건설 현장 이미지 및 영상 오브젝트 검출 - 편집 역사

2024년 8월 1일 (목) 01:49에 Jrkim907님의 편집

2024-08-01T01:49:37Z

← 이전 판		2024년 8월 1일 (목) 10:49 판
39번째 줄:		39번째 줄:
	[[이미지 태깅]], [[3D 모델]], [[인공지능]]		[[이미지 태깅]], [[3D 모델]], [[인공지능]]

	[[분류:~~스마트_건설~~]]		[[분류:기타(스마트건설_기술_관련_용어)]]

BaeIK: /* 건설관련 오브젝트 인식 AI 모델 개발 */

2024-02-27T06:07:08Z

건설관련 오브젝트 인식 AI 모델 개발

← 이전 판		2024년 2월 27일 (화) 15:07 판
27번째 줄:		27번째 줄:
	===건설관련 오브젝트 인식 AI 모델 개발===		===건설관련 오브젝트 인식 AI 모델 개발===
	::* 건설장비 인식 모델 개발을 위해 관련 자료/문헌 조사를 통해 기반 모델을 연구함. 객체 인식에 활용되는 모델로는 CNN, Faster-RCNN, YOLO 등이 주로 활용되고 있으며, 이미지 와 함께 영상에도 활용하기 위해서는 빠른 속도를 자랑하는 YOLO를 기본 모델로 선정		::* 건설장비 인식 모델 개발을 위해 관련 자료/문헌 조사를 통해 기반 모델을 연구함. 객체 인식에 활용되는 모델로는 CNN, Faster-RCNN, YOLO 등이 주로 활용되고 있으며, 이미지 와 함께 영상에도 활용하기 위해서는 빠른 속도를 자랑하는 YOLO를 기본 모델로 선정
	::* 건설 장비 학습데이터로는 ACID basic dataset을 이용하였음. ACID는 학술적 목적으로 공유가능한 데이터 셋으로 건설장비 기본 3종(Excavator, Dump truck, Concrete Mixer truck)을 제공함. ACID 데이터를 Train, Validation, Test의 세가지 데이터 셋으로 분류하고 데이터 레이블링(Labeling)을 수행함. 데이터 레이블링은 데이터 레이블링 툴을 이용하여 수행하였으며, 레이블링된 데이터는 YOLO 학습에 적합하도록 파일 변환을 수행함. 학습 파라미터를 설정하고 전처리된 데이터를 ~~이용여~~ 학습 수행.		::* 건설 장비 학습데이터로는 ACID basic dataset을 이용하였음. ACID는 학술적 목적으로 공유가능한 데이터 셋으로 건설장비 기본 3종(Excavator, Dump truck, Concrete Mixer truck)을 제공함. ACID 데이터를 Train, Validation, Test의 세가지 데이터 셋으로 분류하고 데이터 레이블링(Labeling)을 수행함. 데이터 레이블링은 데이터 레이블링 툴을 이용하여 수행하였으며, 레이블링된 데이터는 YOLO 학습에 적합하도록 파일 변환을 수행함. 학습 파라미터를 설정하고 전처리된 데이터를 이용하여 학습 수행.
	::* ACID 데이터를 이용하여 학습한 모델을 이용하여 테스트한 결과 아래의 그림처럼 건설 현장에서 건설 장비를 인식하고 태깅이 이루어짐을 확인하였음. 그러나 정확도가 80%로 기대했던 수치에 못 미쳤고 3종의 장비에 대해서만 모델이 작동하여 추가적인 모델 개선 필요		::* ACID 데이터를 이용하여 학습한 모델을 이용하여 테스트한 결과 아래의 그림처럼 건설 현장에서 건설 장비를 인식하고 태깅이 이루어짐을 확인하였음. 그러나 정확도가 80%로 기대했던 수치에 못 미쳤고 3종의 장비에 대해서만 모델이 작동하여 추가적인 모델 개선 필요

