| 1 |
1
지진으로 인해 충격이 가해진 건물의 피해 이미지를 이미지 훈련 모델에 적용하여 건물에 형성된 구조적 손상에 관한 신경망 학습을 수행하는 단계;신경망 학습이 수행된 이미지 훈련 모델을 이용하여 건물의 손상 여부를 평가하기 위한 이미지 평가 모델로 전이 학습을 수행하는 단계;전이 학습이 수행된 이미지 평가 모델을 기반으로 피해 이미지에 그래디언트(Gradient)를 적용하여 상기 피해 이미지의 손상 패턴으로 예측되는 관심 영역을 결정하는 단계;관심 영역을 중심으로 생성된 히트맵(Heat Map)을 피해 이미지에 오버랩하여 상기 히트맵이 오버랩 된 피해 이미지에서 구조적 손상이 발생한 위치를 시각화 하는 단계;상기 히트맵이 오버랩 된 피해 이미지에 손상 평가치(DAV: Damage Assessment Value)를 할당하여 시각화 된 피해 이미지 내 위치에 따른 손상 심각도를 결정하는 단계; 및손상 심각도에 대응하여 피해 이미지 별 충격이 가해진 건물의 요소에 따른 손상 등급을 평가하는 단계;를 포함하고,상기 손상 심각도를 결정하는 단계는,상기 히트맵으로 표현되는 행렬 S의 요소 및 상기 행렬 S의 차원을 고려하여 상기 피해 이미지에 오버랩 된 히트맵을 구성하는 각 픽셀의 강도를 나타내는 값들 중에서 음수 값이 제거된 양수 값을 도출하는 단계;상기 도출된 양수 값에 대응하여 상기 히트맵이 오버랩 된 피해 이미지에 대한 손상 평가치를 할당하는 단계 - 상기 손상 평가치는 '0'과 '1' 사이의 범위에 포함되는 숫자 값임 -; 및상기 손상 평가치로 할당된 모든 값에 대한 평균을 산출하여 상기 평균으로 산출된 값을 손상 심각도로 결정하는 단계를 포함하고,상기 손상 심각도를 결정하는 단계는,상기 손상 평가치의 값이 가 '0'이면, 상기 피해 이미지의 손상 레벨을 무 손상(No Damage)으로 분류하고,상기 손상 평가치의 값이 '0' 이상 '0
|
| 2 |
2
제1항에 있어서,상기 이미지 훈련 모델을 학습하는 단계는,심층 신경망 기반의 각 계층에 따른 건물의 피해 이미지를 분석하는 단계;분석 결과에 따라 건물에 형성된 구조적 손상에 관한 피해 이미지의 손상 레벨을 분류하는 단계;피해 이미지의 손상 레벨에 대응하여 건물의 손상 패턴을 결정하는 단계; 및상기 건물의 손상 패턴에 따른 건물에 형성된 구조적 손상을 파악하기 위한 이미지 훈련 모델을 학습하는 단계;를 포함하는 건물 손상 평가 방법
|
| 3 |
3
제2항에 있어서,상기 건물의 피해 이미지를 분석하는 단계는,상기 건물의 피해 이미지로부터 건물의 구조 요소 및 건물의 비구조 요소 중 적어도 하나에 형성된 박리, 균열, 붕괴, 파손 및 탈락 중 적어도 하나를 분석하는 건물 손상 평가 방법
|
| 4 |
4
제1항에 있어서,상기 건물의 피해 이미지는,지진으로 인해 건물에 형성된 구조적 손상에 따른 서로 다른 손상 비율을 갖는 이미지인 건물 손상 평가 방법
|
| 5 |
5
제1항에 있어서,상기 전이 학습을 수행하는 단계는,사전에 학습된 이미지 훈련 모델의 훈련 가중치를 전이 학습을 위한 초기 가중치로 활용하여 건물의 손상 여부를 평가하기 위한 이미지 평가 모델의 평가 가중치로 전이 학습하는 건물 손상 평가 방법
|
| 6 |
6
제5항에 있어서,상기 전이 학습을 수행하는 단계는,이미지 훈련 모델을 학습하는데 사용된 건물의 피해 이미지와 유사한 학습을 수행하는 건물의 특징 추출 기법, 및 이미지 훈련 모델의 훈련 가중치를 조정하는 미세 조정 기법 중 적어도 하나의 기법을 이용하여 이미지 평가 모델로 전이 학습을 수행하는 건물 손상 평가 방법
|
| 7 |
7
삭제
|
| 8 |
8
