인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
연약지반 환경에서의 지표투과레이다(GPR) 데이터는 높은 신호 잡음과 불안정한 반사 특성으로 인해 지하 시설물 탐지가 어렵다. 이에 본 연구는 연약지반 GPR 데이터를 대상으로, 객체 탐지 성능에 영향을 미치는 요인을 모델 구조 관점과 입력 데이터 구성•증강 관점에서 단계적으로 분석하였다. 먼저 단일 평면 환경에서 YOLOv5m, Faster R-CNN, RetinaNet을 동일한 데이터 분할 및 입력 해상도 조건에서 비교하여 모델 구조에 따른 성능 특성을 평가하였다. 그 결과 YOLOv5m이 가장 높은 mAP 수치를 보였으며, 반면 Faster R-CNN과 RetinaNet은 Recall 측면에서 상대적으로 높은 경향을 나타냈다. 다음으로 다중 평면 입력 환경에서는 평면별 특징을 중간 계층에서 결합하는 Mid-fusion 기반 Faster R-CNN을 사용하여, 데이터 증강 전략이 일반화 성능에 미치는 영향을 비교하였다. 증강 전략은 (1) 미적용, (2) 신호 기반 증강, (3) 평면 간 정합성을 유지한 기하학적 증강과 신호 기반 증강의 결합의 세 조건으로 구성하였다. 특히 기하학적 증강은 ReplayCompose를 활용하여 한 평면에서 샘플링된 변환을 나머지 평면에 동일하게 재적용함으로써, 다중 평면 간 공간적 대응 관계를 유지하도록 설계하였다. 실험 결과, 신호 기반 증강에 기하학적 증강을 결합한 그룹이 가장 높은 성능을 기록하여, 미적용 대비 mAP@0.5:0.95 면에서 약 7.2pp의 성능 향상이 있었으며 다중 평면 기반 탐지에서 정합성을 보존한 기하학적 증강이 성능 향상에 유효함을 확인하였다. 또한 Grad-CAM 기반 정성적 분석을 통해 증강 적용 시 모델의 주목 영역이 객체 및 구조적 경계로 더 집중되는 경향을 관찰하였다. 본 연구 결과는 연약지반 GPR 환경에서 단일 평면 모델 구조의 특성 차이와 다중 평면 입력에서의 증강 설계 원칙이 탐지 성능에 미치는 영향을 함께 제시하며, 향후 GPR 기반 지하 시설물 자동 탐지 시스템의 학습 전략 수립에 참고 가능한 근거를 제공한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096017644
