[보고서]IoF2020 : IoT 개방형 표준 및 아키텍쳐를 통한 글로벌 농식품 비즈니스 통합 에코시스템 개발

김대영

IoF2020 : IoT 개방형 표준 및 아키텍쳐를 통한 글로벌 농식품 비즈니스 통합 에코시스템 개발
Development of global ecosystem for Internet of Food and Farm through IoT open standard and architecture 원문보기

보고서 정보
주관연구기관	한국과학기술원 Korea Advanced Institute of Science and Technology
연구책임자	김대영
참여연구자	이영종 , 김상태 , 이혜진 , 정수현 , Nguyen Van Giang , Tolcha Yalew Kidane , 윤원득 , 한지용 , Hoang Minh Nguyen , 송지은 , 전태준 , 임장관 , 허세현 , 권기웅 , 변재욱 , 김동수 , 함형록 , Duy Thao Do , Quang Trung Tran , 강민구 , 오병수 , 조승주 , 이건 , 김현섭 , 이나경 , 이윤호 , Kalra, Gaurav , 김도현 , 강대연 , Pham, Nhat , 손봉진 , 우성필
보고서유형	최종보고서
발행국가	대한민국
언어	한국어
발행년월	2020-11
과제시작연도	2019
주관부처	과학기술정보통신부 Ministry of Science and ICT
등록번호	TRKO202100021561
과제고유번호	1711099620
사업명	국가간협력기반조성(R&D)
DB 구축일자	2022-04-09
키워드	사물인터넷.농식품 정보서비스.개방형표준.딥러닝.인공지능.Internet of Things.Agriculture Information Service.Open Standard.Deep Learning.Artificial Intelligence.

초록 ▼

□ 연구개발 목표 및 내용
￭ 최종 목표 : IoT 개방형 표준 및 아키텍에쳐코를시 스통템한 개글발로벌 농식품 비즈니스 통합
￭ 전체 내용
1. 글로벌한 스마트팜 및 푸드서비스 생태계 구축을 위한 유럽과 한국의 IoT 오픈 플랫폼 표준 및 아키텍쳐 설계 그리고 기술 검증과 서비스를 위한 통합 테스트 베드 구축
2. 시맨틱 호환을 위해, 스마트팜 및 푸드서비스의 정밀 프로세스 분석을 통해 사물 식별 및 프로세스 표현 어휘를 개발하는 글로벌 사물인터넷 정보 표현 언어 기술 연구
3. 글로벌 사물인터넷 정보 표현 언어를 학습하여, 스마트팜과 푸드서비스 분야의 핵심 문제를 풀 수 있는 딥러닝 아키텍쳐 및 알고리즘 기반 기술 연구
4. 스마트팜과 푸드서비스 빅데이터의 통계, 서비스 흐름, 새로운 정보 등을 자동으로 찾아서 분석해서 보여주는 시각화 기술 연구
￭ 1년차
• 목표
1. 글로벌한 스마트팜 및 푸드서비스 생태계 구축을 위한 유럽과 한국의 IoT 오픈 플랫폼 표준 및 아키텍쳐 설계 그리고 기술 검증과 서비스를 위한 통합 테스트 베드 구축
2. 시맨틱 호환을 위해, 스마트팜 및 푸드서비스의 정밀 프로세스 분석을 통해 사물 식별 및 프로세스 표현 어휘를 개발하는 글로벌 사물인터넷 정보 표현 언어 기술 연구
• 내용
1. 국내 테스트베드 완주로컬푸드의 생산, 유통, 소비단계에 이르기까지의 농수산물 데이터를 GS1 표준 기반으로 수집 및 저장, 공유하기 위한 시스템을 구축함. 농축산물 GS1 식별자 정의, 이를 통한 GS1/Oliot 스마트 농업 플랫폼 검증을 실시
2. 스마트팜 프로세스 분석에 따른 개방형 표준 적용을 위해 농축산물 비즈니스에 사용될 GS1 식별자와 비즈니스 문맥을 운용할 방법을 정의함.
3. 글로벌 푸드 서비스 연동을 위한 유럽 내 파트너국과의 정기적인 연락을 통해 연구내용을 공유하고 연동 방안을 업데이트함. 그 중 센서 데이터를 EPCIS에 저장하는 방법과 유럽에서 사용 중인 FIWARE기술과 EPCIS 연동 방안에 대해 논의하였으며, 본 연구실에서 표준화를 주도한 스마트 농업 관련 TTA 표준 내용을 제안하고 국내 테스트베드(완주로컬푸드)의 실험 내용을 공유함