제1항에 있어서,상기 히트맵을 생성하는 단계는,상기 그래디언트가 적용된 피해 이미지의 각 픽셀의 강도를 고려하여 일정한 색상으로 표현된 히트맵을 생성하는 건물 손상 평가 방법
|
| 9 |
9
삭제
|
| 10 |
10
제1항에 있어서,상기 손상 등급을 평가하는 단계는,상기 시각화 된 피해 이미지 내 위치에 따른 손상 심각도 및 상기 위치에 해당하는 건물의 요소를 고려하여 피해 이미지 별로 손상 등급을 평가하는 건물 손상 평가 방법
|
| 11 |
11
사전에 학습된 건물의 피해 이미지를 이미지 평가 모델에 적용하여 지진에 의해 충격이 가해진 건물의 손상 여부를 평가하기 위한 전이 학습을 수행하는 단계;전이 학습이 수행된 건물의 피해 이미지에 그래디언트를 적용하여 상기 피해 이미지의 손상 패턴으로 예측되는 관심 영역을 결정하는 단계;상기 결정된 관심 영역을 중심으로 열 분포 형태의 히트맵을 생성하는 단계;피해 이미지에 상기 생성된 히트맵을 오버랩하여 피해 이미지에서 구조적 손상이 발생한 위치를 시각화하는 단계;히트맵이 오버랩 된 피해 이미지에 손상 평가치를 할당하여 구조적 손상이 발생한 위치의 손상 심각도를 결정하는 단계; 및손상 심각도에 대응하여 피해 이미지 별 충격이 가해진 건물의 요소에 따른 손상 등급을 평가하는 단계;를 포함하고,상기 손상 심각도를 결정하는 단계는,상기 히트맵으로 표현되는 행렬 S의 요소 및 상기 행렬 S의 차원을 고려하여 상기 피해 이미지에 오버랩 된 히트맵을 구성하는 각 픽셀의 강도를 나타내는 값들 중에서 음수 값이 제거된 양수 값을 도출하는 단계;상기 도출된 양수 값에 대응하여 상기 히트맵이 오버랩 된 피해 이미지에 대한 손상 평가치를 할당하는 단계 - 상기 손상 평가치는 '0'과 '1' 사이의 범위에 포함되는 숫자 값임 -; 및상기 손상 평가치로 할당된 모든 값에 대한 평균을 산출하여 상기 평균으로 산출된 값을 손상 심각도로 결정하는 단계를 포함하고,상기 손상 심각도를 결정하는 단계는,상기 손상 평가치가의 값이 '0' 이면, 상기 피해 이미지의 손상 레벨을 무 손상(No Damage)으로 분류하고,상기 손상 평가치의 값이 '0' 이상 '0
|
| 12 |
12
제11항에 있어서,상기 전이 학습을 수행하는 단계는,지진으로 인해 충격이 가해진 건물의 피해 이미지를 이미지 훈련 모델에 적용하여 건물에 형성된 구조적 손상에 관한 신경망 학습을 수행하는 단계; 및이미지 훈련 모델을 통해 사전에 학습된 건물의 피해 이미지를 이미지 평가 모델에 적용하여 전이 학습을 수행하는 단계;를 포함하는 건물 손상 평가 방법
|
| 13 |
13
제12항에 있어서,상기 전이 학습을 수행하는 단계는,사전에 학습된 이미지 훈련 모델의 훈련 가중치를 전이 학습을 위한 초기 가중치로 활용하여 건물의 손상 여부를 평가하기 위한 이미지 평가 모델의 평가 가중치로 전이 학습하는 건물 손상 평가 방법
|
| 14 |
14
제12항에 있어서,상기 전이 학습을 수행하는 단계는,이미지 훈련 모델을 학습하는데 사용된 건물의 피해 이미지와 유사한 학습을 수행하는 건물의 특징 추출 기법, 및 이미지 훈련 모델의 훈련 가중치를 조정하는 미세 조정 기법 중 적어도 하나의 기법을 이용하여 이미지 평가 모델로 전이 학습을 수행하는 건물 손상 평가 방법
|
| 15 |
15
삭제
|
| 16 |
16
제11항에 있어서,상기 히트맵을 생성하는 단계는,상기 그래디언트가 적용된 피해 이미지의 각 픽셀의 강도를 고려하여 일정한 색상으로 표현된 히트맵을 생성하는 건물 손상 평가 방법
|
| 17 |
17
