• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1589-1605
• /
• 2022

위상 언래핑은 위성레이더 간섭기법의 필수적인 자료처리 절차다. 이에 따라 비 딥러닝 기반 언래핑 기법이 다수 개발되었으며 최근에는 딥러닝 기반 언래핑 기법이 제안되고 있다. 본 논문에서는 딥러닝 기반 위성레이더 언래핑 기법을 1) 언래핑된 위상의 예측 방법, 2) 위상 언래핑을 위한 딥러닝 모델의 구조 그리고 3) 학습데이터 제작 방법의 측면에서 최근 연구 동향을 소개하였다. 언래핑된 위상을 예측하는 방법은 모호 정수 분류방법, 위상 단절 구간 탐지 방법, 위상 예측 방법, 딥러닝과 전통적인 언래핑 기법의 연계 방법에 따라 다시 세분화하여 연구 동향을 나타냈다. 일반적으로 활용되는 딥러닝 모델 구조의 특징과 전체 위상 정보를 파악하기 위한 모델 최적화 방법에 대한 연구 사례를 소개하였다. 또한 학습데이터 제작 방법은 주로 위상 변이 제작과 노이즈 시뮬레이션 방법으로 구분하여 연구 동향을 정리하였으며 추후 발전 방향을 제시하였다. 본 논문이 추후 국내의 딥러닝 기반 위상 언래핑 연구의 발전 방향을 모색하는 데에 필요한 기반 자료로 활용되기를 기대한다.

• 대한토목학회논문집
• /
• 제40권2호
• /
• pp.239-245
• /
• 2020

최근 BIM (Building Information Modeling)이 건설 산업계에서 폭넓게 활용되고 있다. 하지만 과거에 시공이 된 구조물에 경우 대부분 BIM이 구축되어 있지 않다. BIM이 구축되지 않은 구조물의 경우, 카메라로부터 얻은 2D 이미지에 SfM (Structure from Motion) 기법을 활용하면 3D 모델의 점군 데이터(Point cloud)를 생성하고 BIM을 구축할 수 있다. 하지만 이렇게 생성된 점군 데이터는 의미론적 정보가 포함되어 있지 않기 때문에, 수작업으로 구조물의 어떤 요소인지 분류해 주어야 한다. 따라서 본 연구에서는 구조물 구성요소를 분류하는 과정을 자동화하기 위하여 딥러닝을 적용하였다. 딥러닝 네트워크 구축에는 CNN (Convolutional Neural Network) 구조의 Inception-ResNet-v2를 사용하였고, 전이학습을 통하여 교량 구조물의 구성요소를 학습하였다. 개발된 시스템을 검증하기 위하여 수집한 데이터를 이용하여 구성요소를 분류한 결과, 교량의 구성요소를 96.13 %의 정확도로 분류할 수 있었다.

• 한국광학회지
• /
• 제14권4호
• /
• pp.359-364
• /
• 2003

편광에 따른 성능 변화가 작은 deep-ridge 도파관 구조에 제작이 용이한 double-sided 프로세스를 이용하여 구현할 수 있는 편광에 무관한 매우 짧은 결합 길이를 가지는 double-sided deep-ridge 도파관 구조를 가지는 새로운 수직 방향성 결합기를 제안하고 여러 가지 구조 파라미터들이 결합길이에 미치는 영향에 대하여 연구하였다. 도파관 폭의 변화에 대한 결합길이의 변화는 코어 두께의 변화에 대한 결합길이의 변화보다 작게 나타나는 것을 볼 수 있었다. 내부 클래딩 영역의 두께가 감소할수록, 코어 두께가 감소할수록 결합 길이가 감소함을 볼 수 있었다. 또한 같은 코어 두께에 대해서는 내부 클래딩 영역의 두께가 감소할수록, 같은 내부 클래딩 영역의 두께에 대해서는 코어 두께가 감소할수록 편광에 관계없이 결합 길이가 같아지는 도파관 폭이 작아짐을 볼 수 있었다.

• Smart Structures and Systems
• /
• 제22권2호
• /
• pp.175-183
• /
• 2018

Time-series data often contain one of the most valuable pieces of information in many fields including manufacturing. Because time-series data are relatively cheap to acquire, they (e.g., vibration signals) have become a crucial part of big data even in manufacturing shop floors. Recently, deep-learning models have shown state-of-art performance for analyzing big data because of their sophisticated structures and considerable computational power. Traditional models for a machinery-monitoring system have highly relied on features selected by human experts. In addition, the representational power of such models fails as the data distribution becomes complicated. On the other hand, deep-learning models automatically select highly abstracted features during the optimization process, and their representational power is better than that of traditional neural network models. However, the applicability of deep-learning models to the field of prognostics and health management (PHM) has not been well investigated yet. This study integrates the "residual fitting" mechanism inherently embedded in the wavelet transform into the convolutional neural network deep-learning structure. As a result, the architecture combines a signal smoother and classification procedures into a single model. Validation results from rotor vibration data demonstrate that our model outperforms all other off-the-shelf feature-based models.