￭ 2년차
• 목표
1. 글로벌한 스마트팜 및 푸드서비스 생태계 구축을 위한 유럽과 한국의 IoT 오픈 플랫폼 표준 및 아키텍쳐 설계 그리고 기술 검증과 서비스를 위한 통합 테스트 베드 구축
2. 시맨틱 호환을 위해, 스마트팜 및 푸드서비스의 정밀 프로세스 분석을 통해 사물 식별 및 프로세스 표현 어휘를 개발하는 글로벌 사물인터넷 정보 표현 언어 기술 연구
3. 글로벌 사물인터넷 정보 표현 언어를 학습하여, 스마트팜과 푸드서비스 분야의 핵심 문제를 풀 수 있는 딥러닝 아키텍쳐 및 알고리즘 기반 기술 연구
• 내용
1. 스마트 농업 푸드데이터의 이력 추적 데이터 관리를 위한 표준 지침서를 제안
2. GS1/Oliot 플랫폼의 핵심 컴포넌트인 EPCIS와 ONS/DS의 성능 향상을 위한 기술들을 개발하고 성능 평가를 수행
3. 온톨로지 기반 스마트팜 플랫폼과 이벤트 기반 스마트팜 플랫폼의 시멘틱 호환을 위한 기반 기술을 개발
4. 스마트팜 환경에서의 다양한 데이터를 GS1 표준 기반의 EPCIS 이벤트 스키마 설계를 통해 운용하기 위한 표준을 제안
5. GS1 표준 코드가 저장된 GS1/EPCIS 이벤트를 Knowledge-based 기반의 자연어로 번역하는 기술을 개발
6. 스마트팜 데이터의 실시간 분석과 식품 원본 이미지 분류/분석을 위한 딥러닝 모델들을 개발

￭ 3년차
• 목표
1. 글로벌 사물인터넷 정보 표현 언어를 학습하여, 스마트팜과 푸드서비스 분야의 핵심 문제를 풀 수 있는 딥러닝 아키텍쳐 및 알고리즘 기반 기술 연구
2. 스마트팜과 푸드서비스 빅데이터의 통계, 서비스 흐름, 새로운 정보 등을 자동으로 찾아서 분석해서 보여주는 시각화 기술 연구
• 내용
1. 스마트팜의 시계열 센서 데이터에 대한 딥러닝 학습을 통해 센서 데이터의 흐름 및 패턴을 예측하는 기술을 개발하고, 식품 공급 체인에서 활용되는 바코드를 다양한 환경에서 높은 정확도로 인식하기 위한 딥러닝 기술을 연구
2. 바코드를 다양한 환경에서 높은 정확도로 인식하기 위한 딥러닝 기술과 자동화된 연속성 있는 비디오 캡셔닝 기술을 개발 및 성능 분석 수행
3. GS1 EPCIS 2.0 MSWG 표준화 활동 및 Global Dialogue on Seafood Traceability 그룹과의 연구협력체계를 구축함
4. 오픈소스 사물인터넷 프로젝트인 Oliot의 플랫폼 성능 개선 및 고도화를 위한 연구를 수행함. 이를 위해 GS1 표준 데이터 모델 기반의 통합 비즈니스 플랫폼인 EPCIS의 클라우드 기반 운영 및 블록체인과의 연계 방법에 대해서 연구
5. 서버리스 기반 블록체인 연산 모델을 설계하고, 공급체인에서 활용하기 위한 블록체인 플랫폼의 데이터 모델과 비즈니스 로직 검증 방법을 연구
6. Fog 컴퓨팅 환경에서 마이크로서비스의 지연시간과 자원 사용량을 최적화하기 위한 스케줄링 알고리즘을 개발하고 성능을 평가
7. GPC 기반의 마스터 데이터 표현 기술 개발 및 GS1 이벤트 정보와 GPC 기반 마스터 데이터의 동적 융합 기술 연구

