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 : 성보람 (검색결과 6 건)
- 무료
- 기관 내 무료
- 유료
-
합성곱 신경망(CNN) 기반 실시간 월파 감지 및 처오름 높이 산정
성보람,조완희,문종윤,이광호 한국항해항만학회 2022 한국항해항만학회지 Vol.46 No.3
The purpose of this study was to propose technology to detect the wave in the image in real-time, and calculate the height of the wave-overtopping through image analysis using artificial intelligence. It was confirmed that the proposed wave overtopping detection system proposed in this study could detect the occurring of wave overtopping, even in severe weather and at night in real-time. In particular, a filtering algorithm for determining if the wave overtopping event was used, to improve the accuracy of detecting the occurrence of wave overtopping, based on a convolutional neural networks to catch the wave overtopping in CCTV images in real-time. As a result, the accuracy of the wave overtopping detection through AP50 was reviewed as 59.6%, and the speed of the overtaking detection model was 70fps based on GPU, confirming that accuracy and speed are suitable for real-time wave overtopping detection. 본 연구에서는 인공지능을 활용한 영상분석 기술을 통해 영상 내의 월파를 실시간으로 감지하고 처오름 높이를 산정하는 기술을 제안하였다. 본 연구에서 제안한 월파 감지 시스템은 실시간으로 악기상 및 야간에도 월파를 감지할 수 있음을 확인하였다. 특히, 합성곱 신경망을 적용하여 실시간으로 CCTV 영상에서 파랑의 처오름을 감지하고 월파 여부를 판단하는 여과 알고리즘을 적용하여 월파의 발생 감지에 대한 정확성을 향상시켰다. AP50을 통해 월파 감지 결과의 정확도는 59.6%로 산정되었으며, 월파 감지 모델의 속도는 GPU 기준 70fps로 실시간 감지에 적합한 정확도와 속도를 보임을 확인하였다.
-
-
자동차용 강판의 MAG 용접시 최적용접조건 선정에 관한 연구
방한서,방희선,주성민,노찬승,성보람,석한길,Bang, Han-Sur,Bang, Hee-Seon,Joo, Sung-Min,Ro, Chan-Seung,Sung, Bo-Ram,Suk, Han-Gil 대한용접접합학회 2009 대한용접·접합학회지 Vol.27 No.3
The optimization of the welding parameters was studied to maximize the weldability and minimize the amount of spatter in the MAG welding of automotive steel sheets under different shielding gas composition ratio. JS-EFSC, JS-SPHC steel plates and Ar mixture gases were used as a substrate and shielding gas for welding respectively. The five welding parameters were selected through preliminary experiments and their effects on the weldability were analyzed. Experiments were performed using the Taguchi experimental method. As results, appropriate range for welding could be achieved. Amount of spatter in 80%Ar+20%$CO_2$ shielding gas was 20% of that of $CO_2$welding. Therefore, in terms of high productivity and welding cost, Ar mixture gas(80%Ar+20%$CO_2$) was recommended as a shielding gas for application of MAG process, indicating the low spatter and good weld quality.
-
Over-the-Scope Clip으로 치료한 췌장담도질환 합병증 2예
권병수 ( Byung Soo Kwan ),성보람 ( Bo Ram Sung ),김광민 ( Kwang Min Kim ) 대한췌장담도학회 2025 대한췌담도학회지 Vol.30 No.1
The over-the-scope clip (OTSC) system is a powerful full-thickness suturing device used for closing refractory bleeding, perforations, and fistulas in gastrointestinal diseases, offering greater force than conventional clips. Here, we report two cases of pancreatobiliary disease treated using OTSC. The first case involved the successful OTSC ligation of a colonic fistula caused by necrotizing pancreatitis, and the second was a duodenal perforation due to stent migration, which was also successfully treated with OTSC. These cases indicate that OTSC can be beneficial for pancreatobiliary diseases, potentially eliminating the need for surgery when endoscopic treatment is successful.
