신경망 모델을 사용한 철도 표면 영상 결함 검출 및 결함이 있는 철도표면 영상 재생성 = Railroad surface image defect segmentation using a neural network model and regeneration of defective railroad surface image
저자
발행사항
충주 : 한국교통대학교 일반대학원, 2021
학위논문사항
학위논문(석사)-- 한국교통대학교 일반대학원 : 컴퓨터정보공학과 컴퓨터정보공학 전공 2021. 2
발행연도
2021
작성언어
한국어
주제어
발행국(도시)
충청북도
형태사항
ⅷ, 38 p. ; 26 cm
일반주기명
지도교수: 한석민
UCI식별코드
I804:43010-200000362604
소장기관
본 연구의 목표는 인공지능모델중 하나인 신경망모델을 통해 철도표면영상을 사용하여 표면상의 결함을 검출한다. 자동화한 결함탐지 모델은 기존의 결함감지를 위해 사용되었던 장비나 인력 등 자원소모를 줄이고 결함의 영역에 대한 공간적 크기를 빠르게 계산하여 철도관리시스템에 기여를 할 수 있다.
결함 검출 모델은 Very deep convolutional networks(VGG)를 골자로 하는 구조의 Fully Convolutional Network(FCN)를 기반으로 설계하였으며 F1-score와 Intersection over Union(IoU)의 점수로 평가하여 각각 95%의 결함 탐지 성능을 얻을 수 있었다.
또한 데이터베이스의 수량적 부족문제를 해결하기 위해 철도표면 영상을 또 다른 철도표면과 혼합하는 재 생성모델을 설계한다. Conditional Generative Adversarial Network(CGAN)기반의 재생성 모델은 무제한의 데이터베이스를 사용자가 원하는 조건으로 구축하도록 하며 사용자가 입력한 조건에 기반을 두어 철도표면 영상을 재생성 한다.
재 생성된 영상은 사람이 기존 영상과의 차이를 구분할 수 없을 정도로 유사하며 결함 검출 모델에 학습으로 사용될 수 있었다. 재생성 모델을 평가하고자 철도표면 영상을 3개의 하위집합으로 군집화 하여 하나의 집합으로 또 다른 2개의 집합에 대해 결함을 검출하는 경우와 2개의 집합의 일부 영상을 혼합한 재 생성된 영상을 혼합하여 사용할 경우 결과적으로 10%~15%의 결함 검출 모델의 성능향상을 볼 수 있었다.
This study aims to detect defects on the railroad surface images through a neural network model, one of the artificial intelligence models. The automated defect detection model can contribute to the railroad management system by reducing the consumption of resources such as equipment and manpower used for existing defect detection, and quickly calculating the spatial size of the defect area.
The defect detection model was designed based on a Fully Convolutional Network (FCN) structured with Very Deep Convolutional networks (VGG) as the main backbone. It was evaluated by scores of F1-score and Intersection over Union (IoU), each with an upper of 95% defect detection performance.
Besides, to solve the problem of a quantitative shortage in the database, we design a regenerated model that combining railroad surface images with another surface. The Conditional Generative Adversarial Network (CGAN) based regeneration model allows the user to build an unlimited number of databases under the conditions desired by the user and regenerates the railroad surface image based on the conditions entered by the user.
The regenerated image is so similar that humans cannot distinguish the difference from the existing image and could be used as training images in the defect detection model. To evaluate the regeneration model, this clustered and divided the railroad data into three subsets, one subset as original railroad texture images and the remaining two subsets as another railroad surface texture images.
In the first experiment, we used only original texture images for training sets in the defect detection model. And in the next experiment, we trained the generated images that were generated by combining the original images with a few railroad textures of the other images. As a result, the latter performance of the defect detection model was improved by about 10% to 15% than the former performance, even just used a few texture images.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)