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.

TinyDef-DETR: A DETR-based Framework for Defect Detection in Transmission Lines from UAV Imagery

Created by
  • Haebom

저자

Feng Shen, Jiaming Cui, Shuai Zhou, Wenqiang Li, Ruifeng Qin

개요

본 논문은 드론 영상을 이용한 송전선 결함 자동 검출을 위한 새로운 DETR 기반 프레임워크인 TinyDef-DETR을 제안합니다. TinyDef-DETR은 경계 민감 표현을 강화하는 edge-enhanced ResNet 백본, 세부 정보를 유지하는 stride-free space-to-depth 모듈, 전역 정보와 지역 정보를 함께 모델링하는 cross-stage dual-domain multi-scale attention 메커니즘, 그리고 작고 어려운 표적의 위치 정확도를 높이는 Focaler-Wise-SIoU 회귀 손실 함수를 통합합니다. 공개 데이터셋과 실제 데이터셋을 이용한 실험 결과, TinyDef-DETR은 기존 검출기의 한계를 효과적으로 완화하여 우수한 검출 성능과 일반화 능력을 보이며, 동시에 적은 계산 비용을 유지함을 보여줍니다. 특히 작고 모호한 표적을 포함하는 상황에서 UAV 기반 송전선 결함 검출에 적합한 방법론임을 제시합니다.

시사점, 한계점

시사점:
드론 영상 기반 송전선 결함 검출의 정확도와 효율성을 향상시키는 새로운 방법론 제시
작고 모호한 결함에 대한 검출 성능 향상
제한된 계산 자원 환경에서도 효과적인 성능 제공
실제 현장 데이터에 대한 우수한 일반화 성능
한계점:
제안된 방법론의 실제 현장 적용에 대한 추가적인 연구 필요
다양한 기상 조건 및 환경 조건에 대한 robustness 검증 필요
다른 딥러닝 기반 결함 검출 방법론과의 더욱 심도있는 비교 분석 필요
👍