46권 10호,
10월 2019
디지털 라이브러리
CPU-GPU 컨테이너 클러스터의 프로파일링을 활용한 계산응용 실행 계획 기법
http://doi.org/10.5626/JOK.2019.46.10.975
이기종 자원을 활용한 클러스터 및 클라우드 환경이 보편화되면서 자원의 활용도를 높이기 위한 자원 선택 환경이 필요하다. 응용의 실행 특성에 따라 적절한 자원 사용 패턴이 다를 수 있으므로 자원 사용에 따른 적절한 실행 계획이 필요하다. 본 논문에서는 수집한 응용 실행의 프로파일링 정보를 이용하여 CPU-GPU 컨테이너 클러스터 환경에서 응용별 GPU 노드 자원 배치율을 계산한다. 이를 통해 GPU 노드에 적합한 응용을 선택하고, 배치율이 낮은 응용은 CPU 노드에 배치함으로써 자원을 적절하게 분배한다. 또한 응용의 프로파일링 정보를 이용하여 GPU 메모리 사용을 예측하여 GPU 노드에서 실행 중인 작업의 실행 순서를 계획함으로써 수행시간이 단축할 수 있음을 증명하였다.
비휘발성 메모리 기반 블록 디바이스 드라이버 성능 향상을 위한 쓰기 감소 기법
http://doi.org/10.5626/JOK.2019.46.10.981
최근 NVRAM(Non-Volatile Memory)이 플래시 스토리지 및 DRAM과 비교하여 성능, 가격측면의 경쟁력을 갖추게 되면서 차세대 스토리지로써 새롭게 주목받고 있다. NVRAM을 스토리지로 활용하기 위해서는 기존 파일 시스템 계층 또는 블록 디바이스 계층을 개선하는 방법이 존재한다. 이 중에서도 블록 계층을 수정하는 방법은 파일 시스템 및 페이지 캐시 계층의 변경이 필요 없기 때문에 전체 시스템의 호환성 측면에서 장점을 갖는다. 그러나, 이와 같은 접근은 NVRAM을 블록 단위로 제어하기 때문에 바이트 접근이 가능한 NVRAM의 특성을 고려할 때 내구성 및 성능 측면에서 효과적이지 않다. 이에 본 논문에서는 파일 시스템을 고려하면서 블록 단위 쓰기를 최소화하는 NVRAM 블록 디바이스 드라이버를 제안한다. 제안하는 블록 쓰기 감소 기법은 파일 시스템의 구조에 따라 블록 타입을 분류하고, XOR 연산을 활용한 블록 변경량 비교 과정을 통해서 부분 쓰기를 제공한다. 제안 기법을 리눅스 커널의 NVRAM 블록 계층에 적용하여 다양한 워크로드에서 평가한 결과 기존 블록 단위 쓰기와 비교하여 쓰기량이 최대 90%까지 감소함을 확인하였다.
재설정 가능한 모션 캡쳐를 위한 부분 동작 저작
http://doi.org/10.5626/JOK.2019.46.10.989
인간의 동작 인식과 관련된 연구는 기술의 발전과 함께 여러 분야에서 진행되고 있으며, 동작인식에 관한 수요는 날로 증가하는 추세에 있다. 모션 캡쳐에서는 실제 동작과 같은 자연스러운 움직임을 구현하기 위해서는 센서 또는 카메라를 이용하여 각 신체부위의 데이터를 취득 한다. 하지만 동작 데이터를 얻기 위해 매번 센서를 사용하거나, 약간의 동작 차이로 인해 다시 측정하는 과정은 비효율적이다. 또한, 보유하고 있는 데이터를 다른 사람에게 전달하거나, 수정하여 다른 동작으로 활용하기 위해서는 여러 문제점들이 해결되어야 한다.
본 연구에서는 동작인식 관련 연구의 추세를 살펴보며, 키 프레임 애니메이션을 이용한 기존의 동작 재현 방식과 라바노테이션을 이용한 동작 기록 방식의 특징을 분석하였다. 또한, 기존 방식의 단점을 보완하는 동작 저작 방식을 제안한다. 이미지 단위로 부분 동작의 패턴을 시각화하여 기록함으로써, 동작의 의미를 포함한 채로 다른 동작으로의 재구성이 가능하다.
