> For the complete documentation index, see [llms.txt](https://docs.cooku222.kr/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.cooku222.kr/project-remind/actions/undefined-1/its-study-ai/its-study-3-ai-dgcnn-2.md). # \[IT's Study 3주차] 자율주행 관련 AI 모델 : DGCNN(2) **DGCNN(Dynamic Graph Convolutional Neural Network)** 학습 단계마다 점들 간의 이웃 관계를 동적으로 학습하고 PointCloudData를 Graph의 형태로 표현하여 CNN의 개념을 그래프에 적용하는 알고리즘 각 점은 그래프의 노드가 되고 점과 점을 연결하는 선은 공간적 관계를 나타내는 엣지로 표현됨 DGCNN에서 PCD(point cloud data)를 사용하여 객체를 Classification 하는 과정은 다음과 같음.

(1) DGCNN의 입력은 (nx3) 형태의 점 구름 데이터이며 n은 점의 개수이고 3은 차원을 의미한다. PCD의 회전 및 변형에 대한 불변성을 확보하기 위해 Spatial Transform를 사용하여 행렬 변환이 적용된다. 이때 Spatial Transform는 점 간의 상대적인 위치정보를 고려하여 PointCloud를 표준 형식으로 변환한다. (2) 변환된 PointCloud는 EdgeConv 레이어를 연속적으로 거쳐서 각 점들 간의 관계를 학습하고 국소적인 특징을 추출한다. 이때 각 점을 중심으로 k개의 가장 가까운 이웃을 찾아 그래프를 형성하고 여러 개의 EdgeConv 레이어를 사용한다면, 점진적으로 더 높은 수준의 특징을 학습하여 복잡한 구조를 학습할 수 있음. EdgeConv란? 점과 그 이웃점 사이의 관계를 학습시킨 것 (3) EdgeConv 레이어를 모두 거친 후 Max Pooling 연산을 통해 전체 PCD에서 가장 중요한 정보를 찾아 글로벌 특징을 추출한다. 그리고 MLP(Multi Layer Perceptron) 구조를 통해 최종적인 특징을 학습하고 분류에 필요한 정보만 남기며 축소된 특징 벡터를 생성하고 c개의 클래스에 대한 확률을 출력한다.

(1) Graph Convolution Layers는 EdgeConv 방법으로 각 점과 점의 관계를 동적으로 파악하고 중요한 지역적 구조를 학습하며, 입력된 PCD의 점은 노드로 표현하고 노드를 엣지로 연결하여 그래프를 형성한다. (2) SortPooling Layer는 이전 단계에서 추출된 그래프의 각 노드를 특정 기준에 따라 정렬하여 Max Pooling을 수행한다. 따라서 정렬 과정을 통해 그래프의 구조를 압축하여 특징을 추출하고 1차원 크기의 데이터로 변환한다. Max Pooling이란? 정해진 크기 안에서 그 값만 뽑아낸다. (3) 1-D Convolution(1차원 합성곱 계층)은 중요한 패턴을 발견하는데 유용하기 때문에 정렬된 정보를 1차원 합성곱 계층에 입력하여 각 노드 사이의 특징을 학습하고 그래프 간의 차이를 구분할 수 있는 고차원 특징 벡터로 변환한다. 마지막으\ 로 Dense Layers (완전 연결 계층)은 합성곱 계층의 출력을 완전 연결 계층에 전달하고 물체 분류를 달성하기 위해 데이터를 최종 결과로 정리하는 역할을 한다.

EdgeConv 연산은 k-NN 그래프를 구성한 후, 각 점 i와 이웃 점 j간의 차이를 계산하여 관계를 학습한다. 이때 관계 정보는 MLP를 통해 고차원 특징 벡터로 변환된다. *** 출처 : BIM 모델과 DGCNN 알고리즘을 사용한 건설공사 진척도 검증의 정확성 개선 방안, 경상국립대학교 대학원, 이주형, 토목공학과 --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.cooku222.kr/project-remind/actions/undefined-1/its-study-ai/its-study-3-ai-dgcnn-2.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.