건물 손상 평가 방법을 수행하는 컴퓨팅 장치에 있어서,상기 컴퓨팅 장치는 프로세서를 포함하고,상기 프로세서는,지진으로 인해 충격이 가해진 건물의 피해 이미지를 이미지 훈련 모델에 적용하여 건물에 형성된 구조적 손상에 관한 신경망 학습을 수행하고,신경망 학습이 수행된 이미지 훈련 모델을 이용하여 건물의 손상 여부를 평가하기 위한 이미지 평가 모델로 전이 학습을 수행하고,전이 학습이 수행된 이미지 평가 모델을 기반으로 피해 이미지에 그래디언트를 적용하여 피해 이미지의 손상 패턴으로 예측되는 관심 영역을 결정하고,관심 영역을 중심으로 생성된 히트맵을 피해 이미지에 오버랩하여 상기 히트맵이 오버랩 된 피해 이미지에서 구조적 손상이 발생한 위치를 시각화 하고,상기 히트맵이 오버랩 된 피해 이미지에 손상 평가치(DAV: Damage Assessment Value)를 할당하여 상기 시각화 된 피해 이미지 내 위치에 따른 손상 심각도를 결정하고,손상 심각도에 대응하여 피해 이미지 별 충격이 가해진 건물의 요소에 따른 손상 등급을 평가하고,상기 손상 심각도를 결정함에 있어,상기 히트맵으로 표현되는 행렬 S의 요소 및 상기 행렬 S의 차원을 고려하여 상기 피해 이미지에 오버랩 된 히트맵을 구성하는 각 픽셀의 강도를 나타내는 값들 중에서 음수 값이 제거된 양수 값을 도출하고,상기 도출된 양수 값에 대응하여 상기 히트맵이 오버랩 된 피해 이미지에 대한 손상 평가치를 할당- 상기 손상 평가치는 '0'과 '1' 사이의 범위에 포함되는 숫자 값임 - 하며,상기 손상 평가치로 할당된 모든 값에 대한 평균을 산출하여 상기 평균으로 산출된 값을 손상 심각도로 결정하고,상기 손상 심각도를 결정함에 있어,상기 손상 평가치의 값이가 '0'에 가까울수록 상기 결정된 손상 레벨 중 무 손상에 대응하도록 시각화 된 피해 이미지 내 위치에 따른 손상 심각도를 결정하고, 이면, 상기 피해 이미지의 손상 레벨을 무 손상(No Damage)으로 분류하고,상기 손상 평가치의 값이 '0' 이상 '0
|
| 18 |
18
건물 손상 평가 방법을 수행하는 컴퓨팅 장치에 있어서,상기 컴퓨팅 장치는 프로세서를 포함하고,상기 프로세서는,사전에 학습된 건물의 피해 이미지를 이미지 평가 모델에 적용하여 지진에 의해 충격이 가해진 건물의 손상 여부를 평가하기 위한 전이 학습을 수행하고,전이 학습이 수행된 건물의 피해 이미지에 그래디언트를 적용하여 상기 피해 이미지의 손상 패턴으로 예측되는 관심 영역을 결정하고,상기 결정된 관심 영역을 중심으로 열 분포 형태의 히트맵을 생성하고,피해 이미지에 상기 생성된 히트맵을 오버랩하여 피해 이미지에서 구조적 손상이 발생한 위치를 시각화하고,히트맵이 오버랩 된 피해 이미지에 손상 평가치를 할당하여 구조적 손상이 발생한 위치의 손상 심각도를 결정하고,손상 심각도에 대응하여 피해 이미지 별 충격이 가해진 건물의 요소에 따른 손상 등급을 평가하며,상기 손상 심각도를 결정함에 있어,상기 히트맵으로 표현되는 행렬 S의 요소 및 상기 행렬 S의 차원을 고려하여 상기 피해 이미지에 오버랩 된 히트맵을 구성하는 각 픽셀의 강도를 나타내는 값들 중에서 음수 값이 제거된 양수 값을 도출하고,상기 도출된 양수 값에 대응하여 상기 히트맵이 오버랩 된 피해 이미지에 대한 손상 평가치를 할당- 상기 손상 평가치는 '0'과 '1' 사이의 범위에 포함되는 숫자 값임 - 하며,상기 손상 평가치로 할당된 모든 값에 대한 평균을 산출하여 상기 평균으로 산출된 값을 손상 심각도로 결정하고,상기 손상 심각도를 결정함에 있어,상기 손상 평가치의 값이 가 '0'에 가까울수록 상기 결정된 손상 레벨 중 무 손상에 대응하도록 시각화 된 피해 이미지 내 위치에 따른 손상 심각도를 결정하고, 이면, 상기 피해 이미지의 손상 레벨을 무 손상(No Damage)으로 분류하고,상기 손상 평가치의 값이 '0' 이상 '0
|
