Applied AI for Safer, Smarter Industry
OCST AI Research Center는 검증된 AI 연구 성과를 실제 산업 문제 해결로 연결합니다. 복잡한 운영 환경에서도 신뢰할 수 있는 산업용 AI 솔루션을 제공합니다.
What We Do
OCST는 AI를 통해 산업적 가치를 극대화할 수 있는 핵심 영역에 집중합니다. 이론적 접근을 넘어, 현장에서 바로 작동하는 운영 수준의 AI를 구현합니다.
Industrial AI for Manufacturing
지능형 자동화와 실시간 공정 제어 기술을 통해 생산 효율을 향상시킵니다.
- check_circle 품질 검사를 위한 컴퓨터 비전
- check_circle 생산 최적화를 위한 예지 분석
- check_circle 실시간 모니터링 및 제어 시스템
- check_circle 인간-로봇 협업 프레임워크
Smart Energy & Power Systems
강화된 분석과 자동화를 기반으로 에너지 분배와 소비의 지속가능한 최적화를 실현합니다.
- check_circle 스마트 그리드 관리 시스템
- check_circle 에너지 저장 장치(ESS) 최적화
- check_circle 수요 반응(Demand Response) 알고리즘
- check_circle 분산형 에너지 자원 통합
Predictive Maintenance
정밀한 시계열 분석을 활용해 이상 징후를 조기에 탐지하고 설비 중단을 사전에 방지합니다.
- check_circle IoT 센서 데이터 분석
- check_circle 고장 예측을 위한 머신러닝
- check_circle 상태 기반 유지보수(CBM) 일정 최적화
- check_circle 디지털 트윈 통합
Optimization & Simulation
복잡한 시스템 모델링과 디지털 트윈을 통해 최적의 전략적 의사결정을 지원합니다.
- check_circle 디지털 트윈 개발
- check_circle 공급망 최적화
- check_circle 자원 할당 알고리즘
- check_circle 시나리오 계획 및 시뮬레이션
Solutions
실제 산업 현장에 최적화된 실무형 AI 솔루션을 통해, 제조 및 생산 환경에서 측정 가능한 비즈니스 가치를 창출합니다
Industrial OCR Solution
제조 공정 자동화를 위한 고성능 OCR 기술로, 다양한 각도로 배치된 제품의 각인 정보를 정확하게 인식하고 데이터화합니다.
Learn More arrow_forward
Real-Time Object Tracking
물류 창고 자동화, 유통, 그리고 생산 라인 모니터링을 위한 고성능 멀티 객체 트래킹(Multi-object tracking) 시스템을 제공합니다.
Learn More →
Automated Defect Detection
지능형 비전 기술을 활용하여 제조 전 공정을 실시간 모니터링하고, 데이터 기반의 정밀한 품질 제어 솔루션을 제공합니다
Learn More arrow_forwardIndustrial OCR Solution
Rotation-Aware OCR for Manufacturing Traceability
Overview
현대적인 제조 환경에서 금속 부품의 신뢰할 수 있는 식별은 추적성, 품질 관리 및 자동화를 위해 필수적입니다. 하지만 금속 표면에 각인되거나 타각된 식별자는 낮은 대비, 빛 반사, 표면 손상 및 불규칙한 방향성으로 인해 인식이 어려운 경우가 많습니다.
당사의 산업용 OCR 솔루션은 실제 공장 환경에서 검증된 견고하고 즉시 배포 가능한 비전 파이프라인을 통해 이러한 과제들을 해결하도록 설계되었습니다.
Key Challenges in Industrial OCR
- 금속 표면에 각인된 저대비 문자 인식의 어려움
- 강한 빛 반사와 통제되지 않은 조명 조건
- 생산 라인 내 객체의 불규칙한 방향성
- 일련번호에 대한 엄격한 포맷 요구 사항
문서나 일반적인 장면을 위해 설계된 기존의 OCR 시스템은 이러한 산업 환경 조건에서 성능이 저하되는 경우가 많습니다.
