Mobile QR Code QR CODE

Journal of the Korea Concrete Institute

J Korea Inst. Struct. Maint. Insp.
  • Indexed by
  • Korea Citation Index (KCI)

  1. ํ•™์ƒํšŒ์›,์„œ์šธ์‹œ๋ฆฝ๋Œ€ํ•™๊ต ํ† ๋ชฉ๊ณตํ•™๊ณผ ๋ฐ•์‚ฌ๊ณผ์ •
  2. ์ •ํšŒ์›,์„œ์šธ์‹œ๋ฆฝ๋Œ€ํ•™๊ต ํ† ๋ชฉ๊ณตํ•™๊ณผ ๋ถ€๊ต์ˆ˜
  3. ์ •ํšŒ์›,ํ•œ๊ตญ๋„๋กœ๊ณต์‚ฌ ๊ตฌ์กฐ๋ฌผ์ฒ˜ ๋Œ€๋ฆฌ
  4. ์ •ํšŒ์›,ํ•œ๊ตญ๋„๋กœ๊ณต์‚ฌ ์ˆ˜์›์ง€์‚ฌ ์ฐจ์žฅ
  5. ์ •ํšŒ์›,ใˆœ์•„์™€์†Œํ”„ํŠธ ์ฐจ์žฅ



ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€, ๋”ฅ๋Ÿฌ๋‹, Cascade Mask R-CNN, ๋น„๊ท ์—ด ํ•™์Šต
Tunnel crack detection, Deep learning, Cascade mask R-CNN, Negative sample training

1. ์„œ ๋ก 

ํ„ฐ๋„์€ ์‚ฐ๊ฐ„์ง€์—ญ์ด ๋งŽ์€ ๋Œ€ํ•œ๋ฏผ๊ตญ์˜ ๊ณ ์†๋„๋กœ์™€ ๊ณ ์†์ฒ ๋„ ์‹œ์„ค๋ฌผ์„ ๊ตฌ์„ฑํ•˜๋Š” ์ฃผ์š” ํ† ๋ชฉ ์‹œ์„ค๋ฌผ์ด๋‹ค. ํ•˜์ง€๋งŒ, ๊ณ ์†๋„๋กœ์™€ ๊ณ ์†์ฒ ๋„ ์šด์šฉ์˜ ํŠน์„ฑ์ƒ, ์ฐจ๋Ÿ‰์ด๋‚˜ ์—ด์ฐจ์˜ ํ†ตํ–‰์„ ์ฐจ๋‹จํ•˜๊ธฐ ์‰ฝ์ง€ ์•Š์•„, ์ธ๋ ฅ์˜ ์œก์•ˆ ์ ๊ฒ€์— ๊ธฐ๋ฐ˜ํ•˜์—ฌ ์•ˆ์ „์ง„๋‹จ์„ ์‹ค์‹œํ•˜๋Š”๋ฐ ๋งŽ์€ ์–ด๋ ค์›€์ด ๋”ฐ๋ฅธ๋‹ค. ๋˜ํ•œ ์ตœ๊ทผ ํ„ฐ๋„ ์‹œ๊ณต ๊ธฐ์ˆ ์˜ ๋ฐœ๋‹ฌ๋กœ ์ธํ•œ ์žฅ๊ฑฐ๋ฆฌ ํ„ฐ๋„์˜ ์ฆ๊ฐ€๋Š” ์œก์•ˆ ์ ๊ฒ€ ๊ธฐ๋ฐ˜์˜ ์•ˆ์ „์ง„๋‹จ ๋ฐฉ๋ฒ•์˜ ๋ณ€ํ™”๋ฅผ ์œ ๋„ํ•˜๊ณ  ์žˆ๋‹ค.

