-
- 고종환 교수 연구팀 노다니엘, 이승진 석사과정, 2020 AI 그랜드챌린지 우승
- 인공지능학과의 노다니엘, 이승진 석사과정 학생이 포함된 고종환 교수 연구팀 (IRIS 연구실)정보통신대학 고종환 교수 연구팀 (IRIS 연구실)이 지난해 12월에 열린 과기정통부 주관 ‘2020 인공지능 R&D 그랜드 챌린지’의 2단계 대회에서 우승을 차지하여 과학기술정보통신부 장관상과 함께 후속연구비 7억원을 지원받게 되었다. 인공지능 R&D 그랜드 챌린지는 제시된 대형 도전과제를 해결하는 알고리즘을 개발하여 경쟁하고 우수팀에 후속 연구비를 지원하는 R&D 경진대회로, 2019년 1단계 대회를 시작으로 2022년까지 4단계 대회로 진행된다. 고종환 교수 연구팀은 드론의 소음 속에서 사람의 구조요청의 발원 방향을 추정하는 ‘음향인지 트랙’에 출전하여 높은 점수로 1위를 차지하였으며, 2019년 1단계 대회에서 3위에 입상한 데 이어 2단계 대회에서 우승함으로써, 멀티미디어 기반 딥러닝 기술에 대한 연구팀의 기술력을 인정받게 되었다.
-
- 작성일 2021-01-04
- 조회수 1496
-
- 우사이먼 교수 연구실 이한빈, 강준형 석사과정 “IITP 인공지능 그랜드 챌린지 4차 2단계 대회”에서 3위 수상
- 인공지능학과 이한빈, 강준형 석사과정 학생이 포함된 우사이먼 교수 연구실 (DASH연구실)은 2단계 대회에서 Track1(행동인지) 부분 3위를 수상하였다. ‘인공지능 그랜드 챌린지’대회는 제시된 문제를 해결하기 위해 참가자들이 개발한 알고리즘을 가지고 실력을 겨루는 도전·경쟁형 연구개발(R&D) 경진대회이다. ‘인공지능 기술을 활용하여 다양한 지역문제를 해결하라’는 주제로 진행되는 이번 ‘2020 인공지능 그랜드 챌린지’ 대회는 인공지능 기술을 활용하여 각종 응급상황(행동인지), 폭력상황(음성인지), 생활폐기물 분류(사물인지), 인공지능 최적·경량화를 통한 전력소비량 감소 등 4개 트랙으로 ’22년까지 3년간 총 4단계로 진행되며 인공지능기술을 통해 편리하고 안전한 생활환경 조성을 목표로 추진된다. 2단계 대회는 지난 7월에 개최된 1단계 대회보다 높은 난이도의 문제를 해결하는 과제가 제시되었다. 이번 대회 역시 온라인으로 추진되었으며 주어진 목표를 가장 잘 해결하는 트랙 별 상위 3개 팀을 선발하여 팀 별로 3단계 대회를 준비할 수 있는 후속 연구비(총 80억 원)를 차등 지원 받는다. (1위: 7.66억원, 2위: 6.67억원, 3위: 5.67억원)
-
- 작성일 2020-12-21
- 조회수 1873
-
- 성균관대 인공지능학과 <2020 대한민국 인공지능대상> 특별 부문 수상
- 대한민국 인공지능대상은 IT조선이 주최하고, 과기정통부·한국정보화진흥원·정보통신산업진흥원이 후원한다. 네이버가 과기정통부 장관상 수상 영광을 얻었다. 마크비전과 앱테스트에이아이가 한국정보화진흥원장상, 머니브레인과 인터마인즈는 정보통신산업진흥원장상을 수상했다. 국민은행(금융·이하 부문), 기아자동차·메가존클라우드(디지털전환), 쿠팡(유통), AI원팀(AI교육), LG CNS(SI), SK텔레콤(통신) 등이 부문별 대상을 수상했다. 이밖에 성균관대는 대학부문 특별상, 유아이패스와 한국주니퍼네트웍스가 외국기업 특별상을 받았다. 심사위원장을 맡은 김영환 인공지능연구원장(KAIST 교수)은 "특정 서비스에 쏠림 없이 다양한 분야에서 AI기술이 활용되고 있는 것을 확인했다"며 "AI대상이 국가 경쟁력 향상에 크게 기여할 것으로 기대된다"고 말했다. 대한민국 인공지능대상은 지난해에 이어 올해 2번째로 개최했다. 우리나라가 AI강국으로 도약하기 위해 언론사 최초로 제정했다. 관련기사 http://it.chosun.com/site/data/html_dir/2020/11/19/2020111901728.html http://it.chosun.com/site/data/html_dir/2020/11/19/2020111902796.html
-
- 작성일 2020-11-19
- 조회수 1340
-