Our Approach
Rotation-Aware Industrial OCR Pipeline
- 방향 감지 기능을 갖춘 각인 텍스트 영역의 국지화(Localization)
- 기하학적 정규화를 통한 텍스트 추출
- 회전 모호성 조건에서도 견고한 인식 성능 유지
- 신뢰할 수 있는 운영을 위한 신뢰도 기반 의사결정 로직
이러한 접근 방식은 복잡한 전처리나 언어 모델에 의존하지 않고도 안정적인 성능을 보장합니다.
System Architecture
- 산업 현장에 최적화된 이미지 획득 프로세스
- 객체 및 텍스트 영역의 회전 감지 탐지
- 방향 정규화(Orientation Normalization)
- 양방향 텍스트 인식 알고리즘
- 신뢰도 기반의 최종 결과 선택
해당 아키텍처는 제조 시스템 내에서 실시간 또는 실시간에 가까운 배포가 가능하도록 최적화되었습니다.
Key Strengths
- 회전 견고성: 임의의 각도에서도 안정적인 인식 성능을 발휘합니다.
- 산업용 신뢰성: 열악한 공장 환경 조건에서도 작동하도록 설계되었습니다.
- 배포 지향적 설계: 경량화된 엣지/서버 추론 환경을 지원합니다.
- 신뢰도 기반 출력: 안전한 자동화 통합을 위해 결과의 신뢰도 수치를 함께 제공합니다.
Validated Use Cases
- 금속 부품의 자동화된 이력 추적(Traceability) 구현
- 철강 바 및 원통형 제품의 일련번호 인식
- 스마트 팩토리 환경의 품질 관리 시스템 연동
본 솔루션은 실제 산업 데이터를 통해 검증되었으며, 높은 정확도와 안정적인 런타임 동작을 입증했습니다.
Integration & Deployment
- Manufacturing Execution Systems (MES)
- Quality Control (QC) systems
- Factory automation platforms
생산 요구 사항에 따라 유연한 배포 옵션을 선택할 수 있습니다.
Why Choose This Solution?
- 실제 제조 환경에서 입증된 성능을 제공합니다.
- 산업 현장 배포 경험이 풍부한 엔지니어들에 의해 설계되었습니다.
- 실험적인 복잡함보다는 신뢰성 확보에 집중합니다.
Interested in a demo or proof-of-concept (PoC)?
👉 Contact us to discuss how this solution can be adapted to your production environment.
Real-Time Object Tracking
Intelligent Vision System for Logistics and Manufacturing
Overview
현대 제조 및 물류 운영에서는 시설 내 자산과 제품의 흐름을 실시간으로 파악하는 정밀한 가시성이 필수적입니다. 하지만 기존의 바코드나 RFID 방식은 커버리지, 신뢰성, 그리고 비용 측면에서 명확한 한계에 직면해 있습니다.
당사의 실시간 객체 추적 솔루션은 컴퓨터 비전과 AI를 활용하여, 산업 현장 내 모든 객체를 끊김 없이 비접촉 방식으로 추적합니다. 이를 통해 더 지능화된 자동화와 운영 인사이트를 실현합니다.
The Problem
- Coverage Gaps: Barcode나 RFID는 특정 스캔 지점이 필요하기 때문에, 추적이 불가능한 사각지대가 발생합니다.
- Speed Limitations: 대량의 물동량이 발생하는 환경에서 수동 스캔 방식은 운영의 병목 현상을 초래합니다
- Cost: 대규모 시설에 RFID 인프라를 구축하는 것은 막대한 비용이 소요됩니다.
- Reliability: 물체 가림, 방향 문제, 그리고 주변 환경 요인들이 인식 정확도에 영향을 미칩니다.
- Integration: 기존 자동화 시스템과 통합하여 운영하기에 어려움이 따릅니다.