Jrkim907: /* 관련용어 */

2023-11-21T02:45:54Z

10.0.2.2: /* 3D 모델링을 이용한 학습 모델 생성 모듈 개발 */

2022-12-28T06:52:54Z

3D 모델링을 이용한 학습 모델 생성 모듈 개발

← 이전 판		2022년 12월 28일 (수) 15:52 판
30번째 줄:		30번째 줄:
	::* ACID 데이터를 이용하여 학습한 모델을 이용하여 테스트한 결과 아래의 그림처럼 건설 현장에서 건설 장비를 인식하고 태깅이 이루어짐을 확인하였음. 그러나 정확도가 80%로 기대했던 수치에 못 미쳤고 3종의 장비에 대해서만 모델이 작동하여 추가적인 모델 개선 필요		::* ACID 데이터를 이용하여 학습한 모델을 이용하여 테스트한 결과 아래의 그림처럼 건설 현장에서 건설 장비를 인식하고 태깅이 이루어짐을 확인하였음. 그러나 정확도가 80%로 기대했던 수치에 못 미쳤고 3종의 장비에 대해서만 모델이 작동하여 추가적인 모델 개선 필요

	===3D 모델링을 이용한 학습 모델 ~~생성 모듈~~ 개발===		===3D 모델링을 이용한 학습 모델 개발===
	::* 건설자재의 학습데이터 구축에 어려움이 있어 건설자재 3D 모델을 이용하여 학습 모델 모듈 개발 중		::* 건설자재의 학습데이터 구축에 어려움이 있어 건설자재 3D 모델을 이용하여 학습 모델 모듈 개발 중
	[[파일:3D 모델링을 이용한 학습 데이터 예시.png\|테두리\|500x300픽셀]]		[[파일:3D 모델링을 이용한 학습 데이터 예시.png\|테두리\|500x300픽셀]]

2022년 12월 28일 (수) 06:36에 10.0.2.2님의 편집

2022-12-28T06:36:11Z

← 이전 판		2022년 12월 28일 (수) 15:36 판
37번째 줄:		37번째 줄:

	==관련용어==		==관련용어==
			[[이미지 태깅]], [[3D 모델]], [[AI]]

	[[분류:스마트_건설]]		[[분류:스마트_건설]]

10.0.2.2: /* 용어설명 */

2022-12-28T06:32:21Z

용어설명

← 이전 판		2022년 12월 28일 (수) 15:32 판
14번째 줄:		14번째 줄:
	::* 건설자재 인식 인공지능 모델 개발을 위해 학습데이터 셋을 구축하는 연구 수행		::* 건설자재 인식 인공지능 모델 개발을 위해 학습데이터 셋을 구축하는 연구 수행
	::* 건설자재에 대한 학습데이터 셋을 실제 환경에서 구축하기 위해서는 많은 시간과 비용이 소모되어 가상환경을 이용하여 학습데이터 셋을 구축하는 방법선택		::* 건설자재에 대한 학습데이터 셋을 실제 환경에서 구축하기 위해서는 많은 시간과 비용이 소모되어 가상환경을 이용하여 학습데이터 셋을 구축하는 방법선택
	::* 가상 환경을 제어하기 위해 널리 사용되는 유니티와 건설 자재의 3D 모형을 이용하여 학습데이터 셋을 구축하고 이를 학습에 적용하는 모델 개발		::* 가상 환경을 제어하기 위해 널리 사용되는 유니티와 건설 자재의 3D 모형을 이용하여 학습데이터 셋을 구축하고 이를 학습에 적용하는 모델 개발 중

	===객체 인식 및 태깅 기준===		===객체 인식 및 태깅 기준===
26번째 줄:		26번째 줄:

	===건설관련 오브젝트 인식 AI 모델 개발===		===건설관련 오브젝트 인식 AI 모델 개발===
	::* 건설장비 인식 모델 개발을 위해 관련 자료/문헌 조사를 통해 기반 모델을 연구함. 객체 인식에 활용되는 모델로는 CNN, Faster-RCNN, YOLO 등이 주로 활용되고 있으며, 이미지 와 함께 영상에도 활용하기 위해서는 빠른 속도를 자랑하는 ~~YOLO 가 적합하여~~ 기본 모델로 선정.		::* 건설장비 인식 모델 개발을 위해 관련 자료/문헌 조사를 통해 기반 모델을 연구함. 객체 인식에 활용되는 모델로는 CNN, Faster-RCNN, YOLO 등이 주로 활용되고 있으며, 이미지 와 함께 영상에도 활용하기 위해서는 빠른 속도를 자랑하는 YOLO를 기본 모델로 선정
	::* 건설 장비 학습데이터로는 ACID basic dataset을 이용하였음. ACID는 학술적 목적으로 공유가능한 데이터 셋으로 건설장비 기본 3종(Excavator, Dump truck, Concrete Mixer truck)을 제공함. ACID 데이터를 Train, Validation, Test의 세가지 데이터 셋으로 분류하고 데이터 레이블링(Labeling)을 수행함. 데이터 레이블링은 데이터 레이블링 툴을 이용하여 수행하였으며, 레이블링된 데이터는 YOLO 학습에 적합하도록 파일 변환을 수행함. 학습 파라미터를 설정하고 전처리된 데이터를 이용여 학습 수행.		::* 건설 장비 학습데이터로는 ACID basic dataset을 이용하였음. ACID는 학술적 목적으로 공유가능한 데이터 셋으로 건설장비 기본 3종(Excavator, Dump truck, Concrete Mixer truck)을 제공함. ACID 데이터를 Train, Validation, Test의 세가지 데이터 셋으로 분류하고 데이터 레이블링(Labeling)을 수행함. 데이터 레이블링은 데이터 레이블링 툴을 이용하여 수행하였으며, 레이블링된 데이터는 YOLO 학습에 적합하도록 파일 변환을 수행함. 학습 파라미터를 설정하고 전처리된 데이터를 이용여 학습 수행.
	::* ACID 데이터를 이용하여 학습한 모델을 이용하여 테스트한 결과 아래의 그림처럼 건설 현장에서 건설 장비를 인식하고 태깅이 이루어짐을 확인하였음. 그러나 정확도가 80%로 기대했던 수치에 못 미쳤고 3종의 장비에 대해서만 모델이 작동하여 추가적인 모델 개선 필요.		::* ACID 데이터를 이용하여 학습한 모델을 이용하여 테스트한 결과 아래의 그림처럼 건설 현장에서 건설 장비를 인식하고 태깅이 이루어짐을 확인하였음. 그러나 정확도가 80%로 기대했던 수치에 못 미쳤고 3종의 장비에 대해서만 모델이 작동하여 추가적인 모델 개선 필요

	===3D 모델링을 이용한 학습 모델 생성 모듈 개발===		===3D 모델링을 이용한 학습 모델 생성 모듈 개발===
	::* 건설자재의 학습데이터 구축에 어려움이 있어 건설자재 3D 모델을 이용하여 학습 모델 모듈 개발		::* 건설자재의 학습데이터 구축에 어려움이 있어 건설자재 3D 모델을 이용하여 학습 모델 모듈 개발 중
	[[파일:3D 모델링을 이용한 학습 데이터 예시.png\|테두리\|500x300픽셀]]		[[파일:3D 모델링을 이용한 학습 데이터 예시.png\|테두리\|500x300픽셀]]

2022년 12월 28일 (수) 02:14에 Hwangsp90님의 편집

2022-12-28T02:14:03Z

← 이전 판		2022년 12월 28일 (수) 11:14 판
32번째 줄:		32번째 줄:
	===3D 모델링을 이용한 학습 모델 생성 모듈 개발===		===3D 모델링을 이용한 학습 모델 생성 모듈 개발===
	::* 건설자재의 학습데이터 구축에 어려움이 있어 건설자재 3D 모델을 이용하여 학습 모델 모듈 개발		::* 건설자재의 학습데이터 구축에 어려움이 있어 건설자재 3D 모델을 이용하여 학습 모델 모듈 개발
			[[파일:3D 모델링을 이용한 학습 데이터 예시.png\|테두리\|500x300픽셀]]

	==관련규정==		==관련규정==

10.0.2.2: /* 용어설명 */

2022-12-28T02:12:06Z

용어설명

← 이전 판		2022년 12월 28일 (수) 11:12 판
31번째 줄:		31번째 줄:

	===3D 모델링을 이용한 학습 모델 생성 모듈 개발===		===3D 모델링을 이용한 학습 모델 생성 모듈 개발===
			::* 건설자재의 학습데이터 구축에 어려움이 있어 건설자재 3D 모델을 이용하여 학습 모델 모듈 개발

