$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

Faster R-CNN 학습데이터 구축과 모델을 이용한 안전모 탐지 연구
A Study on Data Collection and Object Detection using Faster R-CNN for Application to Construction Site Safety 원문보기

한국방재학회논문집 = Journal of the Korean Society of Hazard Mitigation, v.20 no.1, 2020년, pp.119 - 126  

김대성 (고려대학교 건축사회환경공학과) ,  공정식 (고려대학교 건축사회환경공학과) ,  임재훈 (고려대학교 건축사회환경공학과) ,  소병춘 (고려대학교 건축사회환경공학과)

초록
AI-Helper 아이콘AI-Helper

우리나라의 산업재해 중 건설 분야의 경우 전체의 28.55%의 고위험분야에 해당한다. 이러한 산업재해를 저감하기 위한 활발하게 진행되고 있지만, 건설 안전분야 적용 연구는 아직 미비한 실정이다. 본 연구에서는 건설 안전분야의 안전 보호구 착용 판별에 대한 최신 인공지능 R-CNN 알고리즘을 활용하여 한국형 데이터 학습모델 구축 연구를 수행하였고, 실시간 영상 접목이 가능한 객체 탐지 솔루션을 구현하여 검증하였다. 본 연구수행 결과, 신규 한국형 안전모 착용 여부에 대한 판별 데이터 학습모델은 평균 정밀도(mean Average Precision) 0.82의 우수한 결과로 건설 안전분야의 산업재해 저감을 이룰 것으로 판단된다.

Abstract AI-Helper 아이콘AI-Helper

Among the industrial accidents occurring in Korea, the construction sector accounts for 28.55% of theaccidents associated with this high-risk sector. Although active progress is being made to reduce such industrial accidents, studies concerning the applications to construction site safety are curren...

주제어

참고문헌 (19)

  1. 2011 

  2. 10.1109/CVPR.2009.5206848 

  3. Everingham, Mark, Van Gool, Luc, Williams, Christopher K. I., Winn, John, Zisserman, Andrew. The Pascal Visual Object Classes (VOC) Challenge. International journal of computer vision, vol.88, no.2, 303-338.

  4. 10.1109/CVPR.2014.81 

  5. 10.1109/CVPR.2016.90 

  6. 2018 

  7. Krizhevsky 2009 

  8. Lin, T.-Y., Maire, M., Belongie, S., Hays, J., Perona, P., Ramanan, D., Dollar, P., Zitnick, C.L.. Microsoft COCO: Common Objects in Context. Lecture notes in computer science, vol.8693, 740-755.

  9. 2018a 

  10. 2018b 

  11. 2019 

  12. 2019 

  13. 2017 

  14. Ren, Shaoqing, He, Kaiming, Girshick, Ross, Sun, Jian. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. IEEE transactions on pattern analysis and machine intelligence, vol.39, no.6, 1137-1149.

  15. Development on identification algorithm of risk situation around construction vehicle using YOLO-v3 Shim 622 2019 

  16. Very deep convolutional networks for large-scale image recognition Simonyan 40 2015 

  17. 10.1109/IJCNN.2017.7966233 

  18. Vladimirov 2019 

  19. Zhu, Z., Park, M.W., Koch, C., Soltani, M., Hammad, A., Davari, K.. Predicting movements of onsite workers and mobile equipment for enhancing construction site safety. Automation in construction, vol.68, 95-101.

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로