Our Approach
Vision-Based Multi-Object Tracking
당사는 물리적인 태그 없이도 객체를 끊임없이 추적할 수 있도록 혁신적인 computer vision 알고리즘을 활용합니다
Core Technologies:
- 딥러닝 기반의 객체 탐지 및 분류 기술을 활용합니다.
- 여러 대의 카메라 시점 간에도 동일 객체를 끊김 없이 추적하기 위한 Re-identification (ReID) 모델을 사용합니다.
- 객체가 가려지거나 일시적으로 시야에서 사라지는 상황에 대응하기 위한 예측 모델링 기술을 제공합니다.
Tracking Capabilities:
- 수백 개의 객체를 동시에 실시간으로 추적합니다.
- 시설 내 여러 구역에 걸쳐 설치된 카메라 간 교차 추적을 지원합니다.
- 객체의 이동 속도 및 이동 궤적을 예측합니다.
- 객체의 체류 시간 및 이동 경로에 대한 심층 분석을 제공합니다.
System Architecture
- Multi-Camera Network: 시설 전체를 빈틈없이 모니터링할 수 있도록 전략적으로 배치된 카메라 네트워크를 구축합니다.
- Object Detection: 추적 대상 객체를 실시간으로 식별하고 감지합니다.
- Feature Extraction: 각 객체만이 가진 고유한 시각적 특성을 추출합니다.
- Track Association: 여러 프레임과 카메라 시점 사이에서도 객체의 식별 정보를 일관되게 유지합니다.
- Data Fusion: 다른 센서들의 입력 데이터와 통합하여 분석의 정밀도를 높입니다.
- Analytics Engine: 실시간 통찰력을 제공하고 이상 징후를 즉각 탐지합니다.
- API Integration: 분석된 데이터를 WMS(창고 관리 시스템) 또는 MES(제조 실행 시스템)로 전달합니다.
Key Features
- 물리적 태그나 접촉이 필요 없는 비접촉 방식의 추적 솔루션을 제공합니다.
- 지연 없는 즉각적인 실시간 데이터 처리 성능을 보장합니다.
- 시설의 규모에 따라 추적 범위를 자유롭게 확장할 수 있습니다.
- 복잡하고 거친 산업 환경에서도 변함없는 안정성을 유지합니다.
- 과거 데이터를 바탕으로 한 심층적인 이력 분석 기능을 제공합니다.
Use Cases
Warehouse & Logistics
- 입출고 검증 및 실시간 추적을 수행합니다.
- 입고 배치(Putaway) 및 피킹(Picking) 작업 과정을 모니터링합니다.
- 팔레트 및 컨테이너 단위의 위치를 추적합니다.
- 상하차 하역장(Loading dock) 운영을 관리합니다.
- 실시간 데이터 비교를 통해 재고 실사 및 조정을 지원합니다.
Manufacturing
- 공정 중인 반제품(WIP)의 현황을 실시간으로 추적합니다.
- 조립 라인의 전체 가동 상황을 모니터링합니다.
- 자재 흐름을 분석하여 물류 동선을 최적화합니다.
- 각 공정별 소요 시간(Cycle time)을 분석합니다.
- 생산 흐름을 방해하는 병목 지점을 정확히 식별합니다.
Distribution Centers
- 입고된 상품을 보관 없이 바로 출고장으로 배송하는 Cross-docking 운영을 지원합니다.
- 분류 과정이 정확하게 이루어졌는지 실시간으로 검증합니다.
- 시설 내 물동량 흐름을 분석하여 최적의 이동 경로를 제안합니다.
- 특정 시간당 처리 가능한 물동량(Throughput)을 분석하여 운영 능력을 평가합니다.
Business Benefits
Operational Efficiency:
- 수동 스캔 작업과 데이터 입력 업무를 줄여줍니다.
- 자동 검증 시스템을 통해 물동량 처리 속도(Throughput)를 높입니다.
- 물건이 잘못 배치되었을 때 이를 찾는 시간을 최소화합니다.
Accuracy & Visibility:
- 실시간 재고 정확도가 향상됩니다.
