적대적 가중 손실 함수를 이용한 반 지도학습 세그멘테이션과 지하 공동구에서의 구조적 변화 측정을 위한 방법Semi-supervised semantic segmentation with adversarial weighted loss and methods for measuring structural change in underground utility tunnels

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 406
  • Download : 0
본 논문에서는 semi-supervised semantic segmentation을 위한 adversarial weighted loss를 제안하고, seg- mentation을 기반으로한 3D reconstruction을 진행해 지하 공동구에서의 구조적 변화를 측정한다. 지하 공동구는 난방, 통신, 전력, 수도 등의 시설을 지하에 수용한 도시기반시설로서 시민의 생활과 직결된다. 공 동구의 기능유지를 위해 점검, 보수, 감시를 하고 있지만 현존하는 시스템은 사각지대가 존재하거나 문제가 일어난 뒤에 감지할 수 있는 등 아직 성능이 부족한 실정이다. 따라서 본 논문에서는 인공지능과 RGB-D 센서퓨전을 이용하여 공동구의 구조 변화를 측정할 수 있는 감시 체계를 제안한다. 우선 adversarial network 를 기반으로한 weighted loss를 적용하여 공동구의 케이블에 대해 semi-supervised semantic segmentation 을 진행한다. 또한, Virtual Adversarial Network (VAT)를 weighted 방식으로 적용해 노이즈에 강인한 seg- mentation network를 만든다. 그렇게 segmentation된 케이블을 기반으로 RGB-D dense SLAM를 적용하여 케이블을 3D reconstruction하고, 그 후 colored point cloud registration를 적용하여 구조 변화를 측정한다. 본 논문에서는 PASCAL VOC 2012와 자체 dataset인 UUT dataset을 사용해 semantic segmentation의 경우 state-of-the-art보다 각각 0.7%, 1.3%의 성능 향상을 보였으며, 병진 변형에 대해서는 7mm, 회전 변형에 대해서는 $0.27^\circ$까지 구조 변화를 측정하였다.
Advisors
김수현researcherKim, Soohyunresearcher김경수researcherKim, Kyungsooresearcher
Description
한국과학기술원 :기계공학과,
Publisher
한국과학기술원
Issue Date
2020
Identifier
325007
Language
kor
Description

학위논문(석사) - 한국과학기술원 : 기계공학과, 2020.2,[vi, 73 p. :]

Keywords

반 지도 학습▼a세그멘테이션▼a적대적 학습▼a가중 손실 함수▼aVirtual Adversarial Training (VAT)▼aRGB-D dense SLAM▼acolored point cloud registration; Semi-supervised learning▼asemantic segmentation▼aadversarial learning▼aweighted loss▼aVirtual Adversarial Training (VAT)▼aRGB-D dense SLAM▼acolored point cloud registration

URI
http://hdl.handle.net/10203/284613
Link
http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=910918&flag=dissertation
Appears in Collection
ME-Theses_Master(석사논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0