자율주행 차량의 기능 간 상호작용 식별 패턴
http://doi.org/10.5626/JOK.2019.46.10.1001
다양한 피처들이 복합적으로 동작하는 시스템은 피처 간 상호작용으로 인해 예상치 못한 동작을 수행할 때가 있다. 시스템 구성 요소의 의존성만을 고려한 상호작용 식별은 실제로 동시에 수행되지 않는 피처들 간에도 상호작용이 발생하는 것으로 간주하여 긍정 오류가 발생할 수 있다. 그리고 속도와 방향과 같이 연관관계로 인해 발생하는 상호작용을 고려하지 않는다. 본 연구는 시스템의 시계열 데이터를 기반으로 상호작용을 식별하기 위한 패턴을 제안한다. 사례 연구에서는 상호작용 속성을 조합하여 상호작용 종류를 분류하고, 각 상호작용을 식별하기 위한 패턴을 대응시켰으며, 자율주행 차량의 시계열 데이터를 바탕으로 상호작용 식별을 수행하였다. 자율주행 차량의 ACC, OA, LKA, EVA 피처를 대상으로 상호작용 식별 결과, 비연속적 파티션 변화 패턴과 반복적 파티션 변화 패턴을 이용하여 속도 변수와 방향 변수에서 발생한 상호작용을 식별하였으며, 파티션 상충 패턴을 이용하여 방향과 속도 변수 사이의 연관관계로 인해 발생하는 상호작용을 식별하였다.
단순화한 프레셋 거리를 이용한 적대적 생성 신경망의 모드 드롭 및 붕괴 검출 기법
http://doi.org/10.5626/JOK.2019.46.10.1012
적대적 생성 신경망은 두 개의 네트워크를 적대적으로 학습시켜 원본 데이터 분포를 추정하고, 이를 기반으로 데이터를 생성하는데 탁월한 모델이지만, 학습 도중 분포를 학습하지 못하는 모드 드롭 현상이나 하나 또는 매우 적은 분포의 샘플만을 생성하는 모드 붕괴 현상이 종종 나타난다. 이 현상을 감지하기 위해 기존 연구들은 학습 데이터를 통제하거나 별도의 신경망 모델을 학습시켜야 하는 한계점을 보였다. 이에 본 논문은 프레셋 거리를 단순화하여 추가적인 모델이나 학습 데이터의 제한 없이 모드 붕괴를 검출하는 기법을 제안한다. 다양한 실험을 통하여 제안하는 거리 척도가 기존의 적대적 생성 신경망에 적용된 척도에 비해 더욱 효과적으로 모드 드롭 및 붕괴를 검출할 수 있음을 보인다.
딥러닝 기반 스포츠 캐스팅
http://doi.org/10.5626/JOK.2019.46.10.1020
스포츠 캐스팅을 할 때는 스포츠 장면에 대한 상황 정보, 선수 정보 그리고 과거 지식을 기반으로 현재 상황에 대한 이해와 추론이 필요하다. 본 논문에서는 장면 분류 모델, 선수 검출 모델 그리고 선수의 행동 인식 모델을 학습하여 스포츠 영상에 대한 정보를 얻고 과거 데이터를 지식화 해서 저장 해놓은 온톨로지를 이용하여 현재 상황에 대한 이해와 추론을 하는 방법을 소개한다. 총 3가지 종류의 캐스팅을 생성한다. 실시간 웹 데이터로부터 지식화 하여 캐스팅을 생성하고, 13개의 장면을 분류하여 온톨로지와 결합하여 캐스팅을 생성한다. 그리고 선수의 포지션과 8개의 행동을 인식하여 온톨로지와 결합하여 캐스팅을 생성한다. 모든 데이터는 2018년 4월 1일부터 2018년 4월 14일까지 있었던 KBO 경기를 직접 labeling 하여 모델을 학습하였다.