￭ 4년차
• 목표
1. 글로벌 사물인터넷 정보 표현 언어를 학습하여, 스마트팜과 푸드서비스 분야의 핵심 문제를 풀 수 있는 딥러닝 아키텍쳐 및 알고리즘 기반 기술 연구
2. 스마트팜과 푸드서비스 빅데이터의 통계, 서비스 흐름, 새로운 정보 등을 자동으로 찾아서 분석해서 보여주는 시각화 기술 연구
• 내용
1. 스마트 축사 환경에 적용가능한 자동 개체 관리 시스템을 위한 딥러닝 기반 자세 예측 모델 구축 및 모니터링 서비스 적용 가능성 검토 연구
2. 단일 인코딩 정보의 제한된 서비스 방식을 개선한 GS1 기반 글로벌 표준 범용 맵핑 어플리케이션 GS1 Genie와 GS1 Digital Link를 개발하여 보다 향상된 접근성을 제공함
3. EU의 최종 테스트베드인 벨기에 ILVO 농축수산연구소에 개발된 Oliot-MG, Oliot EPCIS 등을 구축 실험하여, 성능 및 우수성 검증완료

□ 연구개발성과
글로벌한 스마트팜 및 푸드 서비스 생태계구축을 위한 유럽 및 한국의 IoT 오픈 플랫폼 표준 및 아키텍처를 설계하였다. Oliot EPCIS를 활용한 기술 및 서비스 검증을 위한 국내 완주로컬푸드 및 국외 ILVO 테스트베드를 구축하였다. 또한, 플랫폼간의 시맨틱 호환을 위해 스마트팜 및 푸드 서비스의 정밀 프로세스 분석을 통해 사물 식별 및 프로세스 표현 어휘를 개발하는 글로벌 사물인터넷 정보표현 언어 기술을 연구하였다. GS1 글로벌 표준을 통해 정의된 농축산물 식별체계 확립, 효율적인 농수산식품 이력추적 시스템을 개발하였으며, ILVO EPCIS 인터페이스 호환을 위한 Oliot-MG를 개발하여 데이터 모델에 대한 시너지를 강화시켰다. 정의된 정보 표현 언어를 학습하여 스마트팜 푸드서비스 분야의 핵심 문제를 해결할 수 있는 딥러닝 아키텍처 및 알고리즘을 다각도에서 연구하였다. 스마트팜과 푸드 서비스 빅데이터의 신뢰성 확보를 위한 국제 표준 기반 블록체인 기술과 블록체인의 트랜잭션 유효성 검증 연구를 통한 성능향상 기술 연구, 사용자 친화적인 유연한 데이터 인코딩 정보 제공을 위한 GS1 Genie, GS1 Digital Link 기술을 연구하였다.

□ 연구개발성과 활용계획 및 기대 효과
본 연구과제를 통해 개발된 기술들은 국내/외 테스트베드를 통해 검증되었으며 스마트팜 및 푸드서비스 시장에 직접 투입하여 상호 운용성 및 확장 가능성을 넓히는데 일조할 수 있다. 갈수록 높아지는 글로벌 FTA의 농식품 안전에 대한 요구를 만족시키기 위한 이력추적 시스템을 구축할 수 있으며, 다양한 센서 데이터를 이용해 수집된 비정제 데이터로부터 의미있는 정보를 추출할 수 있는 딥러닝 기반 서비스들을 통해 스마트팜 및 푸드서비스 생태계를 구축할 수 있다. 개발된 인공지능 기술들은 농식품 분야 뿐이 아닌 스마트시티, 스마트팩토리, 헬스케어, 교량 안전 관리 등의 다양한 산업군에 영향력을 미칠 수 있는 핵심 기술들이다. IoF2020를 통해 개발 및 검증된 기술들은 국제적 스마트 농업 시장을 선도하는 밑거름이 될 것이다.

