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
Chuyen Pham (University of Science and Technology) Li Zhang (Korean Institute of Civil Engineering and Building Technology) Sun Yeom (Korean Institute of Civil Engineering and Building Technology) Hyu-Soung Shin (Korean Institute of Civil Engineering and Building Technology)
저널정보
한국암반공학회 터널과 지하공간 터널과 지하공간 제31권 제5호(통권 제154호)
발행연도
2021.10
수록면
374 - 384 (11page)

이용수

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

초록· 키워드

오류제보하기
본 논문에서는 암석시료의 CT 촬영 이미지상의 균열을 자동으로 탐지하는 새로운 인공지능 딥러닝 기법을 제안한다. 본 제안 기법은 2단계 딥러닝 객체인식 알고르즘인 Faster R-CNN을 기반으로 회전 가능한 경계박스(bounding box) 개념을 도입하여 알고리즘을 개조하였다. 회전 경계박스의 도입은 관심 균열 영역 밖의 배경의 불균질성 및 균열의 크기와 형태에 영향을 받는 딥러닝 객체인식기법 상의 고유한 어려움을 극복하기 위한 핵심 역할을 한다. 본 회전형 경계박스의 사용은 일반적으로 사용되는 영상 수평 축과 평행한 경계박스 사용의 경우와 비교하여 긴 형태의 균열 형상 특성에 매우 잘 부합된다. 즉, 좋지 않은 영향을 끼치는 경계박스 내 균열 이외 배경영역의 비율을 최소화 시킬 수 있다. 이외에도, 회전 경계 박스의 추가적인 이점은 인식된 균열의 방향에 따라 회전하여 추론되는 경계박스를 통해 균열의 방향과 길이에 대한 정보를 직접적으로 얻을 수 있다. 본 제안기법의 적용성을 검증하기 위하여, 이미지상에서 매우 불균질한 화강암 시료에 인공적으로 균열을 발생시킨 다수의 암석시료 영상을 딥러닝 학습에 사용하고 추론 성능 실험을 진행하였다. 그 외에도, 동일 조건에서 사암과 셰일 암석 시료에도 적용하여 검증하였다. 결론적으로, 제안된 기법을 통해 균열 객체 인식의 평균 추론정확도(mAP)값이 0.89 정도 수준의 우수한 추론 성능을 보였으며, 기존 기법에 비해 추론된 경계박스 내 균열과 배경 영역의 비율 측면에 서 배경의 비율이 획기적으로 최소화되는 유리한 추론 검증 결과를 보였다.
#Fracture detection #Computed tomography #Deep learning #Faster R-CNN #Rotated bounding box #균열 탐지 #컴퓨터 단층촬영 #딥러닝 알고리즘 #회전 경계박스

목차

ABSTRACT
초록
1. INTRODUCTION
2. METHODOLOGY
3. FRACTURE DETECTION RESULT
4. DISCUSSION
5. CONCLUSION
REFERENCES

참고문헌 (21)

참고문헌 신청
Abadi, M / TensorFlow: Large-scale machine learning on heterogeneous systems google schola Andrä, H. / 2013 / Digital rock physics benchmarks-Part I: Imaging and segmentation / Comput. Geosci 50:25~32 google schola Crandall D / 2017 / CT scanning and flow measurements of shale fractures after multiple shearing events / Int J Rock Mech Min Sci 100:177~187 google schola Girshick, R / 2015 / Fast R-CNN / ICCV google schola He, K. / 2017 / Mask R-CNN / CoRR abs/1703.06870 (2017). arXiv:1703.06870 http://arxiv.org/abs/1703.06870 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

쉴드 TBM 데이터와 머신러닝 분류 알고리즘을 이용한 암반 분류 예측에 관한 연구
강태호 ,  최순욱 ,  이철호 외 1명 터널과 지하공간 2021 .12
암반공학분야에 적용된 인공지능 알고리즘 분석
김양균 터널과 지하공간 2021 .02
실측 데이터베이스와 인공지능 추론기법을 이용한 철도 진동 예측 알고리즘 개발
이홍기 ,  이현준 ,  손성완 한국소음진동공학회 학술대회논문집 2019 .10

최근 본 자료

전체보기

댓글(0)

0