RANSAC 알고리즘을 활용한 효율적인 사용자 관심 영역 정합 방법
http://doi.org/10.5626/JOK.2019.46.10.1025
최근 초고용량 무선 데이터 전송이 가능한 5G 기술이 등장하면서 360 VR 영상을 활용한 기술들이 주목 받고 있으며 이에 따른 이미지 정합에 대한 관심도 높아지고 있다. 본 논문에서는 RANSAC 알고리즘을 활용한 사용자 관심 영역의 매칭 알고리즘을 제안한다. 제안하는 매칭 방법은 RANSAC 알고리즘을 활용하여 사용자가 선택하는 관심 영역에 높은 가중치를 부여하여 이미지 정합을 수행하며, 특히 자연스러운 정합이 요구되는 영역에 대해 선택적으로 수행할 수 있다. 관심영역에 포함되는 대응점들에 가중치를 높게 설정하고 RANSAC 알고리즘의 샘플 선택 시 필수적으로 포함시키되, 몇 개의 특징점을 필수적으로 포함할 것인지에 따라 해당 특정 영역의 매칭 정도를 조절할 수 있다. 관심 영역 매칭 방법은 관심 영역을 설정하는 단계와 관심 영역 안의 대응점의 가중치를 높이는 단계, RANSAC 알고리즘을 활용하여 모델을 생성하고 그 모델을 사용하여 특징점의 Inlier와 Outlier를 설정하는 단계로 나뉘게 된다. 실험 결과, 선택된 관심영역의 대응점 위주로 매칭을 수행함으로써 사용자가 원하는 영역이 좀 더 현실과 유사한 결과를 얻을 수 있음을 확인하였다.
우선순위 기반 멀티태스크 프로그램의 API 호출 안전성 검증을 위한 모델 기반 오경보 식별 기법
http://doi.org/10.5626/JOK.2019.46.10.1035
멀티태스크 프로그램은 다수의 태스크가 운영체제의 스케줄링에 맞추어 번갈아 수행되는 프로그램이다. 멀티태스크 프로그램을 검증하기 위해서는 운영체제의 행위를 고려해야하며 그렇지 않을 경우 우선순위가 낮은 태스크가 먼저 실행되는 등 오경보가 발생한다. 효과적인 멀티태스크 프로그램 검증을 위해 정형 운영체제 모델을 사용한 모델 검증 방법들이 소개되었으나 이들은 프로그램을 추상화함으로 인해 오경보를 보고할 수 있다는 단점이 있다. 본 연구에서는 모델 검증 결과 보고된 반례의 오경보 여부를 식별하기 위하여 반례와 동일한 순서로 API 함수 호출을 수행하는 프로그램 실행 경로의 존재 여부를 코드검증 기법을 이용하여 확인하는 방법을 소개한다. 본 연구의 효과를 입증하기 위해 차량전장용 운영체제를 위한 테스트 프로그램과 차량전장용 창문 제어 프로그램을 검증하고 보고된 반례의 오경보 여부를 식별한 결과 73%는 오경보임을 확인하였으며 각각 평균 0.199초와 17.95초의 식별 시간이 소요되었다.
온톨로지 기반 무인기의 자율 위협 상황 인지 시스템
http://doi.org/10.5626/JOK.2019.46.10.1044
무인기의 자율적인 위협 상황 인지는 다양한 분야에서 필요한 기술이다. 이를 위해 다양한 접근 방식이 제안되었지만 대부분은 개체의 의미 정보를 추론하기 위한 방식이다. 따라서 본 연구에서는 기존 개체의 의미적 정보를 기반으로 개체 간 관계 추론을 통해 무인기의 위협 상황을 인지할 수 있는 방법을 제안한다. 본 연구에서는 크게 3가지 방법을 통해 UAV의 위협 상황을 인지한다. 첫 번째로 LOD기반 그리드 맵을 사용하여 인지된 의미적 개체의 정보를 표현한다. 두 번째로 무인기 주변 개체들에 대한 개념들을 온톨로지로 정의하고 개체 간 관계 및 상황은 SWRL로 정의한다. 세 번째로 온톨로지 추론을 통하여 개체 간 관계 및 무인기의 위협 상황을 인지하고 시뮬레이터 시스템을 구축하여 이를 시각화한다.
