최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기터널과 지하공간: 한국암반공학회지 = Tunnel and underground space, v.29 no.6, 2019년, pp.508 - 522
이규범 (한국과학기술연합대학원대학교&한국건설기술연구원) , 신휴성 (한국건설기술연구원) , 김승현 (한국건설기술연구원) , 하대목 (서울과학기술대학교) , 최이수 (한양대학교)
Because of the slope failure, not only property damage but also human damage can occur, slope stability analysis should be conducted to predict and reinforce of the slope. This paper, defines the ground areas that can be characterized in terms of slope failure such as Rockmass jointset, Rockmass fau...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
암반 단층이란 | 암반 단층 (Rockmass fault)은 어느 면을 경계로 양쪽 암반에 변위가 발생한 불연속면을 말하며, 비탈면의 붕괴에 큰 영향을 미치므로 반드시 인식하여 분류해야 하는 분류 클래스이다. 그런데, 영상에서 단층은 대부분 선의 형태로 관찰되므로 영역을 인식하는 것이 목적인 인스턴스 분류기법을 적용하기 위해 암반 단층을 대상으로 레이블링을 진행하여도 제대로 인식하지 못할 가능성이 있다. | |
비탈면 안정성 평가를 통해 비탈면을 시공한 이후에는 꾸준히 모니터링 및 유지보수를 통해 비탈면을 관리해야하는 이유는? | 비탈면은 자연적으로 존재하는 자연비탈면과 깎거나 쌓아서 인공적으로 조성된 인공비탈면으로 구분할 수 있으며 도로, 철도 선로, 건설재료 및 부지 등의 확보를 위한 목적으로 조성된다(MLTMA, 2011). 자연비탈면과 깎아서 조성된 인공비탈면은 일반적으로 불균질한 토양과 암반으로 구성되어 있고, 암반 불연속면의 상태와 방향성에 민감하며, 강우 등의 기상상태와 지진 등의 지반 현상에 대해 항시 중대형 붕괴 위험이 존재한다(Park et al., 2006). | |
영상처리 알고리즘과 비교했을 때, Mask R-CNN의 장점은? | Mask R-CNN의 가장 큰 특징은 특징도 추출, 특징도에서 영역 제안, 그리고 영역 분리, 직사각형 경계박스 회귀 및 객체 클래스 분류과정이 모두 딥러닝 네트워크에 속하며, 학습이 가능하다는 것이다. 영상처리 알고리즘과 비교했을 때, 네트워크의 구조가 어느 데이터에 특화되지 않으며, 인식 목표 데이터셋의 구성에 따라 딥러닝 모델의 개선이 용이하다는 장점이 있다. 이러한 장점은 비탈면 붕괴영상을 바탕으로 데이터셋을 구성한 다음, 딥러닝 모델의 학습을 통해 본 논문의 목표인 비탈면의 지반특성 자동분류를 달성할 수 있을 것이다. |
Brooks, J., 2019, COCO Annotator, https://github.com/jsbroks/coco-annotator/
He, K., Gkioxari, G., Dollar, P., and Girshick, R., 2017, Mask r-cnn, In Proceedings of the IEEE international conference on computer vision, pp. 2961-2969.
He, K., Zhang, X., Ren, S., and Sun, J., 2016, Deep residual learning for image recognition, In Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 770-778.
Ioffe, S., and Szegedy, C., 2015, Batch normalization: Accelerating deep network training by reducing internal covariate shift, arXiv preprint arXiv:1502.03167.
Kim, J., H., and Kim, J., D., 2001, 암반 비탈면 영상을 이용한 절리의 방향성 해석, 한국암반공학회 학술대회 및 세미나 자료집, pp. 59-68.
Kim, J., T., Lee, C., J., Kim, J., H., Lee, Y., S., Ahn, K., H., Kim, S., D., and Jeong, G., C., 2008, Mapping and Slope Stability Analysis in Weathered Gneiss, Conference of Korean Society of Engineering Geology, pp. 163-170.
Korea Institute of Civil Engineering and Building Technology(KICT), 2016, 옥동-농소 2공구 도로개설공사: 비탈면 정밀조사 및 대책안 제시 검토의견서.
Krizhevsky, A., Sutskever, I., and Hinton, G. E., 2012, Imagenet classification with deep convolutional neural networks, In Advances in neural information processing systems, pp. 1097-1105.
LeCun, Y., Bengio, Y., and Hinton, G., 2015, Deep learning, Nature, Vol. 521, pp. 436-444.
Lim, C.U., 2017, Mask R-CNN, www.slideshare.net/windmdk/mask-rcnn
Lin, T. Y., Maire, M., Belongie, S., Hays, J., Perona, P., Ramanan, D., Bourdev, J., Girshick , R., Dollar, P., and Zitnick, C. L., 2014, Microsoft coco: Common objects in context, In European conference on computer vision, pp. 740-755.
Ministry of Land, Transport and Maritime Affairs(MLTMA), 2011, 도로비탈면 유지관리 실무매뉴얼.
Nair, V., and Hinton, G. E., 2010, Rectified linear units improve restricted boltzmann machines, In Proceedings of the 27th international conference on machine learning (ICML-10), pp. 807-814.
Park, D. G., Kim, T. H., and Park, J. H., 2006, 우리나라 비탈면재해 피해현황과 대책, Geotechnical Engineering, Vol. 22, No. 6, pp. 6-18.
Ren, S., He, K., Girshick, R., and Sun, J., 2015, Faster r-cnn: Towards real-time object detection with region proposal networks, In Advances in neural information processing systems, pp. 91-99.
Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I., and Salakhutdinov, R., 2014, Dropout: a simple way to prevent neural networks from overfitting, The journal of machine learning research, Vol. 15, No. 1, pp. 1929-1958.
Voulodimos, A., Doulamis, N., Doulamis, A., and Protopapadakis, E., 2018, Deep learning for computer vision: A brief review, Computational intelligence and neuroscience.
Zhao, H., 2018, New image processing algorithm for geological structure identification of rock slopes based on drone-captured images, PhD Thesis, Colorado School of Mines, Arthur Lakes Library.
Zhu, M., 2004, Recall, precision and average precision, Department of Statistics and Actuarial Science, University of Waterloo.
Zitnick, C. L., and Dollar, P., 2014, Edge boxes: Locating object proposals from edges, In European conference on computer vision, pp. 391-405.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.