최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of Internet Computing and Services = 인터넷정보학회논문지, v.21 no.4, 2020년, pp.109 - 116
정주호 (Dept. of Software, Korea National University of Transportation) , 김다현 (Dept. of Software, Korea National University of Transportation) , 김철수 (Dept. of Railway Vehicle System Engineering, Korea National University of Transportation) , 오염덕 (Dept. of Software, Korea National University of Transportation) , 안준호 (Dept. of Software, Korea National University of Transportation)
With the advent of high-speed railways, railways are one of the most frequently used means of transportation at home and abroad. In addition, in terms of environment, carbon dioxide emissions are lower and energy efficiency is higher than other transportation. As the interest in railways increases, ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
철도 레일 탐지 방법의 전통적인 방식이 정확한 탐지가 어려운 원인은 무엇인가? | 철도 레일을 탐지하기 위한 전통적인 방식은 철도 레일 주변의 다양한 노이즈 때문에 탐지에 많은 영향을 받는다. 본 연구에서는 다양한 환경에서 높은 정확도로 철도 레일을 탐지하기 위해 딥러닝 알고리즘을 사용하며 연구에서 사용한 네트워크 구조는 그림 2와 같다. | |
철도가 대량수송이 가능하여 단위 수송 비용이 낮은 이유는 무엇인가? | 그 이유는 다른 교통수단과 비교 했을 때 안전성과 정시성이 우수하기 때문이다. 일반적인 여객열차는 한 량에 좌석이 70석 규모이며 6~8량 또는 10~20량 단위로 수송되기 때문에 대량 수송이 가능하여 단위 수송 비용이 낮다는 장점[1]이 있다. 또한, 환경적인 측면에서 교통수단에 따른 이산화탄소 배출량이 주요 관심사이다. | |
고속철도의 출현과 함께 철도가 국내외에서 자주 사용하는 교통수단 중 하나가 된 이유는 무엇인가? | 고속철도의 출현과 함께 철도는 국내외에서 자주 사용하는 교통수단 중 하나이다. 그 이유는 다른 교통수단과 비교 했을 때 안전성과 정시성이 우수하기 때문이다. 일반적인 여객열차는 한 량에 좌석이 70석 규모이며 6~8량 또는 10~20량 단위로 수송되기 때문에 대량 수송이 가능하여 단위 수송 비용이 낮다는 장점[1]이 있다. |
Statistics Korea, "Statistical Information Report for Users of Korea Railroad Statistics", 2017. http://kostat.go.kr/portal/korea/kor_pi/8/6/2/index.board?bmoderead&aSeq365757
Y. Lee, D. Moon, J, Yoo, "A Comparative Study on Policy of Modal Shift for Enhancing of Eco-friendly Rail Freight Transportation", The Korean Society for Railway Spring conference, pp. 2438-2441, 2008 https://www.koreascience.or.kr/article/CFKO200821041235034.j
Railsafety, "Five-Year Railway Accident Analysis Report", 2019. https://www.railsafety.or.kr/
M. Karakose, O. Yaman, M. Baygin, K. Murat, and E. Akin, "A New Computer Vision Based Method for Rail Track Detection and Fault Diagnosis in Railways", International Journal of Mechanical Engineering and Robotics Research, Vol. 6 No. 1, pp. 2-3, 2017. https://doi.org/10.18178/ijmerr.6.1.22-27
E. Pali, K. Mathe, L. Tamas, L. Busoniu, "Railway track following with the AR.Drone using vanishing point detection", 2014 IEEE International Conference on Automation, Quality and Testing, Robotics, pp. 4-5, 2014. https://doi.org/10.1109/AQTR.2014.6857870
C. Tastimur, M. Karakose, E. Akin, "A Vision Based Condition Monitoring Approach for Rail Switch and Level Crossing using Hierarchical SVM in Railways", International Journal of Applied Mathematics, Electronics and Computers, pp. 3-6, 2016. https://doi.org/10.18100/ijamec.270634
Z. Teng, F. Liu, B. Zhang, "Visual railway detection by superpixel based intracellular decisions", Multimed Tools Appl Vol. 75, pp. 2473-2486, 2016. https://doi.org/10.1007/s11042-015-2654-x
S. Yella, R. G. Nyberg, B. Payvar, M. Dougherty, N. K. Gupta, "Machine Vision Approach for Automating Vegetation Detection on Railway Tracks", Journal of Intelligent Systems, Vol. 22, No. 2, pp. 179-196, 2013. https://doi.org/10.1515/jisys-2013-0017
M. A. Selver, E. Y. Zoral, B. Belenlioglu, S. Dogan, "Predictive modeling for monocular vision based rail track extraction", 10th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics, pp. 1-6, 2017. https://doi.org/10.1109/CISP-BMEI.2017.8301928
S. Mittal, D. Rao, "Vision Based Railway Track Monitoring Using Deep Learning", arXiv, pp. 1-6, 2017. https://https://arxiv.org/abs/1711.06423
H. Wu, W. C. Siu, "Real time railway extraction by angle alignment measure", IEEE International Conference on Image Processing, pp. 1-5, 2015. https://doi.org/10.1109/ICIP.2015.7351670
Joseph Redmon, Ali Farhadi, "YOLOv3: an Incremental Improvement", arXiv, pp. 1-6, 2018. https://arxiv.org/abs/1804.02767
Zhanchao Huang, Jianlin Wang, "DC-SPP-YOLO: Dense Connection and Spatial Pyramid Pooling Based YOLO for Object Detection", arXiv, pp. 1-23, 2019. https://arxiv.org/abs/1903.08589
K. He, X. Zhang, S. Ren, J. Sun, "Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition", European Conference on Computer Vision, Vol. 8691, pp. 346-361, 2014. https://doi.org/10.1007/978-3-319-10578-9_23
P. Zhang, Y. Zhong, X. Li, "SlimeYOLOv3: Narrower, Faster and Better for Reail-Time UAV", IEEE/CVF International Conference on Computer Vision Workshop, pp. 37-45, 2019. https://doi.org/10.1109/ICCVW.2019.00011
C. Tan, F. Sun, T. Kong, W. Zhang, C. Yang, C. Liu, "A Surbey on Deep Transfer Learning. Machine Learning", International Conference on Artificial Neural Networks, pp. 270-279, 2018. https://doi.org/10.1007/978-3-030-01424-7_27
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.