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
이준석 (Korea Railroad Research Institute) 황성호 (Korea Railroad Research Institute) 최일윤 (Korea Railroad Research Institute) 최영태 (Korea Railroad Research Institute)
저널정보
한국철도학회 한국철도학회 논문집 한국철도학회 논문집 제21권 제9호(통권 제112호)
발행연도
2018.10
수록면
924 - 932 (9page)
DOI
10.7782/JKSR.2018.21.9.924

이용수

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

초록· 키워드

오류제보하기
본 연구에서는 궤도시스템을 구성하는 PC 침목의 균열을 실시간으로 검출하기 위한 다양한 심층학습기법의 비교연구를 수행하였으며. 특히 영역기반 박스모형 및 픽셀기반 대상물 검지기법을 중점적으로 분석하였다. 균열 및 균열과 유사한 물체를 포함한 현장 영상자료를 구분하기 위하여 심층학습기법내 다양한 계층구조를 구축하여 학습효과를 향상시켰으며 이를 통해 특성맵을 추출하였다. 또한, 기존 학습모형을 이용하는 전이학습 기법을 함께 고려하여 균열과 같이 길이에 비해 폭이 매우 작은 대상물의 검지 가능성을 함께 비교하였다. 이 결과 픽셀기반 대상물 검지기법의 우수성을 확인하였으며, 정밀도 향상을 위한 경계검지기법의 적용방안을 제안하였다.
#Sleeper crack #Deep learning #Bounding box #Semantic segmentation #Edge detection #침목균열 #심층학습 #폐쇄형 박스모형 #픽셀기반 대상물 검지기법 #경계검지

목차

Abstract
초록
1. 서론
2. 침목균열 검지를 위한 심층학습 적용모형
3. PC 침목의 손상파악을 위한 심층학습 과정
4. PC 침목의 균열탐지 예
5. 결론
References

참고문헌 (21)

참고문헌 신청
X. Gibert, V. Patel, R. Chellappa (2017) Deep multitask learning for railway track inspection, IEEE Transactions on Intelligent Transportation Systems, 18(1), pp. 153-164. J. Lee, S. Hwang, I. Choi, I, Kim (2018) Prediction of track deterioration using maintenance data and machine learning schemes, Journal of Transportation, A., 144(9), pp. 04018045-1:9. Y. Cha, W. Choi, O. Buyukozturk (2017) Deep learning-based crack damage detection using convolutional neural networks, Computer- Aided Civil and Infrastructure Engineering, 32, pp. 361-378. J. Chen, Z. Liu, H. Wang, A. Nunez, et al. (2018) Automatic defect detection of fasteners on the catenary support device using deep convolutional neural network, IEEE Transactions on Instrumentation and Measurement, 67(2), pp. 257-269. J. Lee, J. Park, I. Choi, K. Kim, et al. (2017) Feasibility study on the application of deep learning and pattern recognition to the decision support system of railway maintenance, Internal report, 2017-176, Korea Railroad Research Institute.

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

플라이 애쉬 콘크리트의 압축 강도 및 내구 특성
김광수 ,  장승엽 ,  이광명 대한토목학회논문집 A 2004 .07
준현실 기반의 교량 유지관리 기법
한승수 ,  권지혜 ,  공혁진 외 1명 한국강구조학회 학술대회 발표집 2018 .05
교량의 3차원 측정을 위한 UAV 비디오와 사진의 표정 분석
한동엽 ,  박재봉 ,  허정원 한국측량학회지 2018 .12
드론 탑재형 초분광 영상을 활용한 도로포장상태 관리 기술 연구
함건우 ,  김한솔 ,  이정민 외 2명 대한공간정보학회 학술대회 2018 .11
동력분산형 고속열차의 승차감 개선에 관한 연구
전창성 ,  김상수 ,  김석원 한국산학기술학회 논문지 2018 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-557-000055999