지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2020.3
- 수록면
- 113 - 120 (8page)
이용수
초록· 키워드
오류제보하기
The purpose of this study is to compare the models of Deep Learning-based Convolution Neural Network(CNN) for concrete crack detection. The comparison models are AlexNet, GoogLeNet, VGG16, VGG19, ResNet-18, ResNet-50, ResNet-101, and SqueezeNet which won ImageNet Large Scale Visual Recognition Challenge(ILSVRC). To train, validate and test these models, we constructed 3000 training data and 12000 validation data with 256×256 pixel resolution consisting of cracked and non-cracked images, and constructed 5 test data with 4160×3120 pixel resolution consisting of concrete images with crack. In order to increase the efficiency of the training, transfer learning was performed by taking the weight from the pre-trained network supported by MATLAB. From the trained network, the validation data is classified into crack image and non-crack image, yielding True Positive (TP), True Negative (TN), False Positive (FP), False Negative (FN), and 6 performance indicators, False Negative Rate (FNR), False Positive Rate (FPR), Error Rate, Recall, Precision, Accuracy were calculated. The test image was scanned twice with a sliding window of 256×256 pixel resolution to classify the cracks, resulting in a crack map. From the comparison of the performance indicators and the crack map, it was concluded that VGG16 and VGG19 were the most suitable for detecting concrete cracks.
목차
Abstract
1. 서론
2. 이론적 배경
3. 실험 계획
4. 실험 결과 및 분석
5. 결론
REFERENCES
참고문헌 (21)
참고문헌 신청
Special Act on the Safety and Maintenance of Facilities, Act No. 15535 (2018).
Detailed Instructions for Safety and Maintenance of Facilities (Safety Inspection and Diagnosis) (2019). Korea Infrastructure Safety and Technology Corporation.
Fujita, Y., Mitani, Y., & Hamamoto, Y. (2006). A Method for Crack Detection on a Concrete Structure. In 18th International Conference on Pattern Recognition (ICPR’06), 901?904.
Yamaguchi, T., Nakamura, S., Saegusa, R., & Hashimoto, S. (2007). Image-Based Crack Detection for Real Concrete Surfaces. IEEJ Transactions on Electrical and Electronic Engineering, 3(1), 128?135.
Fujita, Y., & Hamamoto, Y. (2010). A robust automatic crack detection method from noisy concrete surfaces. Machine Vision and Applications, 22(2), 245?254.
Detailed Instructions for Safety and Maintenance of Facilities (Safety Inspection and Diagnosis) (2019). Korea Infrastructure Safety and Technology Corporation.
Fujita, Y., Mitani, Y., & Hamamoto, Y. (2006). A Method for Crack Detection on a Concrete Structure. In 18th International Conference on Pattern Recognition (ICPR’06), 901?904.
Yamaguchi, T., Nakamura, S., Saegusa, R., & Hashimoto, S. (2007). Image-Based Crack Detection for Real Concrete Surfaces. IEEJ Transactions on Electrical and Electronic Engineering, 3(1), 128?135.
Fujita, Y., & Hamamoto, Y. (2010). A robust automatic crack detection method from noisy concrete surfaces. Machine Vision and Applications, 22(2), 245?254.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
딥러닝 및 영상처리 기술을 활용한 콘크리트 균열 검출 방법
대한건축학회 논문집 - 구조계
2019 .11
-
건물 안전 진단을 위한 딥러닝 기반의 외벽 균열 검출 방법
대한설비관리학회지
2021 .12
-
Transfer learning for crack detection in concrete structures: Evaluation of four models
Structural Engineering and Mechanics, An Int＇l Journal
2024 .07
-
Performance Comparison of Mask R-CNN and Deep Crack Algorithms for Crack segmentation
한국콘크리트학회 학술대회 논문집
2023 .05
-
드론 촬영 정사영상을 이용한 합성곱 신경망 딥러닝 알고리즘 기반 콘크리트 균열 자동평가 시스템
대한건축학회 학술발표대회 논문집
2021 .10
-
역학적 파동을 이용한 콘크리트 내부 수직균열 탐사 시스템
대한건축학회 학술발표대회 논문집
2022 .10
-
Crack analysis of reinforced concrete members with and without crack queuing algorithm
Structural Engineering and Mechanics, An Int＇l Journal
2019 .01
-
SAMT: Shape-aware Multi-task Deep Convolutional Model for Crack Identification
대한전자공학회 학술대회
2023 .06
-
Effect of Cracking on Corrosion of Steel in Concrete
International Journal of Concrete Structures and Materials
2018 .01
-
The investigation crack problem through numerical analysis
Structural Engineering and Mechanics, An Int＇l Journal
2016 .01
-
교량 안전점검을 위한 딥러닝 기반 균열 분석에 관한 연구
Proceedings of KIIT Conference
2021 .06
-
딥러닝 기반의 분할과 객체탐지를 활용한 도로균열 탐지시스템 개발
한국전자거래학회지
2021 .02
-
Comparative study on cracked beam with different types of cracks carrying moving mass
Structural engineering and mechanics : An international journal
2015 .01
-
이미지의 균열 픽셀 탐지를 위한 딥러닝 모델의 적용과 의미론적 분할 활용
Ecology and Resilient Infrastructure
2024 .12
-
건축물 균열 특성을 반영한 딥러닝 기반 균열 검출 모델 개발
한국통신학회 학술대회논문집
2023 .06
-
Automated Detection of Surface Cracks and Numerical Correlation with Thermal‑Structural Behaviors of Fire Damaged Concrete Beams
International Journal of Concrete Structures and Materials
2020 .05
-
장기간 현장조사를 통한 연속철근 콘크리트 포장의 균열간격과 균열폭 특성 분석
한국도로학회논문집
2016 .01
-
콘크리트 건축물의 균열 검출을 위한 딥러닝 기반의 균열 객체 분할 모델
대한전자공학회 학술대회
2023 .06
-
전자식 균열 측정 기기를 이용한 빅데이터 기반 균열 분석
대한건축학회 학술발표대회 논문집
2024 .10
-
Crack growth prediction on a concrete structure using deep ConvLSTM
Smart Structures and Systems, An International Journal
2024 .04
이 논문의 저자 정보
이 논문과 함께 이용한 논문
레이저 열화상 기법과 CNN 딥러닝을 이용한 용접부 표면의 자동 균열 검출 기술 개발
김치성
,
황순규
,
정준연
외 1명
비파괴검사학회지
2020
.06
간호대학생이 지각한 간호사 이미지와 간호전문직관
성지아
,
염은이
,
도영숙
한국콘텐츠학회논문지
2014
.11
드론 촬영 이미지 데이터를 기반으로 한 도로 균열 탐지 딥러닝 모델 개발
권영주
,
문성호
토지주택연구
2023
.06
CNN 기반 콘크리트 구조물 균열 분류시 신뢰도 및 계산 효율을 고려한 이미지 증강 규모 최적화 연구
장현준
,
이호현
,
홍성택
외 2명
한국정보통신학회 종합학술대회 논문집
2022
.05
YOLO를 활용한 안티-드론 객체 탐지 시스템의 학습 이미지 수에 따른 성능 분석
이영규
,
강진호
한국통신학회논문지
2024
.03
최근 본 자료
댓글(0)
0