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.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.12
- 수록면
- 514 - 524 (11page)
- DOI
- 10.7315/CDE.2021.514
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
With the rapid development of artificial intelligence technology, deep learning-based classification techniques have had enough reliability to be applied to industrial sites. However, while the study of the object classification on data acquired with 3D scanners or cameras has made remarkable progress, research activity based on geometric data sets is still in its infancy. In particular, in order to improve the classification performance of ship parts based on deep learning in the nesting problem to increase productivity in shipbuilding, the study of the construction of part datasets and data pre-processing is necessary. In this paper, we introduce a method to apply the artificial neural network technology of deep learning to the nesting algorithm for shipbuilding. Labeled with histogram-based shape contexts for constructing a dataset for classifying ship parts using Convolutional Neural Networks (CNNs). In addition, we introduce the preprocessing method of the geometric information of the ship parts for learning and the no-fit polygon (NFP) method for classified parts to pair up. To train the classification model for the 23,201 ship parts, a data set of 842 classes was constructed through the shape matching algorithm. The trained CNN model was able to classify those parts with an accuracy of 85.13%.
목차
ABSTRACT
1. 서론
2. 관련 연구
3. CNN 기반 선박 부재 분류
4. 부재 배치
5. 결론
References
참고문헌 (19)
참고문헌 신청
Nam, G.W., Roh, M.I., Lee, H.W. and Lee, W.J., 2021, Classification of Ship Images for Autonomous Ships Using Deep Learning, Korean Journal of Computational Design and Engineering, 26(2), pp.144-153.
Choi, Y., Park, J.H. and Jang, B., 2019, A Risk Estimation Approach based on Deep Learning in Shipbuilding Industry, Proceedings of the 2019 International Conference on Information and Communication Technology Convergence (ICTC), pp.1438-1441.
Kim, B., Son, S., Ryu, C. and Shin, J.G., 2019, Curved Hull Plate Classification for Determining Forming Method using Deep Learning, Journal of Ship Production and Design, 35(04), pp.328-337.
Fowler, R.J., Paterson, M.S. and Tanimoto, S.L., 1981, Optimal Packing and Covering in the Plane are NP-Complete, Information Processing Letter, 12, pp.133-137.
Heckmann, R. and Lengauer, T., 1995, A Simulated Annealing Approach to the Nesting Problem in the Textile Manufacturing Industry, Annals of Operations Research Volume, 57(1), pp.103-133.
Choi, Y., Park, J.H. and Jang, B., 2019, A Risk Estimation Approach based on Deep Learning in Shipbuilding Industry, Proceedings of the 2019 International Conference on Information and Communication Technology Convergence (ICTC), pp.1438-1441.
Kim, B., Son, S., Ryu, C. and Shin, J.G., 2019, Curved Hull Plate Classification for Determining Forming Method using Deep Learning, Journal of Ship Production and Design, 35(04), pp.328-337.
Fowler, R.J., Paterson, M.S. and Tanimoto, S.L., 1981, Optimal Packing and Covering in the Plane are NP-Complete, Information Processing Letter, 12, pp.133-137.
Heckmann, R. and Lengauer, T., 1995, A Simulated Annealing Approach to the Nesting Problem in the Textile Manufacturing Industry, Annals of Operations Research Volume, 57(1), pp.103-133.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
자율 운항 선박을 위한 딥 러닝 기반 선박 이미지 분류 방법
한국CDE학회 논문집
2021 .06
-
Novel Image Classification Method Based on Few-Shot Learning in Monkey Species
Journal of information and communication convergence engineering
2021 .06
-
컨볼루션 신경망을 기반으로 한 드론 영상 분류
한국인터넷방송통신학회 논문지
2017 .01
-
딥 러닝 기반의 전이 학습을 이용한 이미지 분류에 관한 연구
한국전자통신학회 논문지
2023 .06
-
A New Image Classification Method
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2021 .02
-
A study of deep learning models to improve sentence classification performance
한국지능정보시스템학회 학술대회논문집
2021 .06
-
Target Classification Bsed On Deep Learning
대한전기학회 학술대회 논문집
2019 .07
-
일차원 부재의 효과적인 배치알고리즘에 관한 연구
한국CDE학회 학술발표회 논문집
2015 .02
-
A Convolutional Neural Network Approach for Classification of Text based on the Texts Collected from Web
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2018 .06
-
딥러닝을 이용한 선형 설계 초기 단계에서의 저항 추정
한국CDE학회 논문집
2019 .06
-
Wavelet-like convolutional neural network structure for time-series data classification
Smart structures and systems
2018 .01
-
표면 결함 분류를 위한 적정 규모의 딥러닝 모델
전기학회논문지
2020 .12
-
가상 3D 라이다 기반 객체 분류 딥러닝 학습 데이터셋 구축 방법에 관한 연구
한국자동차공학회논문집
2020 .06
-
Analysis of JPEG Image Compression Effect on Convolutional Neural Network-Based Cat and Dog Classification
한국방송미디어공학회 학술발표대회 논문집
2022 .11
-
Review on the Recent Welding Research with Application of CNN-Based Deep Learning Part I: Models and Applications
대한용접·접합학회지
2021 .02
-
CNN을 이용한 세포영상 자동분류 알고리즘에 관한 연구
전기학회논문지
2021 .01
-
다양한 이미지 향상 기법을 사용한 전립선 병리영상 딥러닝 이진 분류 연구
멀티미디어학회논문지
2020 .04
-
한국 해상 환경에 적합한 영상 기반 선박 인식 기술에 관한 연구
대한전자공학회 학술대회
2021 .06
-
깊은 Convolutional Neural Network를 이용한 얼굴표정 분류 기법
방송공학회논문지
2017 .03
-
이진 분류문제에서의 딥러닝 알고리즘의 활용 가능성 평가
지능정보연구
2017 .03
이 논문의 저자 정보
이 논문과 함께 이용한 논문
모형선 제작을 위한 다중 판 네스팅
최준호
,
장연진
,
오민재
한국정보통신학회논문지
2024
.03
Voxel Based Fast Cutting Force Simulation in NC Milling Process
허세곤
,
김창주
,
오정석
Journal of the Korean Society for Precision Engineering
2022
.12
딥러닝 기반의 객체 검출 및 거리 추정을 위한 카메라 센서 구현에 관한 연구
황선희
,
최지훈
,
박하선
외 1명
한국자동차공학회논문집
2022
.08
강화학습 기반 안벽 배치 계획 알고리즘 개발
조영인
,
오승헌
,
곽동훈
외 2명
한국CDE학회 논문집
2022
.06
결함검출 적용을 위한 YOLO 딥러닝 알고리즘 비교
김익수
,
이문구
,
전용호
한국생산제조학회지
2021
.12
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2022-530-000042456