(출처 : 요약문 3p)

목차 Contents

표지 ... 1
참여연구진 ... 2
요약문 ... 3
목차 ... 6
표목차 ... 7
그림목차 ... 7
1. 연구개발과제의 개요 ... 14
1-1. 연구개발과제의 개요 ... 14
1-2. 연구개발의 중요성 ... 15
1-3. 연구개발 대상의 국내·외 연구현황 ... 16
1-4. EU H2020 IoF2020 프로젝트 개요 ... 24
2. 연구개발과제의 수행 과정 및 수행내용 ... 31
가. 글로벌한 스마트팜 및 푸드서비스 생태계 구축을 위한 유럽과 한국의 IoT 오픈 플랫폼 표준 및 아키텍쳐 설계 그리고 기술 검증과 서비스를 위한 통합 테스트 베드 구축 ... 31
가) IoF2020 스마트 농업 통합 아키텍쳐 운영을 위한 표준 개발 및 통합 테스트 베드 구축을 위한 GS1/Oliot EPCIS 개발 및 성능 향상 ... 31
나) 테스트베드 및 글로벌 서비스에 사용될 GS1 기반 스마트 농업 아키텍처에 필요한 요구사항을 파악하여 GS1/Oliot 하부 컴포넌트인 전역 발견 서비스의 성능 향상 기술 ... 50
다) IoF2020 스마트 농업 통합 아키텍처 설계 및 Oliot 테스트베드 검증, 글로벌 푸드 서비스 연동 ... 57
라) 국내 및 국제표준화 성과 ... 70
나. 시맨틱 호환을 위해, 스마트팜 및 푸드서비스의 정밀 프로세스 분석을 통해 사물 식별 및 프로세스 표현 어휘를 개발하는 글로벌 사물인터넷 정보 표현 언어 기술 연구 ... 75
가) 스마트팜 프로세스 분석에 따른 개방형 표준 적용 방법 연구 ... 75
나) 농축산 식품 메타데이터를 GS1 Source를 통해 운용하는 방법 ... 91
다) 농축산 식품의 서비스 디스커버리 구조의 구축을 위한 ONS(Object Name Service) 표준 확장 방법 ... 97
다. 글로벌 사물인터넷 정보 표현 언어를 학습하여, 스마트팜과 푸드서비스 분야의 핵심 문제를 풀 수 있는 딥러닝 아키텍쳐 및 알고리즘 기반 기술 연구 ... 173
가) GS1 표준 코드를 입력 데이터로 받아 분석을 수행하는 딥러닝 모델 설계하고 원본 데이터(이미지, 시계열)의 분석을 통합 지원하는 딥러닝 기술 연구 ... 173
나) GS1 표준 데이터 분석을 지원하는 딥러닝 모델의 효율성 증진 및 도메인 확장 연구 ... 191
라. 스마트팜과 푸드서비스 빅데이터의 통계, 서비스 흐름, 새로운 정보등을 자동으로 찾아서 분석해서 보여주는 시각화 기술 연구 ... 243
가) 전역 발견 서비스(ONS) 접근을 통한 연관 푸드 서비스 제공 User Experience (UX) ... 243
나) 서버리스 기반 블록체인 실행 모델 및 EPCIS 데이터 표준 기반 블록체인 연구 ... 247
다) 분산 컴퓨팅 자원들로 구성된 Fog Computing 환경에서 EPCIS 빅데이터 마이크로서비스의 지연시간과 자원 사용량을 최적화하는 자원 스케쥴링 알고리즘 개발 ... 253
3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 262
3-1. 정성적 연구개발성과 ... 262
3-2. 정량적 연구개발성과 ... 268
3-3. 세부 정량적 연구개발성과 ... 269
3-4. 계획하지 않은 성과 및 관련 분야 기여사항 ... 280
3-5. 목표 달성 수준 ... 282
4. 연구개발성과의 관련 분야에 대한 기여 정도 ... 283
4-1. 국내외 기술 개발 현황에서 차지하는 위치 ... 283
4-2. 연구성과의 우월성 ... 285
4-3. 연구의 기여 성과 ... 286
4-4. 연구 활용 방안 ... 287
5. 연구개발성과의 관리 및 활용 계획 ... 289
끝페이지 ... 290

표/그림 (220)

