http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김권영 (검색결과 95 건)
- 무료
- 기관 내 무료
- 유료
-
-
Deep Convolution Neural Networks 이용하여 결함 검출을 위한 결함이 있는 철도선로표면 디지털영상 재 생성
김현호 ( Hyeonho Kim ),한석민 ( Seokmin Han ) 한국인터넷정보학회 2020 인터넷정보학회논문지 Vol.21 No.6
본 연구는 철도표면상에 발생하는 노후 현상 중 하나인 결함 검출을 위해 학습데이터를 생성함으로써 결함 검출 모델에서 더 높은 점수를 얻기 위해 진행되었다. 철도표면에서 결함은 선로결속장치 및 선로와 차량의 마찰 등 다양한 원인에 의해 발생하고 선로 파손[14] 등의 사고를 유발할 수 있기 때문에 결함에 대한 철도 유지관리가 필요 하다. 그래서 철도 유지관리의 자동화 및 비용절감을 위해 철도 표면 영상에 영상처리 또는 기계학습을 활용한 결함 검출 및 검사에 대한 다양한 연구가 진행되고 있다. 일반적으로 영상처리 분석기법 및 기계학습 기술의 성능은 데이터의 수량과 품질에 의존한다. 그렇기 때문에 일부 연구는 일반적이고 다양한 철도표면영상의 데이터베이스를 확보하기위해 등간격으로 선로표면을 촬영하는 장치 또는 탑재된 차량이 필요로 하였다[15, 16]. 본연구는 이러한 기계적인 영상획득 장치의 운용비용을 감소시키고 보완하기 위해 대표적인 영상생성관련 딥러닝 모델인 생성적 적대적 네트워크[1]의 기본 구성에서 여러 관련연구에서 제시된 방법을 응용, 결함이 있는 철도 표면 재생성모델을 구성하여, 전용 데이터베이스가 구축되지 않은 철도 표면 영상에 대해서도 결함 검출을 진행할 수 있도록 하였다. 구성한 모델은 상이한 철도 표면 텍스처들을 반영한 철도 표면 생성을 학습하고 여러 임의의 결함의 위치에 대한 Ground-Truth들을 만족하는 다양한 결함을 재 생성하도록 설계하였다. 재생성된 철도 표면의 영상들을 결함 검출 딥러닝 모델[2]에 학습데이터로 사용한다. 재생성모델의 유효성을 검증하기 위해 철도표면데이터를 3가지의 하위집합으로 군집화 하여 하나의 집합세트를 원본 영상으로 정의하고, 다른 두개의 나머지 하위집합들의 몇가지의 선로표면영상을 텍스처 영상으로 사용하여 새로운 철도 표면 영상을 생성한다. 그리고 결함 검출 모델에서 학습데이터로 생성된 새로운 철도 표면 영상을 사용하였을 때와, 생성된 철도 표면 영상이 없는 원본 영상을 사용하였을 때를 나누어 검증한다. 앞서 분류했던 하위집합들 중에서 원본영상으로 사용된 집합세트를 제외한 두 개의 하위집합들은 각각의 환경에서 학습된 결함 검출 모델에서 검증하여 출력인 픽셀단위 분류지도 영상을 얻는다. 이 픽셀단위 분류지도영상들과 실제 결함의 위치에 대한 원본결함지도(Ground-Truth)들의 IoU(Intersection over Union) 및 F1-score로 평가하여 성능을 계산하였다. 결과적으로 두개의 하위집합의 텍스처 영상을 이용한 재생성된 학습데이터를 학습한 결함 검출모델의 점수는 원본 영상만을 학습하였을 때의 점수보다 약 IoU 및 F1-score가 10~15% 증가하였다. 이는 전용 학습 데이터가 구축되지 않은 철도표면 영상에 대해서도 기존 데이터를 이용하여 결함 검출이 상당히 가능함을 증명하는 것이다. This study was carried out to generate various images of railroad surfaces with random defects as training data to be better at the detection of defects. Defects on the surface of railroads are caused by various factors such as friction between track binding devices and adjacent tracks and can cause accidents such as broken rails [14], so railroad maintenance for defects is necessary. Therefore, various researches on defect detection and inspection using image processing or machine learning on railway surface images have been conducted to automate railroad inspection and to reduce railroad maintenance costs. In general, the performance of the image processing analysis method and machine learning technology is affected by the quantity and quality of data. For this reason, some researches require specific devices or vehicles to acquire images of the track surface at regular intervals to obtain a database of various railway surface images [15, 16]. On the contrary, in this study, in order to reduce and improve the operating cost of image acquisition, we constructed the 'Defective Railroad Surface Regeneration Model' by applying the methods presented in the related studies of the Generative Adversarial Network (GAN) [1]. Thus, we aimed to detect defects on railroad surface even without a dedicated database. This constructed model is designed to learn to generate the railroad surface combining the different railroad surface textures and the original surface, considering the ground truth of the railroad defects. The generated images of the railroad surface were used as training data in defect detection network [2], which is based on Fully Convolutional Network (FCN) [3]. To validate its performance, we clustered and divided the railroad data