์ด๋Ÿฌํ•œ ์œก์•ˆ ์ ๊ฒ€ ๊ธฐ๋ฐ˜ ํ„ฐ๋„ ์•ˆ์ „์ง„๋‹จ์˜ ์–ด๋ ค์›€์„ ๊ทน๋ณตํ•˜๊ณ , ํšจ์œจ์ ์ธ ํ„ฐ๋„ ์•ˆ์ „์ง„๋‹จ์„ ์ˆ˜ํ–‰ํ•˜๊ธฐ ์œ„ํ•˜์—ฌ, ์˜์ƒ์žฅ๋น„ ๋ฐ ์˜์ƒ์ฒ˜๋ฆฌ๋ฅผ ์ด์šฉํ•œ ํ„ฐ๋„ ์•ˆ์ „์ง„๋‹จ ๊ธฐ๋ฒ•์— ๋Œ€ํ•œ ์—ฐ๊ตฌ๊ฐ€ ๊พธ์ค€ํžˆ ๋ณด๊ณ ๋˜๊ณ  ์žˆ๋‹ค. ์˜์ƒ์„ ์ด์šฉํ•œ ์•ˆ์ „์ง„๋‹จ์€ ์™ธ๊ด€ ์†์ƒ ๋ฟ ์•„๋‹ˆ๋ผ ๋ณ€์œ„ ์ธก์ • ๋“ฑ ๋‹ค์–‘ํ•œ ๋ถ„์•ผ์— ์ ์šฉ๋˜๊ณ  ์žˆ๋‹ค(Sanpei and Mizoguchi, 2018). Yamaguchi et al.(2007)์€ ๊ท ์—ด์˜ ๊ฐ ํ”ฝ์…€์—์„œ์˜ ์ง„ํ–‰๋ฐฉํ–ฅ์„ ๊ณ ๋ คํ•œ ์ด๋ฏธ์ง€ ์ฒ˜๋ฆฌ ๊ธฐ๋ฒ•์„ ์ œ์•ˆํ•˜์˜€๋‹ค. Yu et al.(2007)์€ ์ž๋™ํ™”๋œ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€๋ฅผ ์œ„ํ•˜์—ฌ ์ด๋™์‹ ๋กœ๋ด‡์„ ์ œ์ž‘ํ•˜๊ณ  ํžˆ์Šคํ† ๊ทธ๋žจ ํ‰ํ™œํ™”์™€ ๊ฒฝ๊ณ„๋ถ€ ํƒ์ง€(Edge Detection) ๋“ฑ์˜ ์ด๋ฏธ์ง€์ฒ˜๋ฆฌ ๊ธฐ๋ฒ•์„ ์ ์šฉํ•˜์—ฌ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•˜์˜€๋‹ค. ์ตœ๊ทผ์—๋Š” ๋”ฅ๋Ÿฌ๋‹ ๊ธฐ์ˆ ์˜ ๋ฐœ๋‹ฌ๋กœ ์ธํ•˜์—ฌ ์˜์ƒ์ฒ˜๋ฆฌ๋ฅผ ์ด์šฉํ•œ ํ„ฐ๋„ ์†์ƒํƒ์ง€ ๊ธฐ์ˆ ์˜ ๋ฐœ๋‹ฌ ๋˜ํ•œ ๊ฐ€์†ํ™”๋˜๊ณ  ์žˆ๋‹ค. Lee et al.(2019)์€ ์Šค๋ƒ… ์นด๋ฉ”๋ผ๋กœ ๊ตฌ์ถ•๋œ ์ดฌ์˜ ์‹œ์Šคํ…œ์„ ํŠธ๋Ÿญ์— ํƒ‘์žฌํ•˜์—ฌ ํ„ฐ๋„ ์Šค์บ”์„ ์ˆ˜ํ–‰ํ•˜์˜€์œผ๋ฉฐ, ์ด๋ฏธ์ง€ ๋ถ„๋ฅ˜(Image Classification) ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ํ„ฐ๋„ ์ด๋ฏธ์ง€์— ์Šฌ๋ผ์ด๋”ฉ ์œˆ๋„์šฐ ๋ฐฉ์‹์œผ๋กœ ์ ์šฉํ•˜์—ฌ ํ„ฐ๋„ ํ‘œ๋ฉด์„ ๊ท ์—ด๊ณผ ๋น„๊ท ์—ด ์˜์—ญ์œผ๋กœ ์ด์ง„๋ถ„๋ฅ˜(Binary Classification)ํ•˜์˜€๋‹ค. Song et al.(2019)์€ ํ„ฐ๋„์— ์„ค์น˜๋œ ์ฒ ๋„ ๋ ˆ์ผ์—์„œ ์šดํ–‰ ๊ฐ€๋Šฅํ•œ ์Šค์บ๋‹ ์žฅ๋น„๋ฅผ ๊ฐœ๋ฐœํ•˜๊ณ  ์ดฌ์˜๋œ ์ด๋ฏธ์ง€์—์„œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ์ด์šฉํ•˜์—ฌ ๊ท ์—ด์„ ํƒ์ง€ํ•˜๋Š” ์‹œ์Šคํ…œ์„ ๊ตฌ์ถ•ํ•˜์˜€๋‹ค. Li et al.(2020)์€ ์ƒ์šฉ ์นด๋ฉ”๋ผ(DSC-WX700 camera)๋ฅผ ์กฐํ•ฉํ•œ ์ดฌ์˜์žฅ๋น„๋ฅผ ์ด์šฉํ•˜์—ฌ ํ„ฐ๋„ ํ‘œ๋ฉด์˜ ์˜์ƒ์„ ์ทจ๋“ํ•˜๊ณ  ํ”ฝ์…€ ๋‹จ์œ„๋กœ ๋ฌผ์ฒด์˜ ํ˜•์ƒ์„ ์ถ”์ •ํ•˜๋Š” U-Net(Ronneberger et al., 2015)์„ ์ด์šฉํ•˜์—ฌ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•˜์˜€๋‹ค. ์ถ”๊ฐ€์ ์œผ๋กœ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ๋ฟ ์•„๋‹ˆ๋ผ ์•„์ŠคํŒ”ํŠธ์™€ ์ฝ˜ํฌ๋ฆฌํŠธ์— ๋Œ€ํ•ด์„œ๋„ ๋”ฅ๋Ÿฌ๋‹ ์‹ ๊ฒฝ๋ง์„ ์ด์šฉํ•˜๋Š” ์—ฐ๊ตฌ๊ฐ€ ๋ณด๊ณ ๋œ ๋ฐ” ์žˆ๋‹ค(Choi et al., 2019; Kim and Cho, 2019; Kim and Cho, 2020; Jang et al., 2021).

ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€๋ฅผ ์œ„ํ•˜์—ฌ ๋‹ค์–‘ํ•œ ๋…ผ๋ฌธ๋“ค์ด ๋ณด๊ณ ๋˜์—ˆ์ง€๋งŒ, ๊ธฐ์กด ๋…ผ๋ฌธ๋“ค์€ ์•„๋ž˜์™€ ๊ฐ™์€ ํ•œ๊ณ„๋ฅผ ๊ฐ€์ง€๊ณ  ์žˆ๋‹ค. ๋จผ์ €, ํ…Œ์ŠคํŠธ ๋ฒ ๋“œ๊ฐ€ ๋˜๋Š” ํ„ฐ๋„์˜ ์ „์ฒด ์˜์—ญ์ด ์•„๋‹ˆ๋ผ, ์ดฌ์˜๋œ ์ด๋ฏธ์ง€์˜ ์ผ๋ถ€ ์˜์—ญ๋งŒ์„ ์‚ฌ์šฉํ•˜์—ฌ ๊ท ์—ด ํƒ์ง€ ์•Œ๊ณ ๋ฆฌ์ฆ˜์ด๋‚˜ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์˜ ์„ฑ๋Šฅ์„ ํ‰๊ฐ€ํ•˜์˜€๋‹ค. ๋˜ํ•œ, ์ถ”๊ฐ€์ ์œผ๋กœ ํ„ฐ๋„์— ์กด์žฌํ•  ์ˆ˜ ์žˆ๋Š” ๋‹ค์–‘ํ•œ ํ˜•ํƒœ์˜ ๋น„๊ท ์—ด ๋ฌผ์ฒด์— ๋Œ€ํ•œ ์ •ํ™•๋„ ๊ฒ€์ฆ์„ ์ˆ˜ํ–‰ํ•˜์ง€ ์•Š์•˜๋‹ค. ์ผ๋ฐ˜์ ์œผ๋กœ ๊ท ์—ด์€ ์ด๋ฏธ์ง€์—์„œ ๋งค์šฐ ๊ฐ€๋Š˜๊ณ  ๊ธธ๊ฒŒ ๋ป—์€ ํ˜•ํƒœ๋กœ ๋‚˜ํƒ€๋‚œ๋‹ค. ํ„ฐ๋„ ๋‚ด์—๋Š” ์ด์™€ ์œ ์‚ฌํ•œ ํ˜•์ƒ์˜ ๋ฌผ์ฒด๊ฐ€ ๋งŽ์ด ์กด์žฌํ•˜๋Š”๋ฐ(์˜ˆ: ์ „์„ , ๊ฑฐ๋ฏธ์ค„), ์ด๋“ค์€ ๊ท ์—ด ํƒ์ง€ ์•Œ๊ณ ๋ฆฌ์ฆ˜์ด๋‚˜ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์˜ ์„ฑ๋Šฅ์„ ์ €ํ•˜ํ•˜๋Š” ํฐ ์š”์ธ์ด ๋œ๋‹ค. ๋”ฐ๋ผ์„œ ์‹ค๋ฌด์— ์ ์šฉ ๊ฐ€๋Šฅํ•œ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ์‹œ์Šคํ…œ์„ ๊ฐœ๋ฐœํ•˜๊ธฐ ์œ„ํ•ด์„œ๋Š”, ๋Œ€๊ทœ๋ชจ ํ…Œ์ŠคํŠธ ๋ฒ ๋“œ์—์„œ์˜ ์ •ํ™•๋„ ๊ฒ€์ฆ๊ณผ, ๋น„๊ท ์—ด ๋ฌผ์ฒด๋ฅผ ๋ถ„๋ฅ˜ํ•  ์ˆ˜ ์žˆ๋Š” ์„ฑ๋Šฅ์ด ํ•„์ˆ˜์ ์œผ๋กœ ์š”๊ตฌ๋œ๋‹ค.

