학습에 쓰이는 정보를 다시 구성하기
이미지의 면적만으로 혼합 정답을 만들면 주요 객체의 비중과 어긋날 수 있습니다. 중요도 지도를 활용해 이 차이를 줄이는 방법을 비교합니다. [1]
VITA · RESEARCH GUIDE
AI와 데이터사이언스 응용Applications of AI and Data Science
AI 응용은 자료를 어떻게 학습하고, 어떤 정보를 연결하며, 무엇을 예측할지 정하는 데서 출발합니다. 영상 학습부터 법률 문서, 에너지와 축산 자료까지 서로 다른 문제에 맞춘 분석 방식을 소개합니다.
노병준 교수가 저자로 참여한 출판 논문을 소개합니다. 연구 수행 당시의 소속은 논문별로 다르며, 학습 방법과 법률·에너지·축산 응용을 함께 다룹니다.
APPROACHES
연구는 어떻게 접근하나요?
변화와 자료 분산을 고려하기
기상 변화에는 온라인 학습과 지역 간 전이학습을 적용합니다. 여러 카메라의 자료에는 각 위치에서 학습한 모델을 통합하는 방식을 사용합니다. [4] [2]
과제에 맞는 정보 연결하기
법률 문서는 언어 문맥과 여러 예측 과제를 함께 다룹니다. 축산에서는 영상·음향을 결합하고, 건물에서는 기후·설비 조건을 묶어 패턴을 분석합니다. [3] [5] [6]
QUESTIONS
주요 질문과 논문에서의 답
학습자료를 만드는 방식과 공유하는 방식은 어떻게 다른가요?
SaliencyMix+는 이미지의 주요 내용이 얼마나 남았는지 반영해 혼합 학습자료와 정답을 만듭니다. 연합학습 연구는 원본 영상을 모으는 대신 카메라별 모델 학습 결과를 통합합니다. [1] [2]
에너지 연구의 예측과 패턴 탐색은 어떻게 다른가요?
SolarNexus는 기상 변화에 적응하고 다른 지역의 학습 결과를 활용해 발전량을 예측합니다. 건물 연구는 기후·자재·설비 조합이 에너지 소비와 어떤 관계를 보이는지 탐색합니다. [4] [6]
문서와 영상·음향 자료에서는 무엇을 얻나요?
TRACS-LLM은 판결문의 언어 정보를 이용해 징역·집행유예·벌금을 함께 예측합니다. 축산 연구는 영상·음향으로 비명을 내는 개체를 찾고 관찰 내용을 행동 보고서로 연결합니다. [3] [5]
SELECTED PUBLICATIONS
대표 논문으로 더 읽기
- 1
SaliencyMix+: Noise-Minimized Image Mixing Method With Saliency Map in Data Augmentation
SaliencyMix+ — 이미지 혼합에서 보이는 객체 정보와 학습 정답의 관계를 살펴봅니다.
- 2
Federated Learning-based Road Surveillance System in Distributed CCTV Environment: Pedestrian Fall Recognition using Spatio-Temporal Attention Networks
연합학습 기반 낙상 인식 — 원본 영상을 중앙에 모으지 않는 학습 방식을 실내 데이터로 평가합니다.
- 3
TRACS-LLM: LLM-based traffic accident criminal sentencing prediction focusing on imprisonment, probation, and fines
TRACS-LLM — 한국 판결문에서 징역·집행유예·벌금을 함께 예측하는 모델을 비교합니다.
- 4
SolarNexus: A deep learning framework for adaptive photovoltaic power generation forecasting and scalable management
SolarNexus — 기상 변화 적응과 지역 간 모델 활용을 발전량 예측 실험으로 평가합니다.
- 5
A Smart Livestock Framework for Multimodal Abnormally Screaming Pig Identification and Behavioral Reporting in Group-Housed Environments
축산 영상·음향 분석 — 비명 개체 식별과 관찰 보고서 생성의 연결을 한 농장의 선별된 장면에서 살펴봅니다.
- 6
In-depth analysis of energy efficiency related factors in commercial buildings using data cube and association rule mining
건물 에너지 패턴 — 기후와 운영 조건별로 자재·설비 조합의 연관성을 탐색합니다.
근거와 해석 범위
낙상 인식은 실내 자료, 축산 연구는 한 농장의 선별 장면에서 평가했습니다. 법률 연구는 양형 예측 성능을 다루며 공정성을 검증하지 않았고, 건물 패턴의 연관성이 실제 절감 효과를 뜻하지는 않습니다. [2] [5] [3] [6]
각 논문의 연구 요약과 출판사 원문을 함께 확인할 수 있습니다. 이 페이지는 논문을 주제별로 연결한 안내이며, 개별 논문의 실험 조건과 출판 상태는 해당 상세 페이지를 따릅니다.
English overview
This guide presents published studies coauthored by Byeongjoon Noh on learning methods and domain-specific applications. Saliency-aware augmentation changes how image examples and labels are constructed, while federated learning coordinates models without centralizing raw video. Energy studies distinguish adaptive forecasting from exploration of building-related patterns. Legal text models jointly predict sentencing outcomes, and audiovisual livestock analysis connects event identification with behavioral reports. These examples show how data, tasks, and evaluation must be matched. The guide preserves the studies’ specific settings and distinguishes predictive performance from fairness or validated operational benefits.