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
Hogeon Seo (Korea Atomic Energy Research Institute) Sungmoon Joo (Korea Atomic Energy Research Institute)
저널정보
한국비파괴검사학회 비파괴검사학회지 비파괴검사학회지 제41권 제1호
발행연도
2021.2
수록면
19 - 24 (6page)
DOI
10.7779/JKSNT.2021.41.1.19

이용수

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

초록· 키워드

오류제보하기
Laser scanning is a noncontact and nondestructive technique that captures the three-dimensional (3D) shape of objects as point clouds. Deep neural networks have been widely used to classify the 3D shapes of point clouds. In applying deep learning on point clouds, point cloud preprocessing is the first step. This study was conducted to analyze 3D shape classification characteristics using a deep neural network, PointNet, with a point cloud dataset, ModelNet40, for four preprocessing cases: random, scaling, zero-mean, and normalization. For each preprocessing case, the minimum and maximum coordinates of the point clouds and 3D shape classification performance are investigated. The results show that normalization preprocessing exhibits the most significant improvement in classification performance, and the zero-mean method is particularly effective. The findings indicate that proper preprocessing, such as normalization, should be performed before deep learning when the mean coordinates and scale of the point clouds differ significantly.
#Point Cloud #Deep Neural Network #Deep Learning #PointNet #Preprocessing #Normalization #Zero-mean

목차

Abstract
1. Introduction
2. Model and 3D Point Cloud Data
3. Experiments
4. Results and Discussion
5. Conclusions
References

참고문헌 (22)

참고문헌 신청
김세모 / 2020 / 자동 비파괴검사 구현을 위한 3차원 형상 측정 및 경로 설계 방법 / 비파괴검사학회지 40(1):16~23 dbpia J. Balado / 2019 / Road Environment Semantic Segmentation with Deep Learning from MLS Point Cloud Data / Sensors 19(16):3466 google schola W. Sun / 2020 / RobNet : real-time road-object 3D point cloud segmentation based on SqueezeNet and cyclic CRF / Soft Computing 24(8):5805~5818 google schola Z. Kowalczuk / 2019 / Classification of objects in the LIDAR point clouds using Deep Neural Networks based on the PointNet model / IFAC-PapersOnLine 52(8):416~421 google schola C. Chen / 2016 / Dynamic occlusion detection and inpainting of in situ captured terrestrial laser scanning point clouds sequence / ISPRS Journal of Photogrammetry and Remote Sensing 119:90~107 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

펄스 와전류 시계열 데이터 딥러닝을 통한 배관 두께 추정
서호건 ,  전지현 ,  신정우 외 1명 비파괴검사학회지 2021 .06
Survey and Performance Analysis on Point Cloud Classification Models
Chaitali Bhattacha ,  yya ,  Sungho Kim 제어로봇시스템학회 국제학술대회 논문집 2023 .10
PointNet++의 특징 생성 방법 개선을 통한 3차원 물체 인식의 성능 향상
김종민 ,  박정민 ,  이준웅 제어로봇시스템학회 논문지 2022 .06
다채널 음향방출 신호에 대한 딥러닝을 통한 3차원 위치 표정
임소영 ,  서호건 ,  이항로 외 1명 비파괴검사학회지 2022 .02
3차원 포인트 클라우드 데이터를 활용한 객체 탐지 기법인 PointNet과 RandLA-Net
이동건 ,  지승환 ,  박본영 대한조선학회 논문집 2022 .10

최근 본 자료

전체보기

댓글(0)

0