• 한국수산과학회지
• /
• 제39권spc1호
• /
• pp.203-213
• /
• 2006

The spatial patterns of meiobenthic communities in deep-sea sediment were examined. Sediment samples for analyzing of meiobenthic community structure were collected using a remote operated vehicle (ROV), multiple corer TV grab at 20 stations at five sites. In all, 15 meiofauna groups were recorded. Nematodes were the most abundant taxon. Benthic foraminiferans, harpacticoid copepods, polychaetes, and crustacean naupii were also dominant groups at all sites. The total meiofauna density at the study sites varied from 49 to 419 ind./$10cm^2$. The maximum density was recorded at a site located in Challenger Deep in the Mariana trench where simple benthic foraminifera with organic walls flourish. These distinctive taxa seem to be characteristic of the deepest ocean depths. Active hydrothermal sediments contain up to 150 harpacticoid copepods per $10cm^2$ of sediment. In a inactive ridge sediments, devoid of macrofaunal organisms:, the abundance of harpacticoid copepods never exceeded 15 ind./$10cm^2$. Multivariate analysis (multidimensional scaling) revealed significant differences in community structure among the three regions; near an active hydrothermal vent, in the deepest ocean depths and at typical deep-sea bed sites.

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 1993년도 Proceedings of International Conference for Agricultural Machinery and Process Engineering
• /
• pp.994-1002
• /
• 1993

Soil deep loosening technique can improve the soil structure and increase the air permeability and water permeability of soil. It can increase the yield of crops in a large scale, particularly the plants with deep root system. This paper introduced the study on the deep loosening technique of sugarcance in Jinpen Farm where the soil is heavy caly with high ground water table. The implement and method of deep loosing, the experiments and results are include in this paper. The experimental results showed that the yield of sugarcane increased more than 20% after deep loosing.

• 한국공간구조학회논문집
• /
• 제19권1호
• /
• pp.93-100
• /
• 2019

There has been considerable recent interest in deep learning techniques for structural analysis and design. However, despite newer algorithms and more precise methods have been developed in the field of computer science, the recent effective deep learning techniques have not been applied to the damage detection topics. In this study, we have explored the structural damage detection method of truss structures using the state-of-the-art deep learning techniques. The deep neural networks are used to train knowledge of the patterns in the response of the undamaged and the damaged structures. A 31-bar planar truss are considered to show the capabilities of the deep learning techniques for identifying the single or multiple-structural damage. The frequency responses and the elasticity moduli of individual elements are used as input and output datasets, respectively. In all considered cases, the neural network can assess damage conditions with very good accuracy.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권5호
• /
• pp.73-79
• /
• 2021

최근 컴퓨터 애니메이션 분야에서는 기존의 유한상태기계나 그래프 기반의 방식들에서 벗어나 딥러닝을 이용한 동작 생성 방식이 많이 연구되고있다. 동작 학습에 요구되는 네트워크의 표현력은 학습해야하는 동작의 단순한 길이보다는 그 안에 포함된 동작의 다양성에 더 큰 영향을 받는다. 본 연구는 이처럼 학습해야하는 동작의 종류가 다양한 경우에 효율적인 네트워크 구조를 찾는것을 목표로 한다. 기본적인 fully-connected 구조, 여러개의 fully-connected 레이어를 병렬적으로 사용하는 mixture of experts구조, seq2seq처리에 널리 사용되는 순환신경망(RNN), 그리고 최근 시퀀스 형태의 데이터 처리를 위해 자연어 처리 분야에서 사용되고있는 transformer구조의 네트워크들을 각각 학습하고 비교한다.

• Smart Structures and Systems
• /
• 제23권4호
• /
• pp.393-403
• /
• 2019

Applying more features gives us better accuracy in modeling; however, increasing the inputs causes the curse of dimensions. In this paper, a new structure has been proposed for fault detecting and identifying (FDI) of high-dimensional systems. This structure consist of two structure. The first part includes Auto-Encoders (AE) as Deep Neural Networks (DNNs) to produce feature engineering process and summarize the features. The second part consists of the Local Model Networks (LMNs) with LOcally LInear MOdel Tree (LOLIMOT) algorithm to model outputs (multiple models). The fault detection is based on these multiple models. Hence the residuals generated by comparing the system output and multiple models have been used to alarm the faults. To show the effectiveness of the proposed structure, it is tested on single-shaft industrial gas turbine prototype model. Finally, a brief comparison between the simulated results and several related works is presented and the well performance of the proposed structure has been illustrated.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1091-1100
• /
• 2022

딥러닝 기술의 진보와 함께 다양한 국내외 고해상도 원격탐사 영상의 활용이 가능함에 따라 딥러닝 기술과 원격탐사 빅데이터를 활용하여 도심 지역 건물 검출과 변화탐지에 활용하고자 하는 관심이 크게 증가하고 있다. 본 논문에서는 고해상도 원격탐사 영상의 의미론적 건물 분할을 위해서 건물 분할에 우수한 성능을 보이는 DeepResUNet 모델을 기본 구조로 하고 잔차 학습 단위를 개선하고 Convolutional Block Attention Module(CBAM)을 결합한 새로운 건물 분할 모델인 CBAM-DRUNet을 제안한다. 제안한 건물 분할 모델은 WHU 데이터셋과 INRIA 데이터셋을 이용한 성능 평가에서 UNet을 비롯하여 ResUNet, DeepResUNet 대비 F1 score, 정확도, 재현율 측면에서 모두 우수한 성능을 보였다.