• 한국전산구조공학회논문집
• /
• 제33권5호
• /
• pp.339-349
• /
• 2020

외피 구조로서의 강박스와 내부의 철근콘크리트 슬래브로 구성되는 양개형 방폭문은 방호 및 대피 구조물의 출입구에 설치되는 구조체이다. 방폭문과 그 후면의 벽체 사이에는 일정의 설치 간격이 존재하게 되는데, 이로 인한 지지조건 및 구조거동의 변화는 방폭 해석 및 설계에 적절히 고려되지 않고 있다. 본 연구에서는 설치 간격에 의한 지지조건 및 폭압의 변화에 따른 방폭문의 구조응답 및 파괴거동을 유한요소 해석방법으로 비교·분석하였다. 해석 결과에 따르면, 설치 간격 및 폭압의 변화는 방폭문의 최대 처짐 및 영구 처짐과 같은 처짐 거동에 영향을 미치며, 설치 간격이 크고 작음에 따라 방폭문과 벽체의 충돌 접촉 정도 및 이에 의한 충격력이 크게 변화하는 것으로 나타났다. 또한, 방폭문에 작용하는 이와 같은 충격력의 변화는 슬래브의 전단파괴와 같은 파괴거동에 영향을 미치는 주요 요인으로 분석되었다. 설치간격 10mm 미만의 방폭문은 전단파괴에 취약해지고, 15mm 내외 수준인 경우가 휨성능 발현에 비교적 더 적합한 것으로 나타났다. 본 연구에서는 설치 간격 및 폭압과 같이 기본적인 조건의 변화에 한해서 비교 해석을 하였다. 향후, 부재 재원 및 강도변화, 전단설계 여부 등 다양한 변수에 따른 구조거동 변화에 대해 실험적 및 해석적 연구가 필요하다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.1-23
• /
• 2018

E-commerce 환경의 발전으로 소비자들은 다양한 상품들을 한 자리에서 폭 넓게 비교할 수 있게 되었다. 하지만 온라인 쇼핑몰에 올라와있는 상당량의 주요 상품 정보들이 이미지 형태이기 때문에 컴퓨터가 인지할 수 있는 텍스트 기반 검색 시스템에 반영될 수 없다는 한계가 존재한다. 이러한 한계점은 일반적으로 기존 기계학습 기술 및 OCR(Optical Character Recognition) 기술을 활용해, 이미지 형태로 된 키워드를 인식함으로써 개선할 수 있다. 그러나 기존 OCR 기술은 이미지 안에 글자가 아닌 그림이 많고 글자 크기가 작으면 낮은 인식률을 보인다는 문제가 있다. 이에 본 연구에서는 기존 기술들의 한계점을 해결하기 위하여, 딥러닝 기반 사물인식 모형 중 하나인 SSD(Single Shot MultiBox Detector)를 개조하여 이미지 형태의 상품 카탈로그 내의 텍스트 인식모형을 설계하였다. 하지만 이를 학습시키기 위한 데이터를 구축하는 데 상당한 시간과 비용이 필요했는데, 이는 지도학습의 방법론을 따르는 SSD 모형은 훈련 데이터마다 직접 정답 라벨링을 해줘야 하기 때문이다. 본 연구는 이러한 문제점을 해결하기 위해 '훈련 데이터 자동 생성 프로그램'을 함께 개발하였다. 훈련 데이터 자동 생성 프로그램을 통해 수작업으로 데이터를 만드는 것에 비하여 시간과 비용을 대폭 절감할 수 있었으며, 생성된 훈련용 데이터를 통해 모형의 인식 성능을 높일 수 있었다. 더 나아가 실험연구를 통해 자동으로 생성된 훈련 데이터의 특징별로 인식기 모형의 성능에 얼마나 큰 영향을 끼치는지 알아보고, 성능 향상에 효과적인 데이터의 특징을 분석하였다. 본 연구를 통해서 개발된 상품 카탈로그 내 텍스트 인식모형과 훈련 데이터 자동 생성 프로그램은 온라인 쇼핑몰 판매자들의 상품 정보 등록 수고를 줄여줄 수 있으며, 구매자들의 상품 검색 시 결과의 정확성을 향상시키는 데 기여할 수 있을 것으로 기대한다.