- 김유성 교수 연구실/ 스펙트럼 챌린지 대회 1등 수상
- 김유성 교수 연구실, 스펙트럼 챌린지 대회 1등 수상 한국전자통신연구원(ETRI)에서 국내 대학과 중소기업 연구소 연구팀을 대상으로 우수 전파이용 기술을 선발하기 위한 '2단계 스펙트럼 챌린지 대회'에서 김유성교수 연구실 CSI Lab (Computer Systems and Intelligence Lab)팀 ( 박사과정 정신기, 채근홍학생)이 1위를 수상했다. 올해 대회는 차세대 와이파이/ NR-U (New Radio Unlicensed)와 마이크로웨이브 간 전파 간섭 해결을 주제로 열렸다. 기존 5GHz 대역에 이어 6GHz대역이 신규 비면허 용도로 확대/공급되며 차세대 와이파이와 5G NR-U기술, 방송전송/통신용 마이크로웨이브 등이 주파수를 선택적,효율적으로 공동 사용하는 기술에 대해 산업계 관심이 높다. ETRI는 대회 우수팀이 핵심기술을 국내 연구기관과 공동연구로 개발하도록 지원한다는 목표다. 수상팀은 연구비 1억원이 지원되며, 내년 3단계 스펙트럼 챌린지 본선대회 출전권이 부여된다. 관련링크: https://www.etnews.com/20201111000067 김유성 | yskim525@skku.edu | CSI Lab (Computer Systems and Intelligence Lab) | http://csi.skku.edu
-
- 작성일 2020-11-12
- 조회수 1190
-
- 박현진 교수 연구실 정승완 석사과정, Korea Health Datathon 2020 2위 입상
- 정보통신대학 박현진 교수 연구팀(오영택 전자전기컴퓨터학과 석박사통합과정, 정승완 인공지능학과 석사과정, 최형신 전자전기컴퓨터학과 석사과정)은 NCP(Naver Cloud Platform)가 주최한 ‘Korea Health Datathon 2020’ 유방암 병리 이미지 분류 모델 개발 부문에서 2위(팀명 네카라뷰루)를 차지했다고 밝혔다. NCP의 고성능 클라우드 인프라상에서 운영되며 네이버의 클라우드 머신러닝 플랫폼인 NSML(Naver Smart Machine Learning) 환경에서 양성과 악성으로 구성된 유방암 병리 이미지들을 효율적으로 분류하는 딥러닝 모델을 개발해 내는 기술을 겨루는 대회이다. KHD 2020는 과학기술정보통신부의 ‘2020 AI 학습용 데이터 구축’ 사업의 일환으로 열렸다. NCP가 주최하는 이번 행사를 통해 구축된 학습용 의료 영상 데이터는 실제로 구현 가능한 인공지능 학습 모델을 기획하고 개발하는데 활용된다. 건양대학교병원과 국립암센터, 건양대학교 의료인공지능학과가 주관하고, 한국정보화진흥원과 대전광역시, 대한의료정보학회 등이 후원한다.
-
- 작성일 2020-11-02
- 조회수 1137
-
- 고종환 교수 연구실 이주찬 석박통합과정, ECCV 드론 촬영 영상 인식 국제대회 1위
- 정보통신대학 고종환 교수 연구팀(이주찬 석박사통합과정, 유정엽 석사과정)은 한국항공우주연구원과 한 팀(팀명 DroneEye 2020)으로 참가한 ‘2020년 VisDrone Challenge' 객체 탐지 부문에서 1위를 차지했다고 밝혔다. 인공지능(AI) 분야 최고 권위 학회인 ICCV 및 ECCV가 2018년부터 매년 개최하는 VisDrone Challenge는 인공지능을 활용해 드론이 촬영한 영상에서 사람이나 자동차 등 객체를 탐지해 내는 기술을 겨루는 대회이다. 이번 대회에는 미국 노스캐롤라이나대학, 독일 프라운호퍼 연구소, 중국과학기술대 등 세계 36개 팀이 참가했으며, 고종환 교수 연구팀은 드론의 비행 고도에 따라 변화하는 지상의 사람이나 자동차 등을 다중으로 인식해 내는 기술로 1위를 차지했다. 고종환 교수 연구팀은 2019년, 2020년 AI R&D 그랜드챌린지 대회에서도 audio 인식과 image 인식 트랙에서 각각 입상한 바 있으며, 금번 VisDrone Challenge에서는 video 인식 분야에서 1위를 수상함으로써, 다양한 멀티미디어 기반 AI 기술에 대한 연구팀의 기술력을 인정받았다.