딥러닝을 이용한 화합물-단백질 상호작용 예측
http://doi.org/10.5626/JOK.2019.46.10.1054
화합물과 단백질 간의 상호작용을 특성화하는 것은 약물 개발 및 탐색을 위해 중요한 과정이다. 상호작용을 파악하기 위해 단백질과 화합물의 구조 데이터를 이용하지만 그 구조가 알려져 있지 않은 경우도 많으며, 많은 계산 양으로 인해 예측의 속도와 정확도도 떨어질 수 있다는 한계가 있다. 본 논문에서는 기계번역에서 사용되는 sequence-to-sequence 알고리즘과 입력벡터를 효과적으로 축소시키기 위한 오토 인코더를 결합한 모델인 S2SAE (Sequence-To-Sequence Auto-Encoder)를 이용하여 화합물-단백질 상호작용을 예측하였다. 본 논문에서 제안한 방법은 기존의 복합체를 나타내는 표현들보다 적은 수의 특징들을 이용하여 상호작용을 예측할 수 있으며, 기존의 방법보다 높은 예측 정확도를 보여주었다.
A Transport Theoretic Approach for Computational Task Migration in Multi-Access Edge Computing
Sarder Fakhrul Abedin, Md. Shirajum Munir, SeokWon Kang, Choong Seon Hong
http://doi.org/10.5626/JOK.2019.46.10.1061
본 논문에서는 MEC(Multi-Access Edge Computing) 네트워크에서의 컴퓨터 작업 마이그레이션의 문제를 다루는데, MEC 네트워크의 작업 마이그레이션 비용을 포함한 연산 비용을 최소화하는 것을 목표로 한다. 첫째로 많이 사용되는 MEC 서버에서 적게 사용되는 MEC 서버로 작업 마이그레이션에 해당하는 Hitchcock-Koopmans 전송 문제를 공식화한다. 두번째는 최적의 작업 마이그레이션이 이루어지는 보겔의 추정 알고리즘(Vogel"s Approximation Algorithm)을 이용해 전송 문제를 해결한다. 마지막으로, 시뮬레이션에서 제안된 접근 방식이 MEC 네트워크의 작업 마이그레이션 비용, 평균 응답 시간 및 평균대기열 지연 측면에서 기준 접근방식을 개선한다는 것을 보인다.
무선환경에서 HTTP 적응적 스트리밍의 안정성 및 반응성 향상을 위한 다중경로 기반의 대역폭 측정 기술
http://doi.org/10.5626/JOK.2019.46.10.1069
고품질 비디오 스트리밍 서비스에 대한 수요가 증가하면서 다중경로 전송 기술 기반의 HTTP 적응적 스트리밍에 대한 연구가 증가하고 있다. 무선환경에서 다중경로 기반의 스트리밍 기술은 전송 방식과 가용 대역폭 측정 방식에 따라 가용 대역폭의 정확한 예측이 불가능하다. 따라서 본 논문에서는 무선환경에서 HTTP 적응적 스트리밍의 안정성 및 반응성 향상을 위한 다중경로 기반의 전송 스케줄링 기술과 가용 대역폭 측정 기술을 제안한다. 다중경로 기반의 전송 스케줄링 기술은 HTTP 적응적 스트리밍의 성능을 향상시키기 위한 블록기반의 전송 기법을 나타내며, 네트워크의 급격한 변화에 반응성을 향상시키기 위하여 버퍼 상태를 기반으로 요청 구간을 동적으로 조절한다. 제안하는 가용 대역폭 측정 기술은 무선환경의 빈번하고 급격한 가용 대역폭의 변화를 예측하기 위해 블록기반의 가용 대역폭 측정 방식과 세그먼트 기반의 가용 대역폭 측정방식을 동시에 이용하여 안정성을 향상시킨다.