표 GS1 국제표준 Oliot 오픈소스 프로젝트 웹페이지
표 GNSS 기반 컨테이너 추적 서비스
표 IoF2020의 전체 개념을 나타내는 구조도
표 Work Package (WP) 구성 및 상호작용 개념도
표 IoF2020내의 본 연구 기관의 목표 및 역할
표 글로벌 스마트 농업 오픈 플랫폼 생태계
표 물류 관리 분야에서 사용 되는 표준 어휘 예시
표 기계학습 기반 스마트팜 데이터의 푸드서비스 활용
표 EPCIS 기반 이력추적 관리체계의 개념
표 이력추적 관리/공유체계 구조
표 이력추적 데이터의 분류
표 농산물 생산 – 유통 – 소비 프로세스
표 농산물 이력추적 예시에 사용된 코드
표 생산단계 EPCIS EVENT
표 운송단계 EPCIS EVENT
표 가공단계 EPCIS EVENT
표 경매단계 EPCIS EVENT
표 판매단계 EPCIS EVENT
표 축산물 생산 – 유통 – 소비 프로세스
표 축산물 이력추적 예시에 사용된 코드
표 생산단계 EPCIS EVENT
표 도축/가공 단계 EPCIS EVENT
표 경매단계 EPCIS EVENT
표 판매단계 EPCIS EVENT
표 올리옷 정보서비스 시스템 아키텍쳐
표 EPCIS 이벤트의 도큐먼트 기반 모델링
표 EPCIS 이벤트의 도큐먼트 기반 모델링
표 EPCIS 이벤트의 도큐먼트 기반 모델링
표 Global Discovery Service 개요
표 Inter-DS로서 ONS의 개요
표 Inter-DS의 데이터 분할 및 로드 균형
표 Intra-DS의 개요
표 Intra-DS의 2 계층 스토리지 구조
표 로드 균형에 따른 성능 평가 결과
표 데이터 분할에 따른 성능 평가 결과
표 Intra-DS의 검색 성능 평가 결과
표 Oliot EPCIS 아키텍쳐
표 서버리스 컴퓨팅 프레임워크 비교표
표 EPCIS 튜토리얼 홈페이지
표 국내 GS1 표준 농산업 이력 체계 테스트베드 구축 (완주 로컬푸드)
표 모바일 영농기록장
표 기획생산 지원 시스템
표 기계학습 기반 스마트팜 데이터의 푸드서비스 활용
표 Collaboration between KAIST and ILVO
표 ILVO Farm for IoF2020 test bed
표 Some Pictures from ILVO farm
표 Data Source
표 RFID based feeding station
표 RFID attached to each pig
표 Electronic Feeding System(EPS)
표 Pig Wise RFID drinking system
표 Environmental Sensors
표 Weighing scale
표 EPCIS Events Related to Growth
표 Slaughter Event
표 Master data from ILVO Farming
표 스마트 농업 관련 TTA 표준 제안서
표 EPCIS 2.0 및 CBV 2.0 국제표준 성과 목록
표 EPCIS 2.0 및 CBV 2.0 국제표준 제안서
표 IoF 2020 프로젝트 관련 참여 컨퍼런스 및 미팅
표 IoF 2020 프로젝트 관련 참여 텔레컨퍼런스(원격)
표 농축산물에 대한 GTIN, LGTIN, SGTIN 부여 개념 예시도
표 농축산 비즈니스 공간 식별자의 계층적 부여 예시도
표 농축산 비즈니스 자산 식별자의 계층적 부여 예시도
표 농가 등록을 위한 마스터 데이터
표 농축산물 재배 및 레이블링 시 발생하는 이벤트 – Object Event 1
표 POS 판매/환불 트랜잭션 시 발생하는 이벤트 – Transaction Event 1
표 FQDN 질의 생성 과정
표 NAPTR 리소스 레코드의 구성 요소
표 농축산 식품 특징 및 유형에 따른 Service 구분
표 농축산 식품 특징 및 유형에 따른 Service 필드의 Service URL 포맷 표준 정의
표 ServiceType 구조
표 ServiceType.xml 예시
표 농축산 식품 특징 및 유형에 따른 ServiceType.xml의 ServiceTypeIdentifier, Extends 포맷 표준 정의
표 시간적 데이터 예시와 시간적 그래프 예시
표 상한 소고기 재료의 확산 과정
표 ChronoGraph의 사물 추적 그래프 적용 예시
표 tBFS의 작동 원리
표 ChronoGraph 플랫폼 구조
표 Property 그래프 모델
표 그래프를 위한 핵심 인터페이스
표 시간적 그래프 예시
표 순회 단계인 out 예시
표 그래프를 위한 핵심 순회 step들
표 순회 언어 상태로 표현한 tBFS 코드
표 in-memory ChronoGraph를 위한 시간적 데이터 저장
표 지속적인 ChronoGraph를 위한 시간적 데이터 저장
표 사물 추적 그래프
표 transformation 질의 코드와 결과
표 aggregation 질의 코드와 결과
표 FIWARE 개체
표 Transparency 아키텍처
표 온톨로지 예시
표 돼지고기 관련 이벤트 흐름 모델
표 돼지고기 관련 이벤트 flow 모델 설명
표 ID 계층 구조
표 FIWARE EPCIS 중재 게이트웨이
표 Interoperability between NGSI- and EPCIS-based systems
표 NGSI-LD Core Meta-Model and the Cross-Domain Ontology(adapted from [30]). The Meta-Model is organized of Entity, Relationship, and Property, as shown in the middle. At the bottom, Location and Temporal Entities are depicts as an example of cross-domain ontology
표 EPCIS Data Model architecture which shows Event data and Master data (standard and user defined vocabularies)
표 Testbed setup
표 Pig Farming NGSI data model
표 Pig Event Flow Model
표 Overall Data Mediation Process
표 Experiment Environment Setting
표 Experimental Setups
표 TPS performance result
표 MTT performance result
표 Pig supply chain
표 Mediation Gateway Dashboard
표 Event Mdoel for Animal Farming
표 Entity Model for Animal Farming
표 Current Implementation Status
표 Stakeholders meeting
표 Partner Event
표 Field visiting during stake holder meeting
표 EPCIS 이벤트 데이터 예시
표 GS1 Translator 아키텍처
표 EPCIS XML 데이터의 파싱 예
표 4Q – XML Element 매핑 표
