김덕환
김덕환
소속
인하대학교 (전기전자공학부)
AI요약
인하대학교 전기전자공학부 김덕환 교수님의 연구는 저전력 데이터 스토리지, 최첨단 영상 및 신호 처리, 그리고 인공지능 및 딥러닝 기술 분야에서 혁신적인 해결책을 제시하고 있습니다. 특히, 하드디스크 전력 소모 감소를 위한 저전력 스트리밍 재생 장치 및 RAID 스케쥴링 기법, 클라우드 스토리지의 이레이져 코드 복구 시스템 개발을 통해 효율적인 데이터 관리 방안을 모색하고 있습니다. 또한, 흉부 방사선 이미지 분석을 통한 심비대 자동 탐지, 음성 신호 기반 성별 인식, 텍스처 특징 추출, 간질 발작파 자동 검출, 멀티모달 감정 인식 등 다양한 분야에서 인공지능 기반의 정확하고 효율적인 데이터 분석 방법을 개발하셨습니다. 이러한 연구는 시스템 성능 향상과 사용자 편의 증진에 크게 기여하고 있습니다.
기본 정보
| 연구자 프로필 |  |
| 연구자 명 | 김덕환 |
| 직책 | 교수 |
| 이메일 | deokhwan@inha.ac.kr |
| 재직 상태 | 재직 중 |
| 부서 학과 | 전기전자공학부 |
| 사무실 번호 | 0328607424 |
| 연구실 | 지능형 임베디드 시스템 연구실 (IESL) |
| 연구실 홈페이지 | https://sites.google.com/view/iesl-inha-lab/home |
| 홈페이지 | https://sites.google.com/view/iesl-inha-lab/professor?authuser=0 |
| 소속 | 인하대학교 |
경력정보
| 회사명 | 인하대학 |
| 재직기간 | 재직 중 |
| 담당업무 | 2006-Present Professor, Department of Electronics Engineering, INHA University, South Korea |
| 회사명 | IEEE, KIISE, IEEK, SIGFAST, KINGPC |
| 재직기간 | 재직 중 |
| 담당업무 | 2006-Present IEEE, KIISE, IEEK, SIGFAST, KINGPC members |
중요 키워드
#딥러닝#의료 영상 분석#임베디드 시스템#RAID#커넥티드카#시각 정보 처리#데이터 오케스트레이션#생체 신호#스토리지#멀티모달 AI#감정 인식#자율주행#에지 컴퓨팅#음성 인식#클라우드
연구 분야
| 연구 1 | 저전력 지능형 데이터 스토리지 및 엣지 클라우드 시스템 |
| 내용 | 본 연구실은 저전력 데이터 스토리지와 지능형 엣지 클라우드 시스템 분야에서 혁신적인 연구를 선도하고 있습니다. 폭증하는 데이터 시대에 에너지 효율적인 스토리지 솔루션과 분산된 컴퓨팅 환경에서 데이터를 효과적으로 관리하는 기술을 개발하는 것을 목표로 합니다. 특히, 하드디스크의 전력 소모를 획기적으로 줄이는 저전력 스트리밍 재생 장치와 RAID 스케쥴링 기법, 그리고 클라우드 스토리지의 신뢰성을 높이는 이레이져 코드 복구 시스템 개발에 중점을 둡니다. 저희는 SSD 및 NVRAM 기반의 고성능 스토리지 시스템을 위한 OS 및 알고리즘 연구를 수행하며, 데이터 중복 제거 및 재활용, 패리티 데이터 중복 제거 기술을 통해 스토리지의 수명 연장과 성능 향상을 동시에 달성합니다. 또한, 엣지 컴퓨팅 환경에서의 빅데이터 스토리지 활용 문제를 해결하기 위해 블록체인 기반의 분산 엣지 컴퓨팅 솔루션과 키-벨류 데이터 오케스트레이션 시스템을 개발하여 데이터 관리의 효율성과 보안을 강화하고 있습니다. 이러한 기술들은 기존 클라우드 환경의 한계를 극복하고 분산된 환경에서 최적의 스토리지 성능을 보장합니다. 본 연구는 IoT 환경, 커넥티드 카, 스마트 팩토리 등 다양한 산업 분야에서 데이터 저장 및 처리에 필요한 핵심 기술을 제공하며, 시스템 성능 향상과 운영 비용 절감에 크게 기여합니다. 특히, 데이터 센터의 에너지 효율을 높이고 차세대 지능형 스토리지 솔루션 시장을 선도하는 데 중요한 역할을 할 것으로 기대됩니다. 다수의 등록 특허와 국책 과제 수행 경험을 바탕으로 실질적인 기술 사업화와 산업 적용 가능성을 높이고 있습니다. |
