| 연구목표 |
- 수집된 영상데이터를 기반으로 교량의 손상을 탐지하기 위해 객체 인식 방식인 Tiny-YOLO-V2와 Faster-RCNN 기법을 활용하고자 함Tiny-YOLO_V2 알고리즘Faster-RCNN 알고리즘 교량의 손상상태에 대한 라벨링 수행 딥러닝 모델의 성능 검증을 통한 모델 최적화 딥러닝 알고리즘 개발을 위한 교량손상 데이터 수집 - Ai... |
| 연구내용 |
- 모델의 성능을 검증하기 위해 영상인식분야에서 널리 활용되고 있는 FPPW(False Positives Per Window)와 검출율(Recall rate)지표를 활용하고자 함 - 데이터 학습과정에서 반복적인 교차 검증을 통해 모델구조 및 파라미터를 지속적으로 보완하여 최적의 딥러닝 모델 구축 - 각 시설물의 제안구간에 대한 상면, 측면, 하면... |
| 기대효과 |
영상분석 대상 손상 선정 - 빅 데이터 수집 이전에 본 연구 대상구조물의 손상 선정을 위한 교량 열화 빈도수 통계 조사를 실시. - 통계조사를 위해 공단에서 기존 수행한 연구보고서 데이터 자료를 활용하여 조사함. 부재별이 아닌 손상별로 빈도수조사를 위해 콘크리트, 강재로 분류하여 조사하였으며 그 결과는 표 7과 같음. - 총 열화 빈도수는 148... |
| 키워드 |
드론,딥러닝,건설정보모델링,교량관리,교량손상검출율 |