군 통신환경을 효과적으로 활용하는 하이브리드 메시징 시스템 구조와 XML Element 기반의 필터링 기법
http://doi.org/10.5626/JOK.2019.46.10.1078
전술 환경에서 자주 발생하는 통신 대역폭 제한을 극복하기 위해서는 메시징 미들웨어 구조와 함께 새로운 메시지 포멧 및 메시지 유통 기법 등 통합적 관점에서의 문제 해결 방안이 필요하다. 본 논문에서는 출판-구독 기반의 전술 네트워킹 미들웨어에서 전술 통신 환경이 가지는 제한적 특성으로 인해 발생하는 문제를 극복하기 위해, 출판-구독의 구현 아키텍처로서 P2P와 브로커를 결합한 하이브리드 메시징 시스템 구조를 제안하고, 또한 유통되는 정보를 통제-조절하기 위한 방안으로 XML Element 기반 새로운 필터링 기법을 제안한다. 본 제안의 타당성을 검증하기 위해 오픈소스 시스템들을 기반으로 하이브리드 메시징 시스템의 프로토타이핑과 성능실험을 진행하였으며, 테스트 데이터에 대해 기존 XML 대비 평균적으로 34% 정도 감소된 메시지 사이즈와 EXI 대비 평균적으로 7.1배 정도 빨라진 인코딩 프로세싱 시간 및 최대 21.7배의 빨라진 메시지 필터링 속도를 확인하였다.
Word2vec 모델로 학습된 단어 벡터의 의미 관계 분석
http://doi.org/10.5626/JOK.2019.46.10.1088
자연어 처리를 이용한 인공 지능 활용이 증가하면서 단어 임베딩에 대한 중요성이 증가하고 있다. 이 논문에서는 단어 임베딩에 활용되는 word2vec 모델이 단어들 간의 대립 및 상하 관계를 표현하는 능력을 군집화 특성과 t-SNE 분포를 이용하여 정성적으로 분석하였다. 이를 위하여 10가지 범주에 속하는 단어들에 대해서 K-Means 알고리즘에 따라서 군집화를 실시하였다. 단어의 대립 관계는 일부 제대로 표현되지 않는 경우가 발생하였다. 이는 일부 대립 관계에 있는 단어들이 다수의 공통적인 속성을 갖고 있으면서 소수의 대립적 속성만을 갖고 있기 때문으로 보인다. 또한, 단어의 상하 관계는 word2vec 모델에서 전혀 반영되지 않음이 확인되었다. 그 원인은 단어의 상하 관계가 언어의 자연스러운 습득 과정이 아니라, 지식 체계의 학습 과정을 통해 획득되는 정보이기 때문인 것으로 보인다. 따라서 분산 가설에 근거한 word2vec 모델은 일부 단어의 대립 관계를 표현하는 데 한계가 있고, 단어의 상하 관계를 제대로 표현하지 못하는 것으로 분석되었다.
정규 마커 영상처리 기반의 돼지 무게 측정
http://doi.org/10.5626/JOK.2019.46.10.1094
축산 농가에서 가축의 체중관리는 매우 중요하다. 사육비 절감을 위해서는 가축의 체중관리와 정기적인 성장상태 모니터링을 통해 사료 공급량을 조절할 필요가 있다. 또 적정 출하 시점을 체중으로 판단하여 최상의 등급을 받을 수 있다. 그러나 농촌의 고령화로 인해 가축을 이동시켜 체중을 측정하기가 쉽지 않다. 고령화 된 농촌에서 손쉽게 양돈을 관리하기 위해 스마트 팜의 일환으로 영상처리를 기반한 체중 계측 방법을 제안한다. 이를 위해, 먼저 규격을 정해놓은 체커보드마커를 붙인 돼지의 사진을 이용하여 체중을 측정하는 방법을 제안하였다. 체커보드마커와 이미지의 상관관계를 통해 흉위를 측정하고 이를 통해 돼지의 무게를 측정해낸다. 측정 무게는 평균 3.8%의 오차 안에서 정확하였다.