| 연구 2 | 인공지능 기반 멀티모달 영상·음성 신호 처리 및 감정 인식 |
| 내용 | 본 연구실은 인공지능 및 딥러닝 기술을 활용하여 최첨단 영상 및 신호 처리 분야에서 혁신적인 솔루션을 개발하고 있습니다. 특히, 복잡한 생체 신호(뇌전도, 근전도)와 의료 영상(흉부 방사선 이미지) 및 음성 데이터를 정밀하게 분석하여 질병 진단, 건강 모니터링, 그리고 인간-컴퓨터 상호작용을 위한 핵심 기술을 제공하는 데 주력하고 있습니다. 이를 통해 시스템 성능 향상과 사용자 편의 증진에 크게 기여하는 것을 목표로 합니다. 저희 연구실은 흉부 방사선 이미지 분석을 통한 심비대 자동 탐지, 간질 발작파 자동 검출, 음성 신호 기반 성별 인식 및 감정 인식 기술 개발에 독보적인 전문성을 보유하고 있습니다. 딥러닝, 서포트 벡터 머신(SVM), 확률 모델 등 다양한 기계 학습 기법을 적용하여 데이터에서 의미 있는 패턴을 추출하며, 멀티모달 AI를 활용하여 여러 종류의 데이터를 통합 분석함으로써 단일 모달리티의 한계를 넘어선 정확하고 강건한 인식 성능을 확보합니다. 특히, 효율적인 멀티모달 특징 그룹 선정과 모델 최적화는 연구실의 주요 차별점입니다. 이러한 기술들은 의료 진단 보조 시스템, 스마트 헬스케어 기기, 자율 시스템 및 휴먼-로봇 인터랙션 등 다양한 분야에 적용될 수 있습니다. 특히, 병원의 진단 효율성을 높이고, 고령화 사회의 건강 관리 시스템을 지능화하며, 사용자 경험을 혁신하는 데 실질적인 가치를 제공합니다. 다수의 특허 등록과 관련 연구 과제 수행을 통해 기술의 실용성과 산업적 파급력을 입증하고 있습니다. |
| 연구 3 | 엣지 컴퓨팅 기반 자율형 임베디드 시스템 및 커넥티드 모빌리티 |
| 내용 | 본 연구실은 엣지 컴퓨팅 환경에서의 효율적인 자율형 임베디드 시스템 구축과 커넥티드 모빌리티 기술 개발에 집중하고 있습니다. 실시간 데이터 처리와 응답 속도가 필수적인 자율주행, IoT, 로봇 제어 시스템 등 차세대 지능형 시스템의 성능을 극대화하고, 지능형 서비스를 안정적으로 제공하기 위한 핵심 기술을 연구합니다. 중앙 클라우드 의존도를 낮추고 분산 환경에서 최적의 연산 효율을 달성하는 것이 주요 목표입니다. 저희는 딥러닝 모델의 저지연 및 고대역폭 처리를 위한 분산 엣지 기반 스케줄링 방법과 시스템 개발에 강점을 가지고 있습니다. GPU 기반 임베디드 엣지 서버 구성 및 신경망 서비스 활용 기술을 통해 엣지 디바이스에서 직접 고성능 AI 연산을 수행하며, 딥러닝 애플리케이션의 캐싱 및 오프로딩 기술로 자원 효율성을 극대화합니다. 또한, 엣지 컴퓨팅을 위한 삭제 기반 탱글 시스템 및 키-벨류 데이터 오케스트레이션 시스템을 통해 데이터 관리의 유연성과 신뢰성을 확보합니다. 커넥티드 카를 위한 지능형 모바일 엣지 클라우드 솔루션 개발 경험은 이 분야의 독보적인 역량을 보여줍니다. 이러한 연구 결과는 자율주행 차량, 스마트 시티 인프라, 지능형 로봇, 스마트 팩토리 등 실시간 데이터 처리와 빠른 의사결정이 요구되는 다양한 산업 분야에 직접적으로 적용될 수 있습니다. 특히, '커넥티드카를 위한 지능형 모바일 엣지클라우드 솔루션개발' 과제와 'AI 기반 임베디드시스템 고급인력양성' 등의 활동을 통해 산업 경쟁력 강화 및 미래 기술 인재 양성에 기여하며, 실제 기술 이전 성과를 창출하고 있습니다. |
대외활동
| 활동 내용 | [기술 자문/이전] - '커넥티드카를 위한 지능형 모바일 엣지클라우드 솔루션개발' 과제를 통해 기술 이전 성과 창출 [학회/위원회 활동] - '제22회 임베디드 소프트웨어 경진대회' 책임 교수로서 인하대학교의 3년 연속 대상 수상 기여 [수상 내역] - '2022 SW R&D 우수성과 시상식' 정보통신기획평가원장상 수상 |
학력
| 학력 사항 | 서울대학교 (학사) KAIST (석사) KAIST (박사) University Of Arizona (박사후 연구원) |
보유 기술 로딩 중...