	==관련규정==		==관련규정==

10.0.2.2: /* 용어설명 */

2022-12-28T01:25:55Z

용어설명

← 이전 판		2022년 12월 28일 (수) 10:25 판
29번째 줄:		29번째 줄:
	::* 건설 장비 학습데이터로는 ACID basic dataset을 이용하였음. ACID는 학술적 목적으로 공유가능한 데이터 셋으로 건설장비 기본 3종(Excavator, Dump truck, Concrete Mixer truck)을 제공함. ACID 데이터를 Train, Validation, Test의 세가지 데이터 셋으로 분류하고 데이터 레이블링(Labeling)을 수행함. 데이터 레이블링은 데이터 레이블링 툴을 이용하여 수행하였으며, 레이블링된 데이터는 YOLO 학습에 적합하도록 파일 변환을 수행함. 학습 파라미터를 설정하고 전처리된 데이터를 이용여 학습 수행.		::* 건설 장비 학습데이터로는 ACID basic dataset을 이용하였음. ACID는 학술적 목적으로 공유가능한 데이터 셋으로 건설장비 기본 3종(Excavator, Dump truck, Concrete Mixer truck)을 제공함. ACID 데이터를 Train, Validation, Test의 세가지 데이터 셋으로 분류하고 데이터 레이블링(Labeling)을 수행함. 데이터 레이블링은 데이터 레이블링 툴을 이용하여 수행하였으며, 레이블링된 데이터는 YOLO 학습에 적합하도록 파일 변환을 수행함. 학습 파라미터를 설정하고 전처리된 데이터를 이용여 학습 수행.
	::* ACID 데이터를 이용하여 학습한 모델을 이용하여 테스트한 결과 아래의 그림처럼 건설 현장에서 건설 장비를 인식하고 태깅이 이루어짐을 확인하였음. 그러나 정확도가 80%로 기대했던 수치에 못 미쳤고 3종의 장비에 대해서만 모델이 작동하여 추가적인 모델 개선 필요.		::* ACID 데이터를 이용하여 학습한 모델을 이용하여 테스트한 결과 아래의 그림처럼 건설 현장에서 건설 장비를 인식하고 태깅이 이루어짐을 확인하였음. 그러나 정확도가 80%로 기대했던 수치에 못 미쳤고 3종의 장비에 대해서만 모델이 작동하여 추가적인 모델 개선 필요.

			===3D 모델링을 이용한 학습 모델 생성 모듈 개발===

	==관련규정==		==관련규정==

Hwangsp90: /* 용어설명 */

2022-12-27T08:27:24Z

용어설명

← 이전 판		2022년 12월 27일 (화) 17:27 판
11번째 줄:		11번째 줄:

	==용어설명==		==용어설명==
	::* 건설장비와 건설자재에 대한 검출 모델을 개발하고 태깅/연동/검색 기술에 대한 ~~설계를 목적으로 함~~		::* 건설장비와 건설자재에 대한 검출 모델을 개발하고 태깅/연동/검색 기술에 대한 설계 목적
	::* 건설자재 인식 인공지능 모델 개발을 위해 학습데이터 셋을 구축하는 ~~연구를~~ 수행.		::* 건설자재 인식 인공지능 모델 개발을 위해 학습데이터 셋을 구축하는 연구 수행
	::* 건설자재에 대한 학습데이터 셋을 실제 환경에서 구축하기 위해서는 많은 시간과 비용이 소모되어 가상환경을 이용하여 학습데이터 셋을 구축하는 방법선택.		::* 건설자재에 대한 학습데이터 셋을 실제 환경에서 구축하기 위해서는 많은 시간과 비용이 소모되어 가상환경을 이용하여 학습데이터 셋을 구축하는 방법선택
	::* 가상 환경을 제어하기 위해 널리 사용되는 유니티와 건설 자재의 3D 모형을 이용하여 학습데이터 셋을 구축하고 이를 학습에 적용하는 모델 개발.		::* 가상 환경을 제어하기 위해 널리 사용되는 유니티와 건설 자재의 3D 모형을 이용하여 학습데이터 셋을 구축하고 이를 학습에 적용하는 모델 개발

	===객체 인식 및 태깅 기준===		===객체 인식 및 태깅 기준===

← 이전 판		2023년 11월 21일 (화) 11:45 판
37번째 줄:		37번째 줄:

	==관련용어==		==관련용어==
	[[이미지 태깅]], [[3D 모델]], [[AI]]		[[이미지 태깅]], [[3D 모델]], [[인공지능]]

	[[분류:스마트_건설]]		[[분류:스마트_건설]]