Smart Home 분야
연구분야
Smart Home 분야
손 동작인식 기반 IoT 디바이스 제어
- 연구 개요
- 인공지능기반 손동작 인식을 통한 IoT 디바이스 제어
- 연구내용 및 성과
- 카메라 앞에서 미리 학습된 손동작을 함으로써 연결되어 있는 사물(가습기, 무드등, 휴대폰 등) 제어
- 가습기를 켜줘(꺼줘) [ 1 + ON (OFF) ]
- 무드등을 켜줘(꺼줘) [ 2 + ON (OFF) ]
- 내 폰을 찾아줘 [ Phone Alarm ]
- 응용분야
- 응용분야 1 : Smart Home
- 응용분야 2 : 언어장애인을 위한 인공지능 비서
- 응용분야 3 : 게임 등의 entertainment영역
AI교육을 위한 개인 맞춤형 영상, 음성인식 스피커
- 연구 개요
- AI 교육 보조 인공지능 스피커 개발
- 연구내용 및 성과
- 인공지능과 관련된 질문에 대한 질문응답 기능
- 인공지능 전용 학습 사전 수록
- 사용자 얼굴 인식 기능 개발
- 사용자의 얼굴을 인식하여 얼굴이 인식되지 않으면 사용자에게 학습태도를 개선할 것을 요구
- 인공지능 스피커를 통한 IoT 제어 기능
- 음성명령을 통한 스탠드, 가습기 제어
- 인공지능 영상인식 스피커 모듈 : 인공지능 전용 학습사전 수록 영상인식을 통한 학습 감시모드로 효율적 학습
- IOT 모듈 제어
- 영상처리 서버 PC
- 인공지능과 관련된 질문에 대한 질문응답 기능
- 응용분야
- 기업 교육/멘토링 플랫폼 적용 가능(암묵적 지식 -> 형식적지식)
핸즈프리가 어려운 제조업에서 음성 인터페이스를 통한 정보 전달 및 획득
- 기업 교육/멘토링 플랫폼 적용 가능(암묵적 지식 -> 형식적지식)
이름도 맛도 모르는 음식 검색 서비스
- 연구 개요
- Object Detection을 통해 음식 사진을 인식하여 음식의 정보(이름, 재료, 리뷰 등)를 제공하는 서비스
- 연구내용 및 성과
- 사용자가 app으로 음식사진을 촬영하면 object detection을 통해 음식을 인식하여 해당 정보를 제공
- Client(app실행>사진촬영) > Server(client가 촬영한 이미지 수신) > Deep learning 모델(Object detection)
→ Server(Detection/Recognition 결과 > client에게 전달 > Client(음식 정보 확인)
- 서비스 순서도
- Client ↔ SERVER ↔ DATABASE
- SERVER ↔ DEEP LEARNING ← Unstructured Data(image(Crawling))
- Client(app실행>사진촬영) > Server(client가 촬영한 이미지 수신) > Deep learning 모델(Object detection)
- Deep learning 모델로 Faster R-CNN ResNet 50 proposals을 사용
- Accuracy: 이미지 전체에서 음식이 차지하는 부분이 작은 경우가 많기 때문에 정확도가 높은 모델이 필요
- Speed: 안드로이드 환경에서 detection 서비스를 구현하기 위해서는 real-time에 가까운 인식 속도가 필요
- SSD MobileNet, Faster R-CNN ResNet, VGG, Inception V3, Inception ResNet V2 등등 여러 모델을 테스트해 본 결과, 정확도와 속도의 요구사항을 모두 만족시키는 모델로 Faster R-CNN ResNet 50 proposals을 선정함
- 사용자가 app으로 음식사진을 촬영하면 object detection을 통해 음식을 인식하여 해당 정보를 제공
- 서비스 실행 결과 예시
- 응용분야
- Smart Home(냉장고 보관 재료 detection 및 레시피 추천)