- 추적 사각지대가 제거됩니다.
- 추적 가능성과 규정 준수 역량이 강화됩니다.
Data-Driven Optimization:
- 세부적인 운영 분석 데이터를 제공합니다.
- 공정 내 병목 지점을 식별합니다.
- 자원 배분 전략을 최적화합니다.
- 성과 벤치마킹 지표를 도출합니다.
Cost Savings:
- 추적 활동에 투입되는 인건비를 절감합니다.
- RFID 대비 인프라 구축 비용이 저렴합니다.
- 재고 불일치와 손실을 줄여줍니다.
Technical Specifications
Performance Metrics:
- 추적 정확도: 98% 이상의 객체 식별 유지력을 보장합니다.
- 탐지율: 대상 객체 클래스에 대해 99% 이상의 탐지율을 기록합니다.
- 처리 속도: 카메라당 30fps 이상의 속도로 실시간 처리가 가능합니다.
- 확장성: 시스템당 50대 이상의 카메라 연결을 지원합니다.
System Requirements:
- IP 카메라 (최소 1080p 해상도, 4K 권장)
- GPU 가속 연산 서버 (엣지 또는 중앙 집중형)
- 네트워크 인프라 (최소 1 Gbps)
Integration:
- WMS/MES 시스템 통합을 위한 RESTful API를 지원합니다.
- 표준 프로토콜(HTTP, WebSocket, MQTT)을 지원합니다.
- 데이터베이스 연결(SQL, NoSQL)을 지원합니다.
- 대시보드 및 시각화 도구를 제공합니다.
Deployment Options
Edge Deployment:
- 낮은 대기 시간과 데이터 보안을 위한 온프레미스(On-premise) 처리 방식을 지원합니다.
- 로컬 IT 인프라를 보유한 시설에 적합합니다.
Hybrid Architecture:
- 엣지 단에서의 탐지와 클라우드 기반 분석을 결합한 방식을 제공합니다.
- 성능과 고급 분석 기능 사이의 균형을 맞춘 효율적인 운영이 가능합니다.
Custom Configurations:
- 특정 시설의 레이아웃과 요구 사항에 맞춘 맞춤형 설계를 제공합니다.
- 기존 자동화 시스템과의 원활한 통합이 가능합니다.
Implementation Roadmap
- 현장 평가: 시설 점검 및 세부 요구 사항 수집
- 파일럿 설치: 추적 범위와 정확도 검증을 위한 제한적 도입
- 모델 최적화: 특정 객체 유형 및 현장 조건에 맞춘 맞춤형 학습
- 전체 배포: 시설 전반을 아우르는 시스템 공식 적용
- 시스템 통합: WMS, MES 또는 분석 플랫폼과의 데이터 연동
- 지속적 최적화: 운영 피드백을 바탕으로 한 성능 개선
Why This Solution?
- 검증된 기술력: 독보적인 컴퓨터 비전 연구 성과를 기반으로 합니다.
Automated Defect Detection
AI-Powered Visual Inspection for Quality Control
Overview
제조업의 품질 관리는 전통적으로 육안 검사에 의존해 왔으나, 이는 많은 시간이 소요될 뿐만 아니라 일관성이 부족하고 인적 오류가 발생하기 쉽습니다. 생산 속도가 빨라지고 품질 기준이 더욱 엄격해짐에 따라, 자동화된 검사 시스템 도입은 이제 필수적입니다.
당사의 자동 결함 탐지 솔루션은 딥러닝 기술을 활용하여 다양한 제조 환경에서 실시간으로 신뢰할 수 있고 확장이 가능한 품질 관리를 제공합니다.
The Challenge
- 불일치: 검사원마다 주의력 수준과 판단 기준이 달라 결과가 일정하지 않습니다.
- 속도 병목 현상: 수동 검사는 현대적인 생산 라인의 속도를 따라가지 못합니다.
- 비용: 숙련된 검사원은 인건비가 높고 유지가 어렵습니다.
