메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
유영무 (한국철도기술연구원) 김병규 (한국철도기술연구원) 박정준 (한국철도기술연구원)
저널정보
한국지반공학회 한국지반공학회논문집 한국지반공학회논문집 제37권 제11호
발행연도
2021.11
수록면
107 - 118 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Scan-to-BIM은 라이다(Light Detection And Ranging, LiDAR)로 구조물을 계측하고 이를 바탕으로 3D BIM(Building Information Modeling) 모델을 구축하는 방법으로 정밀한 모델링이 가능하지만 많은 인력과 시간, 비용이 소모된다는 한계를 가진다. 이러한 한계를 극복하기 위해 포인트 클라우드 데이터를 대상으로 딥러닝(Deep learning) 알고리즘을 적용하여 구조물의 객체 분할(Semantic segmentation)을 수행하는 연구들이 진행되고 있으나 학습 데이터에 따라 객체 분할 정확도가 어떻게 변화하는지에 대한 연구는 미흡한 실정이다. 본 연구에서는 딥러닝을 통한 철도 터널의 객체 분할에 학습 데이터를 구성하는 철도 터널의 크기, 선로 유형 등이 어떤 영향을 미치는지 확인하기 위해 매개변수 연구를 수행하였다. 매개변수 연구 결과, 학습과 테스트에 사용한 터널의 크기가 비슷할수록, 단선 터널보다는 복선 터널로 학습하는 경우에 더 높은 객체 분할 성능을 보였다. 또한, 학습 데이터를 두 가지 이상의 터널로 구성하면 전체 정확도(Overall Accuracy, OA)와 MIoU(Mean Intersection over Union)가 적게는 10%에서 많게는 50%가량 증가하였는데 이로부터 학습 데이터를 다양하게 구성하는 것이 효율적인 학습에 기여할 수 있음을 확인하였다.
#Deep learning #Point cloud data #Railroad tunnel #Scan-to-BIM #Semantic segmentation

목차

Abstract
요지
1. 서론
2. 배경이론
3. 캐드 모델링을 활용한 3D 포인트 클라우드 학습 DB 구축
4. 포인트넷 기반의 터널 객체 분할 인식 파라미터 연구
5. 결론
참고문헌 (References)

참고문헌 (18)

참고문헌 신청
Hergunsel, M. F. (2011), “Benefits of Building Information Modeling for Construction Managers and BIM based Scheduling”, Master’s thesis, Worcester Polytechnic Institute. google schola Hong, S., Park, I.-S., Heo, J., and Choi, H. (2012), “Indoor 3D Modeling Approach based on Terrestrial LiDAR”, KSCE Journal of Civil and Environmental Engineering Research, Vol.32, No.5D, pp.527-532 (in Korean). google schola Jaderberg, M., Simonyan, K., Zisserman, A., and Kavukcuoglu, K. (2015), “Spatial transformer networks”, Advances in Neural Information Processing Systems. google schola Kim, H., Yoon, J., and Sim, S.-H. (2020), “Automated Bridge Component Recognition from Point Clouds Using Deep Learning”, Structural Control Health Monitoring, Vol.27, No.9, e2591. google schola Kreider, R., Messner, J., and Dubler, C. (2010), “Determining the Frequency and Impact of applying BIM for Different Purposes on Projects”, Proceedings 6th International Conference on Innovation in Architecture, Engineering and Construction (AEC), pp.1-10. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

딥러닝을 활용한 딜레마 존에서의 차량 속도 제어
이재욱 ,  김봉상 ,  심홍석 외 2명 제어로봇시스템학회 논문지 2022 .03
3차원 복원 및 객체 검출 기반 건물 균열 탐지
김혜근 ,  양석영 ,  이승준 외 1명 디지털콘텐츠학회논문지 2022 .12
철도 선로 침목 균열 검출을 위한 3가지 딥러닝 모델 성능 비교
김덕진 ,  김보천 ,  이동원 외 1명 한국정보통신학회 종합학술대회 논문집 2020 .10
딥러닝 기반 트러스 구조물의 정적 및 동적 해석
심은아 ,  윈넉딴 ,  서민희 외 3명 한국강구조학회 학술대회 발표집 2018 .05
딥러닝을 이용한 실시간 자동 계측기 상태 모니터링 시스템
이은섭 ,  홍정현 ,  김대진 한국정보과학회 학술발표논문집 2018 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-531-000038662