CNN을 이용한 건축적 형상에 대한 선호 추정

뒤로	원문보기 \| 미리보기 [ 원문보기시 소비되는 포인트 : 100 포인트 ]

논문명	CNN을 이용한 건축적 형상에 대한 선호 추정 / Estimation of Human Preference for Architectural Shape using CNN
저자명	이상현(Lee, Sang-Hyun) ; 한지후(Han, Ji-Hoo)
발행사	대한건축학회
수록사항	대한건축학회논문집, Vol.38 No.4 (2022-04)
페이지	시작페이지(3) 총페이지(9)
ISSN	2733-6247
주제분류	시공(적산)
주제어	형태; CNN; ANN; 선호; 딥러닝 // Form; CNN; ANN; Preference; Deep Learning
요약1	본 연구의 목적은 인공신경망을 이용한 형태에 대한 선호도 파악의 가능성을 탐구하는 것이다. 이를 위해서 본 연구에서는 첫 번째 단계에서 사람들에게 형태에 대한 일관성있는 선호도가 존재하는지를 검토하였다. 첫 번째 단계의 연구 결과, 개인들에게는 형태에 대한 일관성있는 선호가 존재함을 확인하였다. 두 번째 단계에서는 인공신경망을 이용한 형태에 대한 선호도 파악의 가능성을 검토하였다. 첫 번째 단계에서 사용한 동일한 데이터를 이용하여 인공신경망을 학습시켜 분류 모델을 도출하였다. 이 분류 모델을 이용하여 분류 정확도를 평가하는 테스트를 실시하였다. 테스트 결과 75.7% 라는 높은 분류 정확도를 나타내었다. 이러한 높은 분류 정확도를 통해 인공신경망을 이용한 형태에 대한 선호도 파악의 가능성이 확인되었다고 주장할 수 있을 것이다.
요약2	This study aims to explore the possibility that artificial intelligence can identify human preferences through images using the convolutional neural network (CNN). To determine if people had a consistent preference for form, experiment participants were asked to select the preferred images among 200 images twice, which were automatically generated in dynamo. In the two consecutive image selection processes, ten participants repeatedly selected the same images at a rate of 79 percent. These results confirmed that there is a consistent preference for form. Next, the possibility of identifying the preference for form using CNN was investigated. Data for each experiment participant was divided into two sets. The preferred and non-preferred images were included in each set at a certain percentage. A classification model was produced by conducting supervised learning using CNN with one of the two sets. The classification accuracy was measured by applying this classification model to the other set. As a result of these tests, the classification model created by CNN could classify the preferred and non-preferred images with 82.7 percent accuracy. In random selection, the probability of correctly classifying the preferred and non-preferred images with more than 82.7 percent accuracy was 6.5 x 10-12 percent. Therefore, 82.7 percent reflects a fairly high classification accuracy. Based on this high accuracy, it was possible to identify human preferences for form using CNN
소장처	대한건축학회

스크랩하기

추천문헌	이 논문을 열람하신 아우릭 회원님들이 많이 열람하신 논문을 추천해 드립니다.
건축설계단계 지식기반 마감자재 선정 프로토타입 개발 윤수호(Yun Su-Ho) ; 박형진(Park Hyung-Jin) ; 구교진(Koo Kyo-Jin) - 대한건축학회논문집 구조계 : v.27 n.7 (201107)
BIM 기반 비선정 작업항목 물량산출 방법에 관한 연구 박상헌;윤선재;구교진 - 한국건축시공학회 학술.기술논문발표회 논문집 : v.19 n.2(통권 제37호) (201911)
오브젝트-파라미터기반 건축마감공사비 개산견적 모델 구교진(Koo, Kyo-Jin) ; 박성호(Park, Sung-Ho) ; 박성철(Park, Sung-Chul) ; 송종관(Song, Jong-Kwan) - 한국건설관리학회 논문집 : Vol.9 No.6 (200812)
프로토타입기반 기본설계단계 건축마감공사비 산정 모델 김해곤(Kim, Hae-Gon) ; 박성철(Park, Sung-Chul) ; 구교진(Koo, Kyo-Jin) ; 홍태훈(Hong, Tae-Hoon) ; 현창택(Hyun, Chang-Taek) - 한국건설관리학회 논문집 : Vol.8 No.4 (200708)
그린-스마트 이동식 모듈러 교사 통합설계 프로세스에 관한 연구 장명수(Chang, Myoung-Soo) ; 이명식(Lee, Myung-Sik) - 대한건축학회논문집 : Vol.38 No.5 (202205)
실내공간의 가변성을 고려한 모듈러 주택에 관한 연구 마승범(Ma, Seung-Bum) - 대한건축학회논문집 : Vol.38 No.4 (202204)
파라메트릭 디자인 기법과 유전알고리즘을 적용한 성능기반 공동주택 계획 방법 연구 정요한(Jeong, Yo-Han) ; 권영상(Kwon, Young-Sang) - 대한건축학회논문집 : Vol.37 No.12 (202112)
CNN 이용 시 분류정확도를 향상시키기 위한 건축이미지 검색 방법 이상현(Lee, Sang-Hyun) ; 노녕(Lu, Ning) - 대한건축학회논문집 : Vol.36 No.09 (202009)
디지털 수량산출에 기반한 건축공사 내역서 구성에 대한 연구 송아름 ; 강기수 ; 윤석헌 - 한국건축시공학회 학술.기술논문발표회 논문집 : v.14 n.1(통권 제26호) (201405)
사례기반추론을 이용한 초기단계 공사비 예측 방법 박문서(Park, Moonseo) ; 성기훈(Seong, Kihoon) ; 이현수(Lee, Hyun-soo) ; 지세현(Ji, Sae-Hyun) ; 김수영(Kim, Sooyoung) - 한국건설관리학회 논문집 : Vol.11 No.4 (201007)