Notice
-
공지사항
-
행사/세미나
2020 인공지능 학습용 데이터(도로환경 파노라마 이미지 AI 데이터) 온라인 해커톤 개최 안내
2020-10-30
과학기술정보통신부 산하 한국정보화진흥원에서 주관하는 '2020 인공지능 학습용 데이터 구축사업'의 일환인 '2020 인공지능 학습용 데이터 [도로환경 파노라마 이미지 AI데이터] 온라인 해커톤'이 다음과 같이 진행되오니 관심있는 학생들의 참여 바랍니다. 1) 일 시 : 2020.11.20.(금) ~ 2020.11.21.(토) 2) 방 식 : 온라인 3) 대 상 : 인공지능, 학습용데이터, 데이터 기반 비즈니스 모델 개발에 관심있는 누구나 참여 가능. (팀원 1명부터 구성가능. 최대 8개팀 선발) 4) 주 제 ① 자율주행 등을 위한 도로환경 학습용 데이터셋을 활용한 과제발굴 및 문제해결(안) 도출 ② 자율주행 등을 위한 도로환경 학습용 데이터셋을 활용하여 사업화하고 싶은 서비스 아이디어 구상 5) 활용 데이터셋 종류 ① 국내도로환경 이미지 AI < /span>학습용 데이터셋 (300만여셋) ② 도로환경 어노테이션 객체 189종 (교통안전표지판 신호등, 노면표시, 이동객체) 6) 신청기간 : 2020. 10. 21.(수) 10:00 ~ 2020. 11. 05.(목) 자정시 까지 7) 신청방법 : 이메일 접수 (팀접수) <제출처 : kskim.de@gmail.com> 8) 제출서류 : 제안서 1부, 개인정보수집이용동의서 1부.(팀장, 팀원 전원 각각 제출) ※ 제안서 및 동의서 : 파일첨부 9) 상 금 : 총 490만원 (8팀 선발, 참여팀 전원 상금 차등지급) 10) 문 의 처 : (주)위캠 김경선 이사 (010-9389-6721 / kskim.de@gmail.com ) GDS컨설팅그룹 백상구 수석연구원
-
학사
2020-2 학기 석박사 학위청구 논문 작성 및 제출 안내
2020-10-27
2020학년도 2학기 석·박사 학위청구 논문작성 및 제출 유의사항을 아래와 같이 안내합니다. [석사/박사/석박통합과정] 1.심사진행 - 지도교수 및 심사위원과 협의하여 개별발표 진행 * 학위논문은 범용 워드프로세서(한글 또는 MS-Word)를 활용하여 국문 또는 영문으로 작성해야 합니다. 첨부된 양식 중 본인에게 가장 적합한 양식을 하나만 택하여 작성하면 됩니다. 2. 논문심사 결과보고서 제출 - 결과 제출 기한 : 12.18.(금) 까지 ※ 제출 불가 시 학과 행정실로 연락 요망 - 제출서류 ① 심사결과보고서 1매 (심사위원장 작성) ② 심사 요지 (심사위원별 작성) • 상기 서류는 심사위원장 및 심사위원의 서명을 득하여 행정실로 직접 제출(N센터 4층 86418호) •심사 완료 후 작성된 심사결과보고서를 심사위원장 또는 심사 대상 학생이 제출 - 심사결과보고서의 서명은 원본 제출이 원칙이나, 코로나19로 인하여 대면이 어려운 경우 스캔본으로 제출 가능 ▷ 인쇄본 제출 (추후 자세한 공지 안내) -인쇄본 서식에 따라 작성하여 학술정보관 학위논문 제출 사이트에 온라인 제출 ※기한: 12.31.(목) - 온라인 제출 완료 후 학사지원팀에 인쇄본 제출_ 인정서에 서명 완료 ※기한:2021.01.08.(금) ※ 석박사 학위청구논문 예비심사 및 본심사 시 학생들이 심사위원들을 위해 음료 및 다과, 식사등을 준비하여 제공하는 것은 『부정청탁 및 금품등 수수의 금지에 관한 법률』 위반사례에 해당 하오며, 또한 지도교수님께서 심사위원에게 식사를 제공하는 것 또한 위반사항에 해당될 수 있으니 이점 유의하여 주시기 바랍니다.
-
행사/세미나
감정대화 분류 해커톤대회 안내
2020-10-27
<행사 개요> - 행사명 : 감정 대화 분류 MZ CEC 해커톤대회 - 주 제 : 딥러닝 기술 기반 감정 대화 분류 시스템 개발 - 모집기간 : 2020. 10. 26(월) ~ 11.8(일) - 행사기간 : 2020. 11. 9(월) ~ 20(금) * 온라인 행사 11.19~20 - 주최/주관 : 한국정보화진흥원/미디어젠 - 참가자격 : 대학(원)생, 관련분야 종사자 및 일반인(국내 거주 외국인 포함)으로 구성된 팀 - 운영 : 화상회의 솔루션을 활용한 온라인 해커톤 대회(사전교육, 멘토링, 심사) - 상금 : 대상 1팀 700만원, 최우수상 2팀 각 300만원, 우수상 2팀 각 100만원 - 홈페이지 : https://www.mzcechackathon.co.kr ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ 사무국 02-2168-9333
-
행사/세미나
2020학년도 제1차 성균PUSH포럼 개최 안내
2020-10-22
2020학년도 제1차 성균PUSH포럼 ◈ 주제: Towards Super Sapiens(수퍼사피엔스를 향하여) ◈ 일시: 2020. 10. 28.(수) 16:00 ~ 17:30 ◈ 발제자: 소프트웨어학과 추현승 교수 ◈ 참가방법: 해당링크 (https://skku-ict.webex.com/skku-ict/j.php?MTID=m5115a3230b52b4cff1423a75310c9241) 를 클릭 또는 Webex 회의룸 번호(170-314-9845) 입력하신 후 입장. ※ 입장 비밀번호: 20201028 ◈ 문의: 성균융합원행정실 박현성(031-290-5705)
Read More
News
-
인공지능학과
허재필 교수 연구실, 현상익 석사과정 ECCV 2020 국제 학술대회 논문 게재
2020-08-24
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.
Read More