- 검사 범위: 수동으로는 전수 검사를 수행하는 것이 사실상 불가능합니다.
- 미세 결함: 육안으로 확인하기 힘든 미세하거나 대비가 낮은 결함은 놓치기 쉽습니다.
Our Approach
Deep Learning-Based Visual Inspection
당사는 산업 현장의 결함 탐지에 특화된 컴퓨터 비전 모델을 적용하고 있습니다.
Technical Framework:
- 결함 분류를 위해 맞춤형으로 학습된 합성곱 신경망(CNN)을 사용합니다.
- 다양한 크기의 결함을 탐지하기 위한 다중 스케일 특징 추출 기술을 적용합니다.
- 생산 라인 속도에 최적화된 실시간 추론 성능을 보장합니다.
- 오탐지와 미탐지의 균형을 맞추기 위한 적응형 임계값 조정 기능을 제공합니다.
Key Capabilities:
- 표면 결함(스크래치, 찍힘, 균열, 변색)을 탐지합니다.
- 치수 이상 및 공차를 탐지합니다.
- 질감 및 패턴의 불규칙성을 식별합니다.
- 조립 상태 및 정렬 정확도를 검증합니다.
System Architecture
End-to-End Pipeline:
- 이미지 획득: 조명 제어 기술이 적용된 고해상도 산업용 카메라를 활용합니다.
- 전처리: 이미지 향상 및 정규화 작업을 수행합니다.
- 결함 탐지: 다단계 딥러닝 모델을 통해 정밀하게 탐색합니다.
- 분류: 결함의 유형과 심각도에 따라 카테고리를 분류합니다.
- 의사결정 로직: 자동화된 합격/불합격 판정 시스템을 제공합니다.
- 데이터 기록: 결함 추적 및 보고를 위한 종합적인 로깅 시스템을 지원합니다.
본 시스템은 기존 생산 라인 및 품질 관리 시스템과 원활하게 통합되어 작동합니다.
Key Strengths
- 높은 정확도: 낮은 오탐율과 함께 99% 이상의 결함 탐지율을 보장합니다.
- 실시간 성능: 생산 라인의 처리 속도와 일치하거나 이를 능가하는 검사 속도를 제공합니다.
- 적응성: 새로운 결함 유형이나 제품 변경 사항에 맞춰 신속하게 재학습이 가능합니다.
- 확장성: 여러 생산 라인 및 시설에 걸쳐 광범위하게 배포할 수 있습니다.
- 추적성: 이미지 아카이빙을 통해 검사 결과에 대한 완벽한 문서화 및 추적을 지원합니다.
Industry Applications
- 금속 제조: 철강 및 알루미늄 제품의 표면 결함 탐지
- 전자 제품: PCB(인쇄회로기판) 검사 및 부품 배치 검증
- 자동차: 도장 품질 및 차체 패널 검사
- 섬유: 원단 결함 탐지 및 패턴 매칭
- 패키징: 라벨 검증 및 밀봉 무결성 확인
Return on Investment
- 수동 검사 인건비를 60~80% 절감합니다.
- 수동 검사 대비 결함 탐지율을 95% 이상 개선합니다.
- 결함 조기 식별을 통해 재작업 비용을 줄여줍니다.
- 제품 품질 향상으로 브랜드 명성을 강화합니다.
- 공정 개선을 위한 데이터 기반 통찰력을 제공합니다.
Implementation Process
- 현장 진단: 현재 검사 프로세스 평가 및 요구 사항 분석
- 파일럿 배포: 성능 검증을 위한 제한적 시스템 도입
- 모델 학습: 고객사 생산 데이터를 활용한 맞춤형 모델 개발
- 시스템 통합: 전체 시스템 배포 및 기존 인프라와의 연동
- 최적화: 생산 피드백을 바탕으로 한 지속적인 튜닝 및 성능 개선
Technical Requirements
Hardware:
- 산업용 카메라 (결함 크기 요구 사항에 따른 맞춤형 해상도)
- 컴퓨팅 플랫폼 (엣지 디바이스 또는 서버 기반)
- 일관된 이미지 획득을 위한 적정 조명 시스템
Software:
- 표준 산업용 프로토콜(OPC UA, Modbus 등)과 호환됩니다.
