Earticle

초록

영어

This paper developed a training model to classify normal roads and flooded roads using artificial intelligence technology. We expanded the diversity of learning data using various data augmentation techniques and implemented a model that shows good performance in various environments. Transfer learning was performed using the CNN-based Resnet152v2 model as a pre-learning model. During the model learning process, the performance of the final model was improved through various parameter tuning and optimization processes. Learning was implemented in Python using Google Colab NVIDIA Tesla T4 GPU, and the test results showed that flooding situations were detected with very high accuracy in the test dataset.

한국어

본 논문은 인공지능 기술을 활용하여 일반 도로와 침수 도로를 분류하는 학습모델을 개발하였다. 다양한 데이터 증강기법을 사용하여 학습 데이터의 다양성을 확장하며, 여러 환경에서도 좋은 성능을 보이는 모델을 구현하였다. CNN 기반의 Resnet152v2 모델을 사전 학습모델로 활용하여, 전이 학습을 진행하였다. 모델의 학습 과정에서 다양한 파라미 터 튜닝 및 최적화 과정을 거쳐 최종 모델의 성능을 향상하였다. 학습은 파이선으로 Google Colab NVIDIA Tesla T4 GPU를 사용하여 구현하였고, 테스트 결과 시험 데이터 세트에서 매우 높은 정확도로 침수상황을 탐지함을 알 수 있었다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
1. CNN 기술
2. Resnet152v2 모델
3. 구글 코랩 노트북
Ⅲ. 침수탐지 학습모델 구현
1. 학습 환경
2. 학습 데이터 준비
3. 학습 진행
IV. 모델 검증
V. 결론
References

키워드

저자

• 김동준 [ Dong Jun Kim | 정회원, 한성대학교 컴퓨터공학부 ]
• 최유진 [ YU Jin Choi | 정회원, 한성대학교 컴퓨터공학부 ]
• 박경민 [ Kyung Min Park | 정회원, 한성대학교 컴퓨터공학부 ]
• 박상준 [ Sang Jun Park | 정회원, 한성대학교 컴퓨터공학부 ]
• 이재문 [ Jae-Moon Lee | 정회원, 한성대학교 컴퓨터공학부 ] 교신저자
• 황기태 [ Kitae Hwang | 정회원, 한성대학교 컴퓨터공학부 ]
• 정인환 [ Inhwan Jung | 정회원, 한성대학교 컴퓨터공학부 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국인터넷방송통신학회 논문지 [The Journal of the Institute of Internet, Broadcasting and Communication]

• 간기

  격월간

• pISSN

  2289-0238

• eISSN

  2289-0246

• 수록기간

  2001~2025

• 십진분류

  KDC 326 DDC 380