총 10개
-
한국공학대학교(한국산업기술대학교) 컴퓨터공학과 족보 영상처리2025.01.141. 디지털 영상처리 디지털 영상처리란 디지털 이미지 신호를 처리하는 기술입니다. 영상 신호를 처리하는 영역에는 화질 개선, 객체 검출 및 추적, 영상 압축 등이 있으며 이러한 기술들은 다양한 분야에 활용됩니다. 2. 컨벌루션 컨벌루션은 입력 이미지에 마스크를 적용하여 새로운 이미지를 생성하는 기술입니다. 평균 마스크를 이용한 컨벌루션을 통해 이미지의 블러링 효과를 줄 수 있습니다. 3. 히스토그램 평활화 히스토그램 평활화는 이미지의 명암 분포를 균일하게 만들어 대비를 향상시키는 기술입니다. 이를 통해 이미지의 가시성을 높일 수 있...2025.01.14
-
인공지능의 개념과 기술 그리고 활용사례2025.01.101. 인공지능의 개념 인공지능(AI)은 인간의 지능을 기계나 컴퓨터 소프트웨어로 구현하는 기술 또는 분야를 의미합니다. 즉, 인공지능은 기계가 인간의 학습, 추론, 문제해결 등의 지능적인 기능을 수행할 수 있는 능력을 가지도록 프로그래밍하거나 학습하는 컴퓨터 과학 분야입니다. 인공지능은 크게 '약한 인공지능(weak AI)'과 '강한 인공지능(Strong AI)'으로 나뉩니다. 약한 인공지능은 특정 작업이나 한정된 범위에서 인간 수준 또는 그 이상의 성능을 발휘할 수 있는 인공지능이며, 강한 인공지능은 모든 인간 지능 활동을 수행할...2025.01.10
-
AI 기반 컴퓨터 비전 기술을 활용한 의료 서비스 평준화2025.01.021. AI 기반 컴퓨터 비전 기술의 의료 적용 고령화 사회에서 건강과 의료에 대한 관심이 높아지고 있지만, 실질적으로 양질의 의료 서비스를 받기 위해서는 특정 병원에 대한 의존도가 높아지고 있습니다. 이에 컴퓨터 비전 기술을 활용하여 지역과 관계없이 동일한 진료 기준으로 질환을 판정할 수 있는 시스템을 구축하여 모두가 평등한 의료 서비스를 받을 수 있는 환경을 만드는 것이 필요합니다. 1. AI 기반 컴퓨터 비전 기술의 의료 적용 AI 기반 컴퓨터 비전 기술은 의료 분야에서 매우 유망한 기술로 주목받고 있습니다. 이 기술은 의료 영...2025.01.02
-
노이즈가 섞여있는 데이터를 어떻게 피팅할까? RANSAC (파이썬 예제 포함)2025.01.191. 데이터 노이즈 처리 데이터 분석을 할 때 노이즈가 섞여있는 데이터를 어떻게 처리할 수 있을까? 이상치 데이터를 제거하는 것은 어려울 수 있으므로, 노이즈에 강한 모델을 찾는 것이 중요하다. RANSAC 알고리즘은 무작위 샘플링과 반복적인 검증 과정을 통해 노이즈의 영향을 최소화하고 신뢰할 수 있는 모델을 찾는 방법이다. 2. RANSAC 알고리즘 RANSAC 알고리즘은 1) 무작위 샘플 선택, 2) 모델 적합, 3) 인라이어와 아웃라이어 구분, 4) 모델 평가, 5) 반복의 과정을 거친다. 이를 통해 노이즈가 많은 데이터에서도...2025.01.19
-
AI EXPO KOREA 2024 국제인공지능대전 참관 보고서2025.01.201. AI 기술 동향 및 전망 현재 AI 기술은 빠른 속도로 발전하고 있으며, 머신러닝, 딥러닝, 자연어 처리, 컴퓨터 비전 등 다양한 분야에서 혁신을 이루고 있다. 자율주행차, 스마트 시티, 헬스케어, 금융, 제조업 등 여러 산업에서 AI 기술이 활발히 적용되고 있으며, 데이터 분석, 예측 모델링, 자동화 등으로 업무 효율성을 극대화하고 있다. 향후 AI 기술은 더욱 정교해지고, 인간의 의사결정을 지원하며, 복잡한 문제를 해결하는 데 중요한 역할을 할 것으로 전망된다. 2. VidiGo VidiGo는 클라우드 기반 AI 영상 및 ...2025.01.20
-