- MES, ERP 및 품질 관리 시스템을 위한 통합 API를 지원합니다.
Why Choose This Solution?
- 현장 검증 완료: 대량 생산 제조 환경에서 성능이 입증되었습니다.
- 맞춤형 설계: 특정 제품 유형과 결함 특성에 맞춰 최적화가 가능합니다.
- 신뢰할 수 있는 지원: 종합적인 교육과 지속적인 기술 지원을 제공합니다.
- 미래 대비형: 모델 성능 개선과 업데이트가 지속적으로 이루어집니다.
이 솔루션은 품질 관리를 현대화하고, 비용을 절감하며, 우수한 제품 품질을 통해 경쟁 우위를 유지하려는 제조업체에 이상적입니다.
Get Started
Ready to transform your quality control process?
👉 Contact us for a consultation and proof-of-concept demonstration.
Spotlight Projects
최신 혁신 사례와 이러한 기술이 산업 현장을 어떻게 재편하고 있는지 확인해 보십시오.
CASE STUDY
Vision-Based Steel Coil Inspection
열간 및 냉간 압연 라인에 딥러닝 기반 컴퓨터 비전을 도입하여 스틸 코일의 표면 결함을 실시간으로 탐지하고, 기존 PLC 제어 시스템과 통합을 완료했습니다.
TECHNOLOGIES
성과
수동 검사 공수를 40% 절감했으며, 연속 생산 라인 내 스크랩 발생률을 크게 낮추었습니다.
PILOT PROJECT
Adaptive Production Line Optimization
다단계 제조 라인을 위한 실시간 분석 및 최적화 계층을 구축하여, 실시간 품질 및 처리량 지표를 기반으로 공정 파라미터를 지속적으로 튜닝하는 시스템을 구현했습니다.
TECHNOLOGIES
성과
파일럿 라인 전반에 걸쳐 처리량이 최대 12% 증가했으며, 규격 미달 제품 발생률을 8% 감소시켰습니다.
RESEARCH PAPER
Self-Healing Smart Grid Control
배전망 내에서 전력 흐름을 동적으로 재라우팅하여 고장 구간을 격리하고, 국소적 장애 발생 시에도 서비스 유지를 가능하게 하는 강화학습 에이전트를 개발했습니다.
TECHNOLOGIES
성과
시뮬레이션 결과 정전 시간을 45% 단축하였으며, 연쇄적인 계통 고장에 대한 회복 탄력성을 향상시켰습니다.
INNOVATION
Substation Condition Monitoring Platform
변압기, 차단기, 모선(Busbar) 등에서 발생하는 IoT 센서 스트림 데이터를 통합하여 고압 변전소를 위한 이상 탐지 및 상태 점수화(Health Scoring)를 수행했습니다.
TECHNOLOGIES
성과
모니터링 대상 변전소 전반에서 계획되지 않은 가동 중단을 20% 감소시켰습니다.
CASE STUDY
Cross-Plant Predictive Maintenance Hub
여러 공장에서 발생하는 진동, 온도 및 공정 데이터를 통합하여 단일화된 예지 보전 플랫폼을 구현했습니다.
TECHNOLOGIES
성과
중요 설비 고장을 30% 감소시켰으며, 여러 공장 간의 모델 재사용성을 향상시켰습니다.
OPTIMIZATION
End-to-End Supply Chain Digital Twin
수요 급증, 용량 제한 및 운송 중단 상황을 시뮬레이션하기 위해 다단계 공급망의 디지털 트윈을 구축했습니다.
TECHNOLOGIES
성과
서비스 수준을 유지하면서 재고 유지 비용을 최대 18%까지 절감했습니다.
