Acknowledgement
본 논문은 행정안전부 지역맞춤형 재난안전 연구개발 사업의 지원을 받아 수행되었으며(20015427), 2022년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업임(No. 2022R1A6A1A03052954). 추가로 본 연구와 구획화 라벨링에 도움을 준 김도영, 송민영에게도 감사의 인사를 전합니다.
Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)
- 2022.07a
- /
- Pages.49-52
- /
- 2022
Development of Robust Semantic Segmentation Modeling on Various Wall Cracks
다양한 외벽에 강인한 균열 구획화 모델 개발
- Lee, Soo Min (Postech Institute of Artificial Intelligence, Pohang University of Science and Technology) ;
- Kim, Gyeong-Yeong (Postech Institute of Artificial Intelligence, Pohang University of Science and Technology) ;
- Kim, Dong-Ju (Postech Institute of Artificial Intelligence, Pohang University of Science and Technology)
- Published : 2022.07.13
Abstract
건물 외벽에 발생하는 균열은 시설물 구조 안전에 영향을 미치며 그 크기에 따라 위험도가 달라진다. 이에 따라 전문검사관의 현장 점검을 통해 발생 균열 두께를 정밀하게 측정할 필요가 있고 최근에는 이러한 현장 안전점검에 인공지능을 도입하려는 추세다. 그러나 기존의 균열 데이터셋은 주로 콘크리트에만 한정되어 다양한 외벽에 강인한 모델을 구축하기 어렵고 균열 두께를 측정하기 위해 정확한 마스크(Mask) 정보가 필요하나 이를 만족하는 데이터셋이 부재하다. 본 논문에서는 다양한 외벽에 강인한 균열 구획화 모델을 목적으로 2,744장의 이미지를 촬영하고 매직 완드 기법으로 라벨링을 진행해 데이터셋을 구축 후, 이를 바탕으로 딥러닝 기반 균열 구획화 모델을 개발했다. UNet-ResNet50을 최종모델로 선정 및 개발 결과, 테스트 데이터셋에 대해 81.22%의 class IoU 성능을 보였다. 본 연구의 기술을 바탕으로 균열 두께를 측정하여 건축물 안전점검에 활용될 수 있기를 기대한다.