KCI등재
SCOPUS
3D 딥러닝을 위한 CityJSON 기반의 점군 학습 데이터 생성 = Generating CityJSON-based Point Cloud Training Dataset for 3D Deep Learning
저자
발행기관
학술지명
한국측량학회지(Journal of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography)
권호사항
발행연도
2022
작성언어
Korean
주제어
등재정보
KCI등재,SCOPUS
자료형태
학술저널
발행기관 URL
수록면
487-500(14쪽)
DOI식별코드
제공처
DL (Deep Learning) has evolved and developed rapidly in various areas in the past decade since the concept ofANN (Artificial Neural Networks) was introduced in the 1940s. Recently, GeoAI (Geospatial Artificial Intelligence)is one of the newly emerging fields of geoinformatics to create geospatial products and to provide smart decisionmakingthrough the AI-based procedure including implementation of the DL models with model training. However,the major obstacle of the DL is to obtain and/or to create training data and labeling. In particular, labeling, is animportant task in deep learning that requires an enormous amount of time and effort, which in most cases is donemanually through visual judgement. The labeling process for the point cloud data is more challenging and timeconsumingthan for imagery. In this regard, the purpose of this paper is to present a method for systematically,efficiently, and automatically generating large amounts of training and label datasets required for 3D DL usingpoint cloud data such as LiDAR by utilizing CityJSON. In addition, surface normal vectors of the point cloudsthat could provide geometric information of the object were estimated. Utilizing the normal vectors along with the3D coordinates of the point clouds could improve DL model training performance. The datasets generated fromthe proposed method could be used for 3D DL model training to perform semantic, instance and part segmentationof buildings, and eventually 3D building modeling. In appendix, python codes for generating dataset based on theproposed method are provided.
더보기딥러닝(DL: Deep Learning)은 1940년대에 인공신경망(ANN: Artificial Neural Network) 개념이 도입된 이후,특히 지난 10년 동안 다양한 분야에서 급속하게 발전과 진화를 계속하고 있다. 최근 GeoAI (Geospatial A rtificialIntelligence)는 AI 기반의 DL 기술을 공간정보에 구현하여 여러 성과물을 생성하고 지능적 의사결정을 제공하기 위해 새롭게 부상하고 있는 공간정보의 한 분야이다. 그러나 DL의 주요 장애물은 다량의 학습 데이터와 레이블을 획득하고 생성하는 것이다. 특히 레이블링은 많은 시간과 전문적 인력이 요구되는 중요한 과정으로 대부분의 경우 시각적판단에 의존하여 수동적인 방법으로 수행된다. 점군집 데이터의 레이블링은 영상에 비해 더 어렵고 많은 시간이 소요된다. 이러한 문제점을 해결하기 위해 본 논문은 CityJSON을 활용하여 LiDAR와 같은 점군 데이터를 이용하여 3차원 DL에 필요한 대용량의 학습 데이터와 레이블 셋을 체계적이고 효율적이며 자동으로 생성하는 방법을 제시하고있다. 또한 객체의 기하학적 정보를 제공할 수 있는 표면 법선벡터를 모든 점에서 추정하였다. 점군 데이터의 3차원 좌표와 법선벡터를 함께 학습에 사용하면, DL 모델의 학습성능을 향상시킬 수 있다. 제안한 방법에 의해 생성된 데이터셋을 점군 기반의 3차원 DL 모델 학습에 사용하면 건물의 의미적 분할과 객체 및 구성요소 분할을 수행하고 궁극적으로 3차원 건물 모델링을 수행할 수 있다. 제안한 방법을 수행하기 위한 주요 파이썬 코드를 부록에 제공하였다.
더보기서지정보 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)