Publications
산업용 AI 분야에 기여한 당사의 연구 성과들입니다.
Automated Detection and Recognition of Engraved Serial Numbers on Metallic Surfaces
Authors: Thanh-Dat Nguyen; Sachin Ranjan; Le-Anh Tran; Kichul Lee; Moonseok Kang; Hoon Kim
Venue: Unpublished
Automated reading of engraved or printed serial numbers on metallic components remains a challenging problem in industrial manufacturing due to low contrast, reflective surfaces, arbitrary orientations, and surface degradation. Conventional optical character recognition (OCR) systems often fail in such environments, particularly when text is embedded within geometrically structured objects and appears under uncontrolled rotations. This paper presents a robust end-to-end vision pipeline for accurately recognizing numeric series on industrial metallic surfaces. The proposed approach f irst employs an oriented object detection model to localize target objects and their associated text regions using oriented bounding boxes. The detected text areas are then rotation-normalized through geometry-aware cropping and square padding, enabling consistent downstream recognition. A YOLO-based character recognition model is subsequently applied, with dual-orientation inference used to resolve rotational ambiguity. To further improve reliability, a confidence-driven post-processing strategy suppresses duplicate detections, enforces valid text-length constraints, and selects the most consistent recognition results. Experiments on real-world industrial data demonstrate that the proposed system achieves high end-to-end recognition accuracy and robustness under challenging imaging conditions, outperforming baseline configurations without orientation handling or post-processing. The proposed pipeline offers a practical and deployable solution for automated traceability and quality control in manufacturing environments.
Read full paper arrow_forwardPOCS-based Image Compression: An Empirical Examination
Authors: Truong-Dong Do; Le-Anh Tran; Thanh-Dat Nguyen; Nghe-Nhan Truong; Dong-Chul Park; My-Ha Le
Venue: Proceedings of 2024 7th International Conference on Green Technology and Sustainable Development (GTSD)
This paper investigates the applicability of the Pro-jection onto Convex Set (POCS)-based clustering algorithm to image compression tasks. The POCS-based clustering approach treats all data points in a given dataset as non-intersecting convex sets and performs POCS-based parallel projections from each cluster prototype onto corresponding member data points to minimize an objective function and update cluster prototypes. The POCS-based clustering algorithm has been proven to be able to yield promising results against other prevailing clustering approaches in terms of convergence time and clustering error on general clustering tasks. In this study, a comparison of various clustering schemes for image compression applications has been conducted. The evaluations and analyses on various standard test images verify that the POCS-based clustering algorithm can perform competitively against other conventional clustering methods in image compression problems.
Read full paper arrow_forwardEmbedding Clustering via Autoencoder and Projection onto Convex Set
Authors: Le-Anh Tran; Thanh-Dat Nguyen; Truong-Dong Do; Chung Nguyen Tran; Daehyun Kwon; Dong-Chul Park
Venue: 2023 International Conference on System Science and Engineering (ICSSE)
Projection onto Convex Set (POCS) is a powerful signal processing tool for various convex optimization problems. For non-intersecting convex sets, the simultaneous POCS method can result in a minimum mean square error solution. This property of POCS has been applied to clustering analysis and the POCS-based clustering algorithm was proposed earlier. In the POCS-based clustering algorithm, each data point is treated as a convex set, and a parallel projection operation from every cluster prototype to its corresponding data members is carried out in order to minimize the objective function and to update the memberships and prototypes. The algorithm works competitively against conventional clustering methods in terms of execution speed and clustering error on general clustering tasks. In this paper, the performance of the POCS-based clustering algorithm on a more complex task, embedding clustering, is investigated in order to further demonstrate its potential in benefiting other high-level tasks. To this end, an off-the-shelf FaceNet model and an autoencoder network are adopted to synthesize two sets of feature embeddings from the Five Celebrity Faces and MNIST datasets, respectively, for experiments and analyses. The empirical evaluations show that the POCS-based clustering algorithm can yield favorable results when compared with other prevailing clustering schemes such as the K-Means and Fuzzy C-Means algorithms in embedding clustering problems.