표 Extractor – Aggregation Event
표 Extractor – Object Event
표 Extractor – Transaction Event
표 Extractor – Transformation Event
표 Sentence Generator – Aggregation Event
표 Sentence Generator – Object Event
표 Sentence Generator – Transaction Event
표 Sentence Generator – Transformation Event
표 Reconstructed phase spaces of Lorenz and Rossler attractors with time delay=1
표 RECONSTRUCTED PHASE SPACES OF LORENZ AND ROSSLER ATTRACTORS WITH TIME DELAY=100
표 RECONSTRUCTED PHASE SPACES OF LORENZ AND ROSSLER ATTRACTORS WITH TIME DELAY=10
표 Comparison between PCA and ICA
표 NRMSE results of different combinations of regression and dimensionality reduction models (A result with gray background color denotes the smallest NRMSE result among all dimensionality reduction models for a specific regression model in a specific dataset, while a result in bold and blue colored text denotes the smallest NRMSE result among all regression models for a specific dimensionality reduction model in a specific dataset. The red rectangles highlight the smallest NRMSE results for the five datasets.)
표 한식 이미지 데이터베이스 분류
표 한식 이미지 분류 실험 구성도
표 Training-set Loss 그래프
표 Validation-set Loss 그래프
표 Top-1/Top-5 정확도 및 epoch
표 기존 음식 이미지 데이터베이스 분류 결과와 비교
표 Barcode Examples
표 Difference between existing and targeted capabilities: Left-mobile apps reading barcodes require a very clean framed input, Right-barcodes in the wild should be captured without the user intervention
표 Variety of real-life tough codes
표 Tracking each vase of flower with barcode tag, cameras on the top or botton of farmhouse would collabrating in detect and determine flower status
표 One the same rack or the same cell, we might take a few minutes to pick up the correct product we actually need to pick. Better barcode localizer could improve this
표 Left is the original model from Ian, Right is our proposed model. In the labels, _l means encoded on the left side of the barcode, _r means encoded on the right side of the barcode, _o means odd parity, _e means even
표 Proposed model architecture
표 Synthesize conditions
표 Catastrophic forgetting in captioning when adding a new class person
표 ContCap: A scalable framework for continual image captioning
표 Drones fly over crops and make 3D maps
표 A description of crop fire
표 A warehouse of grains
표 Logistics in agriculture
표 Agricultural products to consumers in markets
표 Continual image captioning for agricultural tracking
표 Freezing a component of the fine-tuned model while the remaining component is trainable
표 Freezing a component of the fine-tuned model while the remaining component is trainable
표 Segmentation ground truth as input of CFD
표 CFD working on ResNet-50 that includes 5 convolutional blocks
표 Two-head network for dissecting catastrophic forgetting.
표 Performance when 5 classes arrive sequentially on past tasks and newly added tasks
표 Human Pose Estimation on Farm
표 Movement diagnostics
표 Advanced driver-assistance systems(ADAS)
표 Human pose skeleton tracking based on the action
표 Animal pose estimation
표 Classical approach for human pose estimation
표 Cascade of pose estimation
표 Deep approach using heatmaps
표 Example of occluded keypoints
표 Simple baseline for human pose estimation