into three subsets, one subset as original railroad texture images and the remaining two subsets as another railroad surface texture images. In the first experiment, we used only original texture images for training sets in the defect detection model. And in the second experiment, we trained the generated images that were generated by combining the original images with a few railroad textures of the other images. Each defect detection model was evaluated in terms of 'intersection of union(IoU)' and F1-score measures with ground truths. As a result, the scores increased by about 10~15% when the generated images were used, compared to the case that only the original images were used. This proves that it is possible to detect defects by using the existing data and a few different texture images, even for the railroad surface images in which dedicated training database is not constructed.
-
-
-
-
김권영,강정훈,나정엽,강대권 대한재활의학회 2010 Annals of Rehabilitation Medicine Vol.34 No.2
Objective: To investigate the effect of extracorporeal shock wave therapy (ESWT) on pressure ulcers which is a major, functionally-limiting medical problem impairing quality of life for many people each year. Method: Seven patients who had stage 3 pressure ulcers were enrolled for the study. Each patient was treated with 6 sessions of low-energy (0.10∼0.15 mJ/mm2, 1,000 impulses) ESWT. The length, width, depth and soft tissue biopsy of pressure ulcers were evaluated every 2 weeks for 6 weeks. Results: The length, width and depth decreased significantly after 2 weeks of ESWT application. Healthy granulation tissue was formed. Soft tissue biopsy revealed increased the number and size of capillaries and decreased inflammatory cells in treated case. Conclusion: ESWT promoted wound healing and revealed favorable histological changes in pressure ulcers. We suggest that ESWT can be used for the safety and effective management of pressure ulcer. (J Korean Acad Rehab Med 2010; 34: 227-232)
-
-
-
-
요천추 추간판 탈출환자에서 하지직거상 검사의 임상적 가치
김권영,신수범,강정훈,오수민,강대권,박진우 대한근전도전기진단의학회 2008 대한근전도 전기진단의학회지 Vol.10 No.2
Objectives: SLRT (Straight Leg Raising Test) is a useful test to lumbar HNP (Herniated Nucleus Pulposus). We tried to know 1) the correlation between SLRT and anatomical lesion, and 2) the correlation between SLRT and electrodiagnostic study. Methods: Among the patients who have lumbar pain, those who have 1) lower extremity radiating pain, 2) SLRT positive sign, and 3) abnormal MRI finding were selected as the object of this study. By the degree of HNP, it was classified as 1) bulging, protrusion, and 2) extrusion, sequestration group. By the direction of HNP, it was classified as 1)central, lateral, and 2) laterocentral, centrolateral group. By the site of HNP, it was classified as 1) L2-3, L3-4, and 2) L4-5, L5-S1. We checked nerve conduction study and needle electromyography on back and lower extremity. The results of radiologic measurements and electrodiagnostic studies were compared with SLRT. Results: The presence of 1) L4-5, L5-S1 HNP, 2) posterolateral HNP, 3) Abnormal spontaneous activities in needle EMG and 4) delayed latency of gastrocnemius H-Reflex were associated with decreasing SLRT (p<0.05). Conclusion: This study suggested that SLRT seems to be a useful adjunctive method to diagnosis of lumbosacral HNP and radiculopathy.
ScienceON
KISS연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