-
- 작성일 2020-10-07
- 조회수 1300
-
- 고종환 교수 연구실 정성문 석박통합, 정성혜 석사과정, AI 그랜드챌린지 2위 입상
- 인공지능학과의 정성문 석박통합과정 학생과 정성혜 석사과정 학생이 포함된 고종환 교수 연구팀 (IRIS 연구실)이 지난 7월 말 온라인으로 개최된 과기정통부 주관 ‘2020 인공지능 R&D 그랜드 챌린지’에서 사물인지 트랙의 수십 개 참가팀 중 2위로 입상하였다. 특히 해당 연구팀은 2019년 대회에서도 3위에 입상하여 후속연구비 8억 원을 지원받은 이후 2년 연속으로 입상하는 기록을 세웠으며, 작년의 음향인지 트랙에 이어 올해에는 영상 기반 사물인지 트랙에서 입상하여 음성과 영상 기반 AI 기술에 대한 연구팀의 기술력을 인정받게 되었다. 인공지능 R&D 그랜드 챌린지는 제시된 도전과제를 해결하는 알고리즘을 개발하여 경쟁하고 우수팀에 후속연구비를 지원하는 도전·경쟁형 R&D 경진대회로, 올해 열린 4차 대회는 ‘인공지능 기술을 활용하여 다양한 지역문제를 해결하라’는 주제로 ’22년까지 총 4단계로 진행된다. 이번 대회에 입상한 팀에게는 올해 말까지 후속연구비 2억 원이 지원되며, 11월에 개최될 2단계 대회를 준비하게 된다.
-
- 작성일 2020-08-25
- 조회수 2542
-
- 허재필 교수 연구실, 현상익 석사과정 ECCV 2020 국제 학술대회 논문 게재
- 비주얼컴퓨팅 연구실 현상익 학우(인공지능학과 석사과정 1년차, 지도교수 허재필)가 European Conference on Computer Vision (ECCV) 2020에 “VarSR: Variational Super-Resolution Network for Very Low Resolution Images” 논문을 게재하였습니다. ECCV는 컴퓨터 비전분야의 top-tier 학술대회이며, 본 논문은 현상익 학우가 학부연구생 때 수행된 연구 결과물입니다. 본 연구에서는 극도로 낮은 해상도 이미지의 초해상도(Super-Resolution)를 수행하는 딥러닝 모델을 제시하였습니다. 기존 초해상도 기술들은 저해상도-고해상도 이미지의 1:1 deterministic한 매핑 관계를 가정하였다면, 본 논문의 VarSR Network는 하나의 저해상도 이미지가 여러 개의 고해상도 이미지에 대응될 수 있는 1:N의 매핑 관계를 모델링하여 variational한 결과를 도출하도록 설계되었습니다. 제안된 모델은 초저해상도의 얼굴, 자동차 번호판 이미지 식별 등 현실 세계의 다양한 응용분야에 활용될 수 있습니다. [논문] Sangeek Hyun and Jae-Pil Heo, “VarSR: Variational Super-Resolution Network for Very Low Resolution Images”, European Conference on Computer Vision (ECCV), 2020. Abstract: As is well known, single image super-resolution (SR) is an ill-posed problem where multiple high resolution (HR) images can be matched to one low resolution (LR) image due to the difference in their representation capabilities. Such many-to-one nature is particularly magnified when super-resolving with large upscaling factors from very low dimensional domains such as 8x8 resolution where detailed information of HR is hardly discovered. Most existing methods are optimized for deterministic generation of SR images under pre-defined objectives such as pixel-level reconstruction and thus limited to the one-to-one correspondence between LR and SR images against the nature. In this paper, we propose VarSR, Variational Super Resolution Network, that matches latent distributions of LR and HR images to recover the missing details. Specifically, we draw samples from the learned common latent distribution of LR and HR to generate diverse SR images as the many-to-one relationship. Experimental results validate that our method can produce more accurate and perceptually plausible SR images from very low resolutions compared to the deterministic techniques.
-
- 작성일 2020-08-24
- 조회수 1414