표 Multi-resolution heatmap learning. We propose two architectures for generating the heatmaps at each resolution of the deconvolutional layers. (a) The lowest-resolution heatmaps are upsampled and then combined with the higher-resolution heatmaps. (b) The heatmaps at each resolution are individually learned and then combined at the end. The residual block halves the resolution of the input. The deconvolutional layer doubles the resolution of the input
표 Multi-resolution feature map learning. We propose two architectures for learning the features at each resolution of the residual blocks. (a) The number of output channels of deconvolutional layers is kept unchanged. (b) The number of output channels is different among the deconvolutional layers. The highest-resolution heatmaps are obtained from the feature maps at each resolution of the feature extractor. Notations in multi-resolution heatmap learning are also used here. The residual block halves the resolution of the input. The deconvolutional layer doubles the resolution of the input
표 Comparisons on COCO val2017 dataset. OHKM means Online Hard Keypoints Mining. Pretrain means the backbone is pre-trained on the ImageNet classification task
표 Comparisons on COCO test-dev dataset
표 Comparisons on MPII dataset (PCKh@0.5). (50), (101), and (152) means the ResNet-50, ResNet-101, or ResNet152 backbone is used, respectively
표 PCKh@0.5 score of SimpleBaseline and our models on MPII dataset
표 Qualitative results of our MRFeaNet1152 on MPII test set. Each prediction has 16 heatmaps corresponding to 16 human keypoints. From left to right, top to bottom, these 16 keypoints are right ankle, right knee, right hip, left hip, left knee, left ankle, pelvis, thorax, upper neck, head top, right wrist, right elbow, right shoulder, left shoulder, left elbow, and left wrist
표 Architecture Overview
표 An unrolled Recurrent Neural Network
표 LSTM cell
표 Long Short-Term Memory Encoder-Decoder
표 Daily Host load of a single machine (id 563849022) in Google load traces
표 Accuracy results of 1, 2, and 3 layers of LSTM for 1000 hosts randomly selected from the Google dataset – MSSE results (left) and MSE results (Right)
표 MSSE results comparison among different methods - Between our method and four others (left) and between our method and LSTM (right)
표 MSE results comparison between our method and Autoencoder+ESN and LSTM
표 일반 User와 GS1 Genie User의 ONS 이용 방법 비교
표 GS1 Genie Application Flow Chart
표 GS1 Genie에서 GS1 Code의 Bluetooth, WiFi 인코딩 처리 방법
표 GS1 Genie 어플리케이션 동작 화면
표 GS1 Digital Link Web Page Flow Chart
표 GS1 Digital Link에서 언어 설정에 따른 화면 변화
표 GS1 Digital Link 언어 설정(왼쪽) 및 설정 언어 서비스가 없는 경우(오른쪽)
표 서버리스 기반 블록체인 off-chain 연산 실행 시스템 아키텍처
표 그래프 기반 검증 모델을 포함하는 블록체인 플랫폼 아키텍처
표 트랜잭션 예시
표 그래프 생성 규칙
표 그래프 기반 검증 흐름
표 시스템 실행 아키텍처 구체화
표 Anomaly detector (AD) 포함 및 미포함 시 지연시간 비교
표 TOSCA Orchestration Template 예시
표 Fog 컴퓨팅 환경 예시
표 Fog Scheduler 개념과 필요 시나리오
표 스케쥴링 프레임워크 구조
표 MDC 결정 알고리즘
표 BFS-MCCFC 알고리즘
표 BFS-MCCFC 알고리즘 동작
표 HSAFGA 알고리즘
표 HSAFGA의 Genetic Algorithm
표 시간별 컴퓨팅 사용량 변화
표 시간별 COMM-COST 변화
표 평균 자원 할당 Ratio
표 전세계 Oliot 사용 통계 현황
표 GS1 국제 표준 현황 및 GS1의 역할
표 Auto-ID labs, KAIST의 Oliot 프로젝트 사용 현황과 구조도
표 Oliot-MG를 소개하는 FIWARE 공식 보도자료 일부 발췌본 출처 : https://www.fiware.org/news/interoperability-of-fiware-and-gs1-standards-boosts-innovation-in-the-iotspace/
표 돼지 사육에 Oliot-MG 실사용 사례 출처 : https://magazin.gs1-germany.de/maerkte/interoperabilitaet-von-standards-im-iot-umfeld-vorangetrieben/
표 완주로컬푸드에 적용한 국내 테스트베드 기사화 출처: https://www.etnews.com/20180403000333?mc=cp_002_00010
표 GS1 genie 어플리케이션
표 GDST그룹과 국제 공동 연구 협력체계 구축