๋”ฐ๋ผ์„œ ๋ณธ ๋…ผ๋ฌธ์—์„œ๋Š” ๊ธฐ์กด ์˜์ƒ๊ธฐ๋ฐ˜ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ์—ฐ๊ตฌ์‚ฌ๋ก€๋“ค์˜ ๋‹จ์ ์„ ๊ทน๋ณตํ•˜๊ธฐ ์œ„ํ•˜์—ฌ, ๋น„๊ท ์—ด ๋ฌผ์ฒด ํ•™์Šต์— ๊ธฐ๋ฐ˜ํ•œ 6๋‹จ๊ณ„ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ๊ฐœ๋ฐœ ํ”„๋ ˆ์ž„์›Œํฌ๋ฅผ ์ œ์•ˆํ•˜์˜€๋‹ค. ์ œ์•ˆ๋œ ํ”„๋ ˆ์ž„์›Œํฌ๋Š” ํ„ฐ๋„์—์„œ ์ทจ๋“๋œ ์ด๋ฏธ์ง€ ๋‚ด ๊ท ์—ด ํƒ์ƒ‰, ํ”ฝ์…€ ๋‹จ์œ„ ๊ท ์—ด ๋ผ๋ฒจ๋ง, ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ํ•™์Šต, ๋น„๊ท ์—ด ๋ฌผ์ฒด ์ˆ˜์ง‘, ๋น„๊ท ์—ด ๋ฌผ์ฒด ์žฌํ•™์Šต, ์ตœ์ข… ํ•™์Šต ๋ฐ์ดํ„ฐ ๊ตฌ์ถ•์˜ ์ด 6๋‹จ๊ณ„๋กœ ์ด๋ฃจ์–ด์ง„๋‹ค. ์ œ์•ˆ๋œ ํ”„๋ ˆ์ž„์›Œํฌ์™€ ์ผ๋ฐ˜ ๊ท ์—ด ์ด๋ฏธ์ง€ 1561์žฅ, ๋น„๊ท ์—ด ์ด๋ฏธ์ง€ 206์žฅ์„ ์ด์šฉํ•˜์—ฌ ๊ฐœ๋ณ„ ๋ฌผ์ฒด ์„ธ๋ถ„ํ™”(Instance Segmentation) ๋ชจ๋ธ์ธ Cascade Mask R-CNN์„ ํ•™์Šตํ•˜์—ฌ ๋†’์€ ์„ฑ๋Šฅ์˜ ๊ท ์—ด ํƒ์ง€ ๋ชจ๋ธ์„ ๊ฐœ๋ฐœํ•˜์˜€๋‹ค. ํ•™์Šต๋œ ๋ชจ๋ธ์˜ ํ˜„์žฅ ์ ์šฉ์„ฑ์„ ๊ฒ€ํ† ํ•˜๊ธฐ ์œ„ํ•˜์—ฌ ์ „์„ , ์ „๋“ฑ ๋“ฑ์„ ํฌํ•จํ•˜๋Š” ์•ฝ 200m ๊ธธ์ด์˜ ์‹ค์ œ ํ„ฐ๋„์—์„œ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•˜์˜€๋‹ค. ๋ณธ ์—ฐ๊ตฌ๋Š” ๊ธฐ์กด ์—ฐ๊ตฌ๋“ค๊ณผ ์•„๋ž˜์™€ ๊ฐ™์€ ์ฐจ๋ณ„์„ฑ์„ ๊ฐ–๋Š”๋‹ค.

