올해로 2회를 맞은 ICISS는 Computer science and system, Internet of Things, Artificial Intelligence and Applications 등 컴퓨터 관련 다양한 분야를 다루는 국제학회이다. 올해 ICISS2019는 일본 도쿄의 토카이 대학에서 진행되었다.
이번 ICISS2019에서 “Barrier enabeld QEMU”의 저자로 구두 발표를 진행하였다. 첫 국제학회 발표였고 영어로 진행했기 때문에 많이 긴장도 하고 설레기도 했다. 무사히 발표를 마치고 난 뒤 받은 질문은 이 연구의 한계점이 무엇인지 였다. 답으로 BarrierFS의fdatabarrier는 flush를 동반하지 않기 때문에 durability를 보장할 수 없다. 하지만 BarrierFS에서 제공하는 fdatasync는 flush를 동반하기 때문에 durability를 보장할 수 있다. 라고 답변하였다.
첫 번째는 타이완의 국립 가오슝 과학기술대학에서 발표한 “An Expression Analysis Service based on Edge Cloud Computing”이다. 이 논문은 얼굴의 표정을 인식한 정보를 그대로 데이터 센터에 전송하는 방법은 네트워크의 대역폭을 많이 사용할 뿐만 아니라 표정 인식의 질도 떨어뜨릴 수 있다는 점을 문제로 지적하였다. 이를 해결할 방법으로는 Edge cloud computing을 사용하여 사용저의 표정 이미지를 edge server에서 인식하고 어떤 표정인지 판별하는 계산을 수행한 뒤 분석한 결과만 모아 데이터 센터로 송신하는 것이다. Edge server에서 표정을 인식하는 알고리즘으로는 Multitask Cascaded Convolutional Neural Network(MTCNN) 알고리즘을 사용하여 안경을 쓴 얼굴의 표정까지도 인식할 수 있는 높은 인식률을 얻을 수 있다고 하였다.
두 번째는 필리핀의 Mapua 대학에서 발표한 “Sentiment Analysis on Tweets with Punctuations, Emoticons, and Negations”이다. 이 논문은 트위터의 트윗들의 내용에서 구두점, 이모티콘, 부정문들 중 어떤 요소가 감정을 인식하는데에 더 영향을 주는지에 대해 k-nearest neighbor(KNN)이라는 기계학습 알고리즘을 통해 분석한 논문이다. 이 논문에서는 영어와 필리핀어를 섞어 쓰는 트윗, 영어만 쓰는 트윗, 필리핀어만 사용하는 트윗을 트레이닝 시켰고 테스트 한 결과 구두점이 근소한 차이로 다른 요소(이모티콘, 부정문)보다 트윗의 감정을 인식하는 데에 더 큰 영향을 주었다. 이 논문은 성능 개선이나 기계적인 데이터들이 아닌 사람의 감정을 학습하고 인식한다는 점이 매우 흥미로웠다.
세 번째는 이화여대에서 발표한 “Real-time Electric Vehicle Classification for Electric Charging and Parking System Using Pre-trained Convolutional Neural Network”이다. 이 논문은 Convolutional Neural Network(CNN)을 이용하여 전기차의 모델 이미지를 사전에 학습시키고, 실시간으로 전송받는 전기차의 이미지를 인식하여 모델과 전기차의 종류(AEV, PHEV, FCEV)에 따른 충전방식을 분류한다. 이 논문에서는 기존의 차량 분류 시스템은 로고, 차량의 색, 번호판 등을 인식하여 분류를 하는 방법밖에 없으나 CNN으로 차량을 분류하는 것은 처음이라는 것을 강조하였다. 제안된 방법의 정확도는 77%로 다소 높지 않은 결과라고 생각되었다. 하지만 이 논문의 흥미로웠던 점은 이미 많은 사람들이 사용하고 연구하던 CNN을 아무도 생각해보지 못한 전기차에 응용했다는 점이었고 전기차의 필수요소인 충전방식을 분류하는 것을 목표로 했다는 점이었다.
ICISS2019에서는 특정 분야에서 아주 상세한 연구를 다루기보다는 다양한 분야의 기술들을 다양한 주제에 적용하여 실험하고 분석하는 논문들이 많았다. 특히 딥러닝을 이용한 연구들이 많았고 눈에 띄었다. 이번 학회를 통해 다양한 시각으로 연구할 수 있다는 점을 배울 수 있었다.