Read full paper arrow_forwardEfficient Infrared and Thermal Imaging Fusion Approach for Real-time Human Detection in Heavy Smoke Scenarios
Authors: Authors: Nghe-Nhan Truong; My-Ha Le; Truong-Dong Do; Le-Anh Tran; Thanh-Dat Nguyen; Hoang-Hon Trinh
Venue: 2023 International Conference on System Science and Engineering (ICSSE)
Fire is considered one of the most serious threats to human lives which results in a high probability of fatalities. Those severe consequences stem from the heavy smoke emitted from a fire that mostly restricts the visibility of escaping victims and rescuing squad. In such hazardous circumstances, the use of a vision-based human detection system is able to improve the ability to save more lives. To this end, a thermal and infrared imaging fusion strategy based on multiple cameras for human detection in low-visibility scenarios caused by smoke is proposed in this paper. By processing with multiple cameras, vital information can be gathered to generate more useful features for human detection. Firstly, the cameras are calibrated using a Light Heating Chessboard. Afterward, the features extracted from the input images are merged prior to being passed through a lightweight deep neural network to perform the human detection task. The experiments conducted on an NVIDIA Jetson Nano computer demonstrated that the proposed method can process with reasonable speed and can achieve favorable performance with a mAP@0.5 of 95%.
Read full paper arrow_forwardPOCS-based Clustering Algorithm
Authors: Authors: Le-Anh Tran; Henock M. Deberneh; Truong-Dong Do; Thanh-Dat Nguyen; My-Ha Le; Dong-Chul Park
Venue: 2022 International Workshop on Intelligent Systems (IWIS)
A novel clustering technique based on the projection onto convex set (POCS) method, called POCS-based clustering algorithm, is proposed in this paper. The proposed POCS-based clustering algorithm exploits a parallel projection method of POCS to find appropriate cluster prototypes in the feature space. The algorithm considers each data point as a convex set and projects the cluster prototypes parallelly to the member data points. The projections are convexly combined to minimize the objective function for data clustering purpose. The performance of the proposed POCS-based clustering algorithm is verified through experiments on various synthetic datasets. The experimental results show that the proposed POCS-based clustering algorithm is competitive and efficient in terms of clustering error and execution speed when compared with other conventional clustering methods including Fuzzy C-Means (FCM) and K-Means clustering algorithms.
Read full paper arrow_forwardAbout OCST AI Research
당사는 AI 연구와 산업 현장 사이의 실행 가능한 연결을 지향합니다. OCST는 학술적 정확성과 운영 환경에 검증된 배포 역량을 결합하여, 복잡한 운영 환경을 위한 정교한 산업용 솔루션을 제공합니다.
Our Mission
축적된 연구 성과와 산업 현장 적용, 그리고 의미 있는 변화를 만들어가는 파트너십을 통해 산업용 AI의 수준을 한 단계 끌어올리는 것이 당사의 사명입니다.
Why OCST for AI
당사는 깊이 있는 학술적 통찰과 강력한 배포 능력을 결합하여, 이론에 머물지 않고 실제적인 변화를 주도하는 독보적 가치를 창출합니다.
Deep Industrial Expertise
주요 중공업 분야에서 수십 년간 쌓아온 도메인 지식을 바탕으로, 실제 현장의 과제를 해결하는 솔루션을 보장합니다.
Real-World Deployments
프로토타입 단계부터 실제 생산 시스템에 이르기까지, 가동 중인 산업 현장에서 입증된 AI 통합 역량을 보유하고 있습니다.
Safety & Reliability
산업계의 신뢰 구축을 위해 안전이 중요한(Safety-critical) 시스템과 적용 가능한 AI(Explainable AI)에 집중합니다.
Long-Term R&D
단기적인 성과를 넘어 지속 가능한 장기적 연구를 수행하며, 기반이 되는 원천 기술을 구축합니다.