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 : 방자욱 (검색결과 2 건)
-
A railway suicide prevention system using depthwise separable convolutional neural network
방자욱 신라대학교 일반대학원 2018 국내석사
With the accelerated pace of life, people struggling in social life have accumulated a lot of pressure. And some of them choose to commit suicide to escape this dilemma. According to the 2013 and 2014 Korea Transportation Safety Authority’s survey, the public casualties caused by committing suicide on railways were about 54% and 50% of the public casualties. Therefore, an effective and inexpensive system for preventing suicide and crossing without permission accidents is needed. We designed a viable and effective system for preventing accidents on railways by automatically detecting human object using deep learning algorithm. Railway images are captured using a camera installed on a drone and the detection of humans is done using a CNN algorithm. When humans are detected, an emergency braking request can be sent to the train control center in real-time. We choose a CNN model based on Depthwise Separable CNN algorithm for training and running. With this model named MobileNets presented by Google Inc, I tested the purposed method on 1123 railway images and got the recognition accuracy of more than 96% on 204 images, showing that the proposed method can be used as a good railway suicide prevention system. 삶의 속도가 빨라지면서 사회 생활에서 고군분투하는 사람들은 많은 스트레스를 축적해 왔다. 그리고 그들 중 몇몇은 이 딜레마를 탈출하기 위해 자살을 선택한다. 2013년과 2014년 교통 안전 공단의 조사에 따르면, 한국내 철도에서 자살로 각각 약 54%와 50%의 공공 사상자를 냈다. 따라서, 자살과 무단 횡단을 예방하고, 효과적인 비용이 많이 들지 않는 자살 예방시스템이 필요하다. 본 논문에서는 딥러닝 알고리즘을 사용하여 철로상의 인간을 자동으로 탐지함으로써 철도에서의 사고를 예방하기 위한 실용적이고 효과적인 시스템을 제안하였다. 철로 주변의 이미지를 드론에 설치된 카메라를 통해 촬영한 후, CNN 딥러닝 알고리즘을 사용하여 철로상의 사람의 존재 유무와 위치를 탐색한다. 사람이 감지되면, 비상 제동 요청을 열차 제어 센터로 실시간으로 전송할 수 있다. 신경망 모델로는 드론상의 저성능 컴퓨팅 환경에서도 동작 가능하도록 Depthwise Separable CNN모델을 선택한다. 구글이 제시한 MobileNets 모델을 이용하여 1123 철도 이미지에 대하여 실험하였다. 테스트 이미지 204 장에 대하여 96%이상의 인식 정확도를 얻어 제안된 시스템이 철로에서의 자살 예방자 탐색에 유용하게 사용될 수 있음을 보였다.
-
방자욱 신라대학교 일반대학원 2022 국내박사
As the fourth industrial revolution is underway, scientists and engineers are focusing on integrating modern intelligent technology into traditional manufacturing and industrial practices, improving automation, self-monitoring, and analyzing and diagnosing problems without manual intervention. In the ever-developing consumer market and industry, people's requirements for computers are also changing. As a critical device responsible for data storage, hard disks have increasingly higher reading and storing speeds. That makes solid-state drives (SSD) quickly enter the user's field of vision. However, Damage to components on the internal printed circuit board (PCB) due to user misoperation or other reasons is a common cause of SSD failure. Although these faults can be repaired manually, there are usually a large number of components on the PCB, so it is very labor-intensive to detect component faults. Furthermore, some components such as capacitors and resistors only have slight color differences in the middle part in appearance, so in the case of brightness changes or electrothermal discoloration caused by long-term use, it is easy to cause detection errors. The field of artificial intelligence is getting more and more attention. As a branch of artificial intelligence, deep learning has an increasing influence on object recognition and image separation. The rapid development of deep learning has made object recognition more and more efficient. In order to explore this, this thesis use the convolutional neural network to automatically locate and classify all the components on the PCB, guide the robotic arm to use the robotic arm to measure and find the faulty components automatically, and finally achieve the purpose of detecting the fault. In a further step, the faulty component is quickly locked. Through experiments, the total correct detection rate of all component categories is 99.28%, proving the method's effectiveness. 4차 산업 혁명이 진행됨에 따라 연구자와 개발자들은 인공지능과 같은 지능화 기술을 전통적인 제조 산업과 결합하여 산업 자동화와 모니터링 시스템을 개선하고 자동 분석 및 진단 시스템을 개발하고 있다. 최근 지능화 기술의 대중화로 인해 빠르게 변화하는 산업에 따라 소비자들의 요구사항도 변화하고 있다. 특히 컴퓨터 산업에서 데이터 저장을 담당하는 장치인 하드 디스크의 경우 점점 더 빠른 읽기와 저장 능력을 요구한다. 솔리드 스테이트 드라이브(SSD)는 빠른 속도로 읽기와 저장이 가능한 저장장치라서 소비자들의 요구를 만족시킨다. 그러나 SSD 내부 인쇄 회로 기판 (PCB)의 구성 요소가 손상되는 고장은 잘못된 사용 방식을 포함하여 여러가지 요인들로 인해 흔히 발생한다. 일반적으로 PCB의 고장은 사람이 직접 수리하지만 많은 구성 요소가 존재하여 많은 작업량을 요구한다. 또한 PCB를 구성하는 부품인 콘덴서와 저항기 등 일부 부품은 외관상으로 약간의 색상차이만 존재하여 장기간 사용으로 인한 휘도 변화와 전열적 변색의 경우 육안으로 부품을 식별하기도 쉽지 않다. 최근 객체 인식 및 이미지 분류에서 인공지능기법의 중요성이 증가하고 있다. 특히 인공지능 기법중 하나인 딥러닝은 다양한분야에 적용되고 있으며 빠르게 발전하여 사물 인식을 점점 더 효율적으로 할 수 있게 개선되었다. 본 논문에서는 SSD의 PCB를 구성하는 부품의 종류와 위치를 탐색하기 위해 딥러닝 기법인 컨볼류션 뉴럴네트워크 (CNN)를 사용하였다. SSD 부품(component)의 종류와 위치를 자동 탄색하게 되면, 향후 이 정보를 이용하여 오류를 발생한 부품 탐지에 활용 가능하다. 제안된 방법은 YOLO 객체인식 알고리즘 이용하여 PCB를 구성하는 모든 부품의 종류와 위치를 자동으로 탐색한다. 실험을 통하여 PCB에 존재하는 3591개 부품의 탐지 정확도가 99.28%에 이르러, 실용적으로 활용하기에 직절함을 확인하였다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
