Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Automatic Road Subsurface Distress Recognition from Ground Penetrating Radar Images using Deep Learning-based Cross-verification

Created by
  • Haebom

저자

Chang Peng, Bao Yang, Meiqi Li, Ge Zhang, Hui Sun, Zhenyu Jiang

개요

본 논문은 지반 투과 레이더(GPR)를 이용한 도로 하부 손상(RSD) 탐지의 자동화를 위한 딥러닝 기반 접근법을 제시한다. 기존 딥러닝 기법의 한계점인 고품질 데이터 부족 및 RSD 식별 성능 저하 문제를 해결하기 위해, 다양한 유형의 2134개 샘플을 포함하는 엄격하게 검증된 3D GPR 데이터셋을 구축하였다. YOLO 모델을 이용하여 GPR 이미지 3종 스캔 데이터를 학습시킨 결과, 특정 RSD 유형에 대한 민감도가 다르다는 것을 발견하고, 이를 바탕으로 정확도가 뛰어난 새로운 교차 검증 전략을 제안하였다. 현장 테스트 결과, 98.6% 이상의 재현율을 달성하였으며, 온라인 RSD 탐지 시스템에 통합하여 검사 노력을 약 90% 감소시킬 수 있음을 보였다.

시사점, 한계점

•
시사점:
◦
고품질 3D GPR 데이터셋 구축을 통한 딥러닝 기반 RSD 자동 탐지 시스템 개발 가능성 제시.
◦
YOLO 모델 기반 교차 검증 전략을 통해 높은 정확도(98.6% 이상 재현율)의 RSD 탐지 성능 달성.
◦
도로 검사 노력을 약 90% 감소시키는 효율적인 RSD 탐지 시스템 구축 가능성 확인.
◦
온라인 RSD 탐지 시스템 구축을 위한 실용적인 방법 제시.
•
한계점:
◦
제안된 방법의 일반화 성능에 대한 추가적인 연구 필요. (다양한 도로 환경 및 GPR 장비에 대한 성능 평가)
◦
데이터셋의 다양성 확장을 통한 모델 성능 향상 필요.
◦
특정 유형의 RSD에 대한 민감도 차이에 대한 추가적인 분석 필요.
👍
Made with Slashpage