메뉴 건너뛰기
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
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG
학술저널
오류 신고하기해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

논문 기본 정보

저자정보
(Saehan Aero Surve) (Saehan Aero Surve) (Saehan Aero Survey) (Saehan Aero Surve) (Saehan Aero Surve)
저널정보
한국측량학회 한국측량학회지 한국측량학회지 제42권 제5호
오류 신고하기
표지

피인용 1

검색

    초록·키워드

    사진측량은 다양한 플랫폼에 탑재할 수 있는 여러 종류의 첨단 센서와 사용자 중심의 성과물들을 효율적으로 생성할 수 있는 딥러닝(DL)과 같은 기술 발전으로 많은 분야에서 활용이 급증하고 있다. DL의 성능은 인공신경망 구조, 학습 데이터 및 학습방법 등 다양한 요소에 영향을 받는다. 본 논문은 라이다 (LiDAR: Light Detection and Ranging) 데이터의 3D 좌표에서 생성한 기하학적 특징을 활용하여 라이다 점군 분류를 위한 다중 모드 DL을 제시한다. 점군의 고유값으로부터 계산한 기하학적 특성인 omnivariance, eigenentropy, anisotropy, surface variation, sphericity, verticality를 학습에 활용하였다. 각각의 특성은 데이터에 내재된 객체들의 고유 정보이며, 이를 DL 모델 학습에 사용하여 시너지 효과에 의한 DL 성능을 향상시킬 수 있다. 또한, 다중 모드 DL에서 융합이 중요하며, 일반적으로 초기융합, 중간융합 그리고 후기융합으로 분류된다. 본 논문에서는 초기융합과 후기융합 기반의 혼합(또는 하이브리드) 방법을 사용하여 라이다 점군의 분류 결과를 분석하였다. 라이다 데이터와 기하학적 특징들을 멀티 모드 DL 학습에 사용하고 초기융합 방법을 수행하여 라이다 데이터의 분류 정확도가 최대 35% 향상되었다. 그러므로 다중 모드 DL은 데이터에 내재된 특성정보를 활용하는 효과적인 학습방법이다.
    #LiDAR point clouds #Geometric features #Multimodal deep learning #Classification #라이다 점군 #기하학적 특성 #다중 모드 딥러닝 #분류

    본문·목차

    최근 본 자료 전체보기

      260915_DBpiaAI2학기
      261017_Citeasy Update
      260917_DBpiaAI뷰어2
      260604_KRpiaAI
      UCI(KEPA) : I410-151-25-02-091066295