-
문종윤(Jongyoon Mun),조완희(Wanhee Cho),성보람(Boram Seong),한수만(Sooman Han),최진휴(Jinhyu Choi) 한국해양환경·에너지학회 2021 한국해양환경·에너지학회 학술대회논문집 Vol.2021 No.5
본 연구는 한반도 주변의 기상정보로 파랑을 예측하고 CCTV 영상에서 월파를 감지하는 기술을 개발하였다. 성능의 우수성이 널리 알려진 인공신경망(Artificial Neural Network, ANN)의 한 종류인 합성곱신경망(Convolutional Neural Network, CNN)을 사용하여 파랑예측과 월파감지 모델을 구축하였다. 파랑예측에 사용된 CNN모델은 U-net을 기반으로 구축하였으며 월파감지에 사용된 CNN모델은 객체 검출 모델을 사용하였다. 파랑예측 모델의 입력 자료는 일본 기상청(Japan Meteorological Agency, JMA)의 대기 예측정보인 MSM(Meso Scale Model)을 사용하였다. 합성곱신경망 파랑예측 모델의 학습데이터는 ADSWAN(ADCIRC + SWAN) 파랑모의 결과의 위도 30˚ ∼42.75˚, 경도 122.5˚∼135.25˚영역을 사용하였으며 격자 간격은 0.05˚로 설정하였다. 파랑 예측 모델의 정확도 향상을 위해 기존 U-net 구조의 인코더와 디코더 레이어의 깊이를 7층으로 확장하여 사용하였다. 상관성 분석 결과, 파고와 주기는 각각 풍속과 파고에 상관성이 높게 나타나 바람장 정보로부터 유의파고를 예측하고 예측된 유의파고로부터 주기를 예측하는 두 단계의 예측 모델을 구성하였다. 예측 결과에서 ADSWAN 파랑모의와의 상관성은 0.93, 관측치와의 상관성은 0.83으로 분석되었고 1시간 예측에 약 0.024초가 소요되었다. 월파감지 모델의 학습데이터는 삼척과 주문진의 CCTV 1년 1개월 분량의 영상(2018.10.01. ∼ 2019.10.31.)에서 월파가 발생한 프레임을 수동으로 추출하여 약 2만장의 데이터를 구축하였다. 월파의 기준은 탐지된 파도 영역이 난간을 넘는 것으로 설정하였으며, 난간을 넘지 않는 파도를 구분하기 위해 배경과 파도를 분리하고 난간 구역과 비교하여 여과하는 알고리즘을 구축하였다. 또한, 해수면과 분리된 파도 영역을 비교하여 실제 처오름높이를 산정하였으며, 월파감지의 정확도 분석 결과 mAP<sub>50</sub>은 0.60, 속도는 80.5fps로 나타났다. In this study, we developed a technology to predict wave using atmospheric modeling data around the Korean Peninsula and to detect wave overtopping using CCTV images. For the development, we adopted Convolutional Neural Network(CNN), a kind of Artificial Neural Network(ANN) known for its high performance. Wave prediction model is based on U-net, whereas overtopping detection model makes use of object detection models. Input data for the wave prediction model is MSM (Mesoscale Model) atmospheric forecasting data from the Japan Meteorological Agency(JMA). The training data for wave prediction model is ADSWAN(ADCIRC+SWAN) wave simulation results, whose spatial extension is 122.50°E 135.25°E, 30.00°N∼42.75°N with resolution of 0.05°. In order to improve the accuracy of wave prediction model, we extend the depth of the encoder and decoder layers from the U-net structure to the seventh layers. Correlation analysis shows that wave heights are highly correlated with wind speeds while wave periods are with wave heights. Thus, we constructed a two-step model that predicts wave heights from the former and wave periods from the latter. In our prediction results, correlations with ADSWAN wave simulation results and observation were found to be 0.93 and 0.83 respectively. The 1-hour prediction took about 0.024 seconds. The training data for overtopping detection model is around 20,000 frames manually extracted from one year-long CCTV video images (2018.10.01. ∼ 2019.10.31.) from Samcheok and Jumunjin. We defined wave over the fence as a overtopping event, and developed a filtering algorithm to separate the background from the wave by comparing regions. Furthermore, we estimated wave run-up height from the separated wave regions and preformed the accuracy analysis, mAP<sub>50</sub> being 0.60 and the processing speed being 80.5fps.
-
ScienceON
스콜라연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
