딥러닝 기반 LNGC 화물창 스캐닝 점군 데이터의 비계 시스템 객체 탐지 및 후처리

목차 (Table of Contents)

• 1. 서론
• 2. 딥러닝 기반 객체 탐지
• 3. 딥러닝 기반 3D 객체 탐지 기법
• 4. PointNet 기반 딥러닝 아키텍처
• 5. 결론 및 향후 연구방향
• References

참고문헌 (Reference)

1 우종훈, "중립파일 기반의 조선소 시뮬레이션 환경에 관한 연구" 대한조선학회 53 (53): 18-28, 2016

2 김연중, "딥러닝을 이용한 연안방재 시스템 구축에 관한 연구" 한국해양공학회 33 (33): 590-596, 2019

3 Yin, Z, "VoxelNet: End-to-end learning for point cloud based 3D object detection" 2017

4 Maturana, D, "VoxNet: A 3D convolution neural network for real-time object recognition" 922-928, 2015

5 권혁천, "Stacking Ensemble Learning을 활용한 블록 탑재 시수 예측" 대한조선학회 56 (56): 488-496, 2019

6 Jaderberg, M, "Spatial transformer networks" 2015

7 Lee, D. K, "Simulation-based work plan verification in shipyards" 30 (30): 49-57, 2014

8 Charles, R.Q, "PointNet:Deep learning on point sets for 3D classification and segmentation" 201

9 Kirillov, A, "Panoptic segmentation" 2019

10 정용철, "LNG 화물창 정밀 구조해석을 위한 에폭시와 폴리우레탄 접착제 기계적 물성치 분석" 대한조선학회 58 (58): 66-72, 2021

11 Russakovsky, O, "ImageNet large scale visual recognition challenge" 2015

12 Charles, R.Q, "Frustum PointNets for 3D object detection from rgb-d data" 2018

13 Ham, D, "A study of method for machine learning application for using shipyard big data" 186-190, 2016