[학회후기]
지난 2018년 11월 9일 금요일 대한산업공학회 추계학술대회는 ‘한국 산업공학 60년과 4차 산업혁명’ 이라는 주제로 한양대학교에서 진행되었다. 춘계학술대회와 달리 당일 정기총회 및 다양한 경진대회를 함께 진행하였기 때문에 동 시간대에 듣고 싶은 주제들이 배치 되어있어 적절히 시간 배분 하는 것이 중요했다. 특히 지난 학회와 비교했을 때 생소하기만 했던 주제들이 눈에 들어오기 시작하고, 청취과정에서도 일정 내용을 수용하는 내 모습에 감회가 새로웠다. 또한 처음 학회 발표를 준비하면서 어떠한 논지 흐름이 청자에게 전달력있는지 고민하는 데 많은 시간을 할애했는데, 이 과정에서 연구실 선배들의 선행 발표가 많은 도움이 되었다. 학술대회를 마치고 개운한 마음과 아쉬운 마음이 공존하며, 다음 학술대회에서는 보다 더 성장한 모습으로 참여할 수 있기를 기대한다. 또한 학회를 통해 산업공학도들의 열정과 흥미로운 주제들을 접해볼 수 있는 유익한 시간을 보낼 수 있었다.  

[발표후기]
발표 주제: '뉴럴 아트 페인팅 유사도를 통한 미술 작품 추천시스템'

온라인 거래가 활발해지며, 예술산업에서도 작품의 판매 및 대여 거래량이 지속적으로 증가하고 있다. 이 경우 고객의 수요 충족을 위한 유사 작품 추천은 작품 구매와 직결되기 때문에 예술산업에서 수익창출의 목적으로써 중요하게 연구되고있다. 기존의 대다수 추천 방법론은 사전에 정의된 장르, 주제와 같은 텍스트 데이터를 기반으로 제안되었다. 하지만 이 경우, 텍스트 데이터를 구축해야한다는 점과 동일 텍스트 데이터일 경우에도 유사하지 않는 경우가 발생한다는 한계점이 있다. 따라서 제안 방법론은 이미지 데이터만을 사용하여 유사도를 정의하고자 한다. 이 때 정교한 추천력을 갖기 위해서는 작품 이미지의 특성을 (1)구체적으로 정의하고, (2)추출하는 것이 중요하다. 먼저 작품의 특성은 Content, Style, Structure로 나누고, 이미지 분석에 효과적이라 알려진 합성곱 기반의 딥러닝 모델을 사용하여 해당 특성들을 추출하였다. Content, Style의 경우 pre-trained VGG-19모델을 사용하였고, Structure는 Convolutional auto-encoder를 사용하여 추출하였다. 결과적으로 각 특성에 대응하는 유사성행렬을 구성하고, 가중 합산을 통해 모든 특성을 종합적으로 반영한 최종 유사도를 정의할 수 있다. 제안 방법론 성능 평가에서는 해당 문제 상황이 비지도학습으로 구성되어 정성적인 평가가 적합하지만 파라미터를 선택하고, 개략적인 성능을 파악해보고자 정량화할 수 있는 유사도 점수를 제안하고 활용하였다. 유사도 점수가 가장 높은 경우와 낮은 경우 모두 성능이 우수한 것을 확인함으로써 제안한 유사도의 우수성을 확인해 볼 수 있었다. 추후 다양한 비교실험군을 갖추고, 성능평가 측도에 대해서도 추가적으로 고민해 봐야할 것 같다. 

첫번째 질문: Pretrained-VGG구조를 fine-tuning해서 사용하였는가? 

답변: Content와 Style특성을 추출하기 위해 사용된 pretrained-VGG의 경우 fine-tuning하지 않고 완전연결계층을 제거한 상태로 forward부분만 사용함으로써 일종의 특징 임베딩 목적으로 사용하였다. 

두번째 질문: 성능평가척도로써 유사도 점수를 제안하고 사용하였는데, 이 경우 동일 작가의 그림이 같다고 가정하는 것이 모순된다고 판단된다. 동일 작가의 그림일지라도 유사하지 않거나, 시간이 흐름에 따라 변할 수 있지 않은가?
답변: 내가 제안하는 방법론은 이미지 데이터만 주어진 경우를 가정하고 있다. 하지만 이경우 정량적으로 평가를 할 수 가 없는 한계점이 있다. 하지만 정량화를 위해 도입한 유사도 점수에서 동일 작가의 그림이라면 유사하다고 가정하는 것이 어색하게 느껴질 수 있다는 점에 동의한다. 하지만 이는 유사한 그림으로 정의가능하도록 실제 데이터 구성을 하는 과정에서 사람이 느끼기에 Content, Style, Structure가 유사하다고 판단되는 그림만을 사용하였다. 따라서 유사도 점수를 구성하는 것은 타당성을 갖고있다고 할 수 있다.

[청취후기]
제목: '자율 주행자동차의 제어권 전환시 운전준비도 평가를 위한 개별 운전자의 안정 주행 패턴 분류'
자율 주행자동차는 미래 유망기술로써 각 분야에서 이를 상용화하기 위한 연구가 활발하게 이루어지고 있다. 하지만 아직까지는 운전자의 개입을 완전히 배제하기에는 기술과 제도적 한계점이 있다. 완전한 자율 주행에 앞서 제한적 자율 주행을 위한 시도가 있는데, 이 때 자율주행에서 수동운전으로 제어권 전환시 운전자가 운전이 가능한지 상태를 파악하는 것이 중요하다. 이 경우 각 운전자의 운전 패턴을 고려하여 현재 상태를 정의해야한다. 이후 주행 패턴을 분류할 수 있어야하는데, 이때 ‘Dynamic time warping distance’를 사용하여 시계열 데이터에서도 해당 패턴을 고려하여 유사도를 측정할 수 있었다. 또한 연속적인 시그널을 등간화하여 상태를 정의하였다. 결과적으로 시뮬레이터를 통해 수집한 데이터로부터 운전자들의 고유 주행 패턴을 구분하였다. 샘플데이터내에서는 분류가 잘 이루어짐을 확인해볼 수 있었으나, 5명의 운전자를 비교실험하였기 때문에 시뮬레이터에 어느정도 dependent한 결과가 보여지는 것 같다. 그럼에도 불구하고, 해당 데이터 분석에 적합한 시계열 기반 알고리즘을 도입하였다는 점이 흥미로웠고, 자율주행 자동차를 위한 다방면의 연구가 이루어지고 있음을 느낄 수 있었다.
​