템을 제안하였다. 이 시스템은 패턴을 추출하여 식별하기 때문에 학습된 물체라면 어떠한 모습으로 존재하더라도 식별이 가능하다는 장점을 가지고 있다.
  • 본 프로젝트의 가장 핵심이 되는 기술은 시각 장애인이 판단할 수 없는 외부 상황을 이미지 분석을 통하여 시각 장애인에게 알려줄 수 있는 것이다. 이미지 분석을 위해 사용되는 기술들 중에서 현재 가장 최적화된 결과를 보이는 방법은 딥러닝 기술이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
이미지들의 학습을 위한 데이터 집합에 필요한 두 가지는 무엇인가? 데이터 집합은 크게 2가지가 필요하다. 1차적인 학습만을 위한 학습용 이미지 집합이 필요하고, 이것이 얼마나 정확한 값을 가지는지 확인하는 검증용 이미지 집합이 필요하다. 학습용 이미지 집합에 검증용 이미지 집합이 포함될 경우 학습의 결과가 저조하게 나오는 것을 확인하였다.
딥러닝은 어떠한 평가를 받고 있는가? 최근 기계학습에 대한 관심이 증가하였고 다양한 분야에서 놀라운 성과를 내면서 기계학습은 폭 넓은 분야에 적용될 수 있음을 증명하였다. 특히 딥러닝은 기계학습의 다른 분야보다 예측력이 좋다는 평가를 받고 있고 기존 신경망 학습시의 문제였던 모수 (parameter) 최적화 문제가 해결되면서 현재 가장 각광받는 머신러닝 분석 방법으로 이슈가 되고 있다. 특히 Convolutional Neural Network (CNN)를 이용하여 만든 딥러닝 모델은 이미지 식별 분야에서 인간과 대등한 성능을 구현해냈으며, 음성인식 등의 분야에서도 Recurrent Neural Network (RNN)을 이용한 연구가 활발하게 진행 중이다 [1].
기존에 존재하는 시각 장애인들을 위한 보조 장치들에는 무엇이 있는가? 1에 나타나듯이 시각 장애인들의 인구가 많아지면서 더욱 중요해진 분야이다. 기존에 존재하는 시각 장애인들을 위한 보조 장치들의 대표적인 예로는 보도블록에 설치된 원형 블록과 음향 신호기 등이 존재하는데 이것들만으로는 시각장애인 스스로 전방에 위험 요소들을 확인할 수 없고, 이 마저도 설치 안 된 곳들이 많아 현실적으로 한계가 명확하기 때문이다. 따라서 본 논문에서는 딥러닝 모델을 이용한 시각 장애인용 이미지 식별 시스템을 제안한다.
질의응답 정보가 도움이 되었나요?

관련 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