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
유영준 (국민대학교) 김대희 (국민대학교) 이명학 (국민대학교) 이재구 (국민대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제46권 제5호
발행연도
2021.5
수록면
923 - 927 (5page)
DOI
10.7840/kics.2021.46.5.923

이용수

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

이 논문의 연구 히스토리 (2)

2021

지하공동 탐지를 위한 시뮬레이션 생성 데이터 기반 깊은 신경망 학습
유영준 ,  김대희 ,  이명학 외 1명 한국통신학회논문지 2021.05 학술저널

2020

시뮬레이션 기반 생성 데이터로 학습된 깊은 신경망을 활용한 지하공동 탐지
유영준 ,  김대희 ,  이명학 외 2명 한국통신학회 학술대회논문집 2020.08 학술대회자료

초록· 키워드

오류제보하기
도심지 도로에 발생하는 지하공동은 최근 수년간 사람들의 안전을 위협하는 사회적 현안으로 대두된 바 있다. 이에 따라 도심지 지하공동의 존재를 선제적으로 파악하는 일의 중요성이 증대되고 있다. 지하공동을 탐지하기 위해 일반적으로 지표투과 레이다 시스템을 사용하는데, 이는 지하에 전자기파 펄스 신호를 방사시킨 후, 지하의 불연속면에서 산란되어 돌아온 신호를 수신하여 영상화하는 기법이다. 실제 환경에서 GPR 데이터를 수집하고 지하에 공동이 존재하는지 판단하기 위해서는 많은 인력과 시간이 필요하고 수집된 데이터의 개수가 부족한 한계가 있다. 따라서 파형 영상 분석에 사용되는 인력을 최소화하고 소요되는 시간을 절약하기 위해 실제 데이터를 대신할 가상 데이터를 생성하여 활용하고자 한다. 본 논문에서는 시뮬레이션을 통해 생성된 파형 영상들을 활용해 깊은 신경망 모델인 VGGNet-16을 학습하여, 지하 토양에 공동이 존재하는지 판단하는 방법을 제안한다. 우리는 시뮬레이션을 통해서 공동이 존재하는 지하 토양의 파형 영상과 존재하지 않는 지하 토양의 파형 영상을 생성하여 학습 데이터로 사용하였다. 실험 결과, 공동의 특징을 학습한 VGGNet-16은 공동 모델이 있는 지하 토양과 공동모델이 없는 지하 토양을 분류하는데 92.3%의 정확도를 보였다. 더불어 학습된 모델이 공동의 특징을 적절히 학습했는지 확인하기 위해, 모델이 분류 시 입력 영상에서 어떤 부분을 보고 판단하는지 Score-CAM으로 시각화하였다. 이를 토대로 공동이 존재할 시 나타나는 특징을 깊은 신경망 모델이 적절히 학습하였다고 판단하였다. 향후 연구에서는 시뮬레이션으로 생성된 데이터와 실제 공동 데이터 간의 유사도를 검증하고 실제 공동 데이터를 통해서 학습된 모델의 성능을 검증해볼 필요성이 있다고 판단된다.
#지하공동 #지표투과 레이다 #시뮬레이션 #특징 시각화 #딥러닝 #설명가능한 인공지능 #Underground cavity #Ground-penetrating radar #Simulation #VGGNet-16 #Feature Visualization #Deep Learning #Explainable AI

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험
Ⅳ. 결론
References

참고문헌 (8)

참고문헌 신청
N. Kim, S. Kim, Y.-K. An, and J. J. Lee, “Triplanar imaging of 3-D GPR data for deep-learning-based underground object detection,” in IEEE J. Sel. Topics in Appl. Earth Observations and Remote Sensing, vol. 12, no. 11, pp.1-11, Nov. 2019. google schola S. Ro, N. V. Hoai, B. Choi, and N. M. Dung, “Sinkhole tracking by deep learning and data association,” J. KIIT, vol. 17, no. 6, pp. 17-25, Jun. 2019. google schola K. Simonyan and A. Zisserman, “Very deep convolutional networks for large-scale image recognition,” arXiv preprint arXiv:1409.1556, 2014. google schola H. Wang, M. Du, F. Yang, and Z. Zhang, “Score-CAM: Improved visual explanations mapping,” arXiv preprint arXiv:1910.01279, 2019. google schola C. Warren, A. Giannopoulos, and I. Giannakis, “GprMax: Open source software to simulate electromagnetic wave propagation for Ground Penetrating Radar,” Computer Physics Commun., pp. 163-170, Netherlands, Dec. 2016. 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

전통시장의 쇠락과정, 대응양상, 그리고 미래 : 전주 남부시장의 민족지적 사례
채수홍 ,  구혜경 비교문화연구 2015 .01
서울시 GPR 탐사 데이터의 학습데이터 구축 및 객체탐지 기법 적용을 통한 지하공동 탐지 연구
황재홍 ,  이기석 대한공간정보학회지 2024 .03
시뮬레이션 기반 생성 데이터로 학습된 깊은 신경망을 활용한 지하공동 탐지
유영준 ,  김대희 ,  이명학 외 2명 한국통신학회 학술대회논문집 2020 .08
일원배치 분산분석을 이용한 표고버섯 열수 추출 분말 첨가 구운 어묵의 제조조건 최적화
오정환 ,  이정임 ,  카라데니즈 파티 외 7명 한국식품영양과학회지 2021 .03

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-567-001677987