디지털 시추코어 이미지로부터 정밀 암상 분류를 위한 컨볼루션 오토인코더의 활용
저자
발행기관
학술지명
권호사항
발행연도
2021
작성언어
Korean
자료형태
학술저널
수록면
389-389(1쪽)
제공처
시추 코어 이미지 자료는 지하 내부 퇴적 구조, 지층 경계 및 암상을 보다 상세하게 파악 할 수 있는 방법이다. 시추코어로부터 암상 구분을 위해서는 로깅이 이루어져야 하나 많은 시간이 걸릴 뿐 아니라 작업자의 주관적인 판단으로 결정된다. 따라서 본 연구에서는 객관적이면서 자동으로 보다 정밀한 종류의 암상을 분류할 수 있는 방법을 제안하였으며, 이를 위해 기계학습의 일종인 Convolutional Autoencoder (CAE)가 적용되었다. CAE는 입력과 출력 데이터 모두 같은 이미지를 사용하는 비지도 학습(unsupervised learning)이며, 이미지의 노이즈 제거와 차원 축소에 많이 사용된다. 특히, 기존의 Stacked Autoencoder와 달리 Convolution 연산을 통해 이미지의 특징을 적절하게 보존하여 이미지 분석 시에는 큰 장점이 있다. 본 연구에서는 CAE의 암상 특징 추출 및 분류에의 적용성을 평가하기 위해서 호주 Northern Carnarvon 분지의 Satyr-5 시추공에서 획득한 실제 코어 이미지를 활용하였다. 확보된 시추코어는 sand, shale, shaly sand, fracture가 포함된 sand로 구성되어있다. 따라서 CAE를 이용하여 4가지 암상의 특성을 학습하였다. 이때, 이용된 시추코어 자료는 총 90 m로 CAE 네트워크를 학습하기 충분하지 않아 기존 자료에 대한 자료증폭(data augmentation)을 실시하였으며, 이를 통해 16,000개(10 cm 로깅한 자료의 18배)의 자료를 확보 및 학습에 이용하였다. CAE의 특징 추출 성능을 이미지의 기본 특성값(예, RGB 채널, 로컬 엔트로피 평균 값 등)을 이용한 모델 및 CNN 기반 특징 추출 모델과 비교 검증하였다. CNN 기반 모델을 이용한 결과의 정확도는 87%, 이미지 기본 특성값에 기반한 모델 결과의 정확도는 81%로 나타났다. 반면, CAE를 이용한 모델 결과는 90%의 예측 정확도를 보여주었다. 추가적으로 CAE 기반 특징 추출 모델의 입력자료로 Canny Edge Detection 적용 결과를 추가 적용하였으며, 이의 결과는 88%의 예측 성능을 보여주었다. 결과를 종합하였을 때, CAE 기반의 네트워크가 입력되는 이미지에 대한 추가적인 전처리 과정 없이, 암상의 분류 특징을 가장 정밀하게 추출하는 것으로 판단된다. 또한, 본 연구에서 적용된 방법은 이미지 자료에 주로 활용되는 CNN 기법을 적용하는 것보다 전산 연산량이 낮아 시간 및 비용 효율적인 측면에서도 활용성이 높을 것으로 기대된다.
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)