과제명(ProjectTitle) :	-
연구책임자(Manager) :	-
과제기간(DetailSeriesProject) :	-
총연구비 (DetailSeriesProject) :	-
키워드(keyword) :	-
과제수행기간(LeadAgency) :	-
연구목표(Goal) :	-
연구내용(Abstract) :	-
기대효과(Effect) :	-

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 제목(한글), 저자명(한글), 발행일자, 전자원문, 초록(한글), 초록(영문) 관리번호, 제목(한글), 제목(영문), 저자명(한글), 저자명(영문), 주관연구기관(한글), 주관연구기관(영문), 발행일자, 총페이지수, 주관부처명, 과제시작일, 보고서번호, 과제종료일, 주제분류, 키워드(한글), 전자원문, 키워드(영문), 입수제어번호, 초록(한글), 초록(영문), 목차
저장형식	Text(ASCII format) Excel format
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

IoF2020 : IoT 개방형 표준 및 아키텍쳐를 통한 글로벌 농식품 비즈니스 통합 에코시스템 개발
Development of global ecosystem for Internet of Food and Farm through IoT open standard and architecture 원문보기

초록 ▼

목차 Contents

표/그림 (220)

표/그림 (220)

연구자의 다른 보고서 :

참고문헌 (25)

연구과제 타임라인

관련 콘텐츠

원문 보기

이 보고서와 함께 이용한 콘텐츠

연관된 기능

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

IoF2020 : IoT 개방형 표준 및 아키텍쳐를 통한 글로벌 농식품 비즈니스 통합 에코시스템 개발 Development of global ecosystem for Internet of Food and Farm through IoT open standard and architecture 원문보기

초록 ▼

목차 Contents

표/그림 (220) 모든 표/그림 보기

표/그림 (220) 슬라이드로 보기

연구자의 다른 보고서 :

김대영 (21) 김상태 (9) 윤원득 (4) 한지용 (1) 전태준 (1) 임장관 (1) 허세현 (3) 권기웅 (3) 변재욱 (4) 김동수 (47)

참고문헌 (25)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

이 보고서와 함께 이용한 콘텐츠

연관된 기능

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

IoF2020 : IoT 개방형 표준 및 아키텍쳐를 통한 글로벌 농식품 비즈니스 통합 에코시스템 개발
Development of global ecosystem for Internet of Food and Farm through IoT open standard and architecture 원문보기

표/그림 (220)

표/그림 (220)