기하의 원리를 이용한 공학 ( 기하 세특)2025.01.201. 컴퓨터 그래픽스 및 3D 모델링 3D 모델링과 렌더링은 기하학적 개념에 기반합니다. 물체의 모양, 크기, 위치 등을 수학적으로 표현하는 데 기하학이 사용됩니다. 이는 영화, 게임, 가상 현실(VR), 증강 현실(AR), 건축 시각화 등에 응용됩니다. 기하학의 원리로는 메시(mesh) 생성, 변환 행렬, 광원 및 음영 처리 등이 있습니다. 2. 기계 설계 및 CAD (Computer-Aided Design) CAD 소프트웨어는 기하학적 도형을 사용하여 기계 부품, 제품, 건축 구조 등을 설계합니다. 기하학은 제품의 형태, 조립 ...2025.01.20
-
정보통신망4A 기계학습 Machine Learning에 관하여 조사하여 설명하고 기계학습을 위해 활용될 수 있는 정보통신 기술에 관하여 서술하시오2025.01.251. 기계학습 정의 및 필요성 기계 학습은 컴퓨터 시스템이 데이터를 분석하고 패턴을 학습하여 작업을 수행할 수 있는 능력을 갖추는 것을 의미한다. 기계 학습은 데이터 마이닝이나 기타 학습 알고리즘을 사용하여 지식을 추출하고 이를 경험기반으로 삼아 비슷한 상황의 미래 사건의 결과를 예측하는 컴퓨터 프로그램이다. 기계 학습은 대량의 데이터 처리, 복잡한 패턴 인식, 자동화된 결정, 개인화된 경험 제공, 의사 결정 지원, 지능적인 시스템 구축 등의 이유로 매우 중요하다. 2. 기계학습 장점과 문제점 기계 학습의 장점으로는 패턴 인식 및 ...2025.01.25
-
LLM(대규모 언어 모형)과 LMM(대규모 멀티모달 모형)의 비교 및 딥러닝과의 관계2025.01.261. LLM(대규모 언어 모형) LLM은 주로 텍스트 데이터를 기반으로 학습된 모델로, 자연어 이해(NLU)와 자연어 생성(NLG)에 강점을 지닌다. 대표적인 예로는 OpenAI의 GPT 시리즈가 있으며, 이들은 방대한 양의 텍스트 데이터를 학습하여 인간과 유사한 수준의 텍스트 생성 능력을 보유하고 있다. LLM은 주로 챗봇, 자동 번역, 텍스트 요약, 감정 분석 등 다양한 언어 처리 작업에 활용된다. 2. LMM(대규모 멀티모달 모형) LMM은 텍스트뿐만 아니라 이미지, 음성, 비디오 등 다양한 형태의 데이터를 동시에 처리할 수 ...2025.01.26
-
인공지능(Artificial Intelligence)에 관하여 조사하여 설명하고 인공지능을 위해 활용될 수 있는 정보통신 기술에 관하여 서술하시오2025.01.251. 인공지능의 정의와 역사 인공지능(Artificial Intelligence, AI)은 인간의 지능을 모방하여 학습하고 문제를 해결하며 결정을 내리는 컴퓨터 시스템을 의미합니다. 인공지능의 역사는 1950년대 앨런 튜링(Alan Turing)의 논문 'Computing Machinery and Intelligence'에서 시작되었으며, 1956년 다트머스 회의(Dartmouth Conference)에서 인공지능이라는 용어가 처음 사용되었습니다. 2. 인공지능의 주요 기술과 접근 방법 인공지능에는 기계 학습, 심층 학습, 자연어 ...2025.01.25
-
인공지능(AI) 적용 사례 분석 - 현황, 사례, 영향도, 미래2025.01.231. 인공지능(AI) 발전 현황 2024년 현재, 인공지능(AI)은 기술적 성숙기에 접어들면서, 단순한 이론적 연구에서 다양한 실제 응용으로 빠르게 확장되고 있습니다. 초기에 AI는 데이터 처리와 자동화된 작업 수행에 주로 사용되었으나, 최근에는 생성형 AI 기술이 눈부신 성장을 이루어냈습니다. 대표적인 예로 <ChatGPT>와 <DALL-E>와 같은 모델은 대규모 자연어 처리와 이미지 생성에서 큰 발전을 보였으며, 이를 통해 콘텐츠 제작과 업무 생산성 향상에 실질적인 기여를 하고 있습니다. 2. AI 기술의 발전 단계 첫 단계로는...2025.01.23