โฆํšจ์œจ์ ์ธ ๋น„๊ท ์—ด ํ•™์Šต์„ ์œ„ํ•œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ํ•™์Šต ํ”„๋ ˆ์ž„์›Œํฌ๋ฅผ ์ œ์•ˆํ•˜๊ณ , Cascade Mask R-CNN์„ ์ด์šฉํ•˜์—ฌ ํ•™์Šต์„ ์ˆ˜ํ–‰ํ•˜์˜€๋‹ค.

โฆ์ผ๋ถ€ ์˜์—ญ์˜ ์ด๋ฏธ์ง€๊ฐ€ ์•„๋‹Œ, ์‹ค์ œ ํ„ฐ๋„ ํ…Œ์ŠคํŠธ๋ฒ ๋“œ์˜ ํŠน์ • ๊ฒฝ๊ฐ„(Span)์—์„œ ์ดฌ์˜๋œ ์ด๋ฏธ์ง€๋“ค์„ ์ด์šฉํ•˜์—ฌ ๊ฐœ๋ฐœ๋œ ์‹œ์Šคํ…œ์˜ ์ •ํ™•๋„๋ฅผ ๊ฒ€์ฆํ•˜์˜€๋‹ค.

2. ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ๊ฐœ๋ฐœ ํ”„๋ ˆ์ž„์›Œํฌ(Framework) ์ œ์•ˆ

๋ณธ ๋…ผ๋ฌธ์—์„œ๋Š” ์‹ค์ œ ํ„ฐ๋„์—์„œ ํ™œ์šฉ ๊ฐ€๋Šฅํ•œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ๊ฐœ๋ฐœํ•˜๊ธฐ ์œ„ํ•˜์—ฌ Fig. 1์— ๋‚˜ํƒ€๋‚œ ๊ฒƒ๊ณผ ๊ฐ™์€ 6๋‹จ๊ณ„ ๋น„๊ท ์—ด ํ•™์Šต ๊ธฐ๋ฐ˜ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ๊ฐœ๋ฐœ ํ”„๋ ˆ์ž„์›Œํฌ๋ฅผ ์ œ์•ˆํ•œ๋‹ค. 1) ์ดฌ์˜๋œ ์ด๋ฏธ์ง€์—์„œ ๊ท ์—ด์ด ์žˆ๋Š” ๋ถ€๋ถ„์„ ํ™•์ธํ•˜๊ณ , ๊ท ์—ด์„ ํฌํ•จํ•œ ์ด๋ฏธ์ง€์˜ ๋ชฉ๋ก์„ ์—‘์…€ ํŒŒ์ผ์˜ ํ˜•ํƒœ๋กœ ์œ ์ง€ํ•œ๋‹ค. 2) ๊ท ์—ด์„ ํฌํ•จํ•œ๋‹ค๊ณ  ํ™•์ธ๋œ ์ด๋ฏธ์ง€๋“ค์—์„œ, ๊ท ์—ด์ด ์žˆ๋Š” ๋ถ€๋ถ„๋งŒ ๋ณ„๋„๋กœ ์ €์žฅํ•œ ๋’ค, ์ƒ์šฉ ํ”„๋กœ๊ทธ๋žจ์ธ Photoshop์„ ์ด์šฉํ•˜์—ฌ ํ”ฝ์…€ ๋‹จ์œ„๋กœ ๊ท ์—ด์˜ ์œ„์น˜๋ฅผ ํ‘œ์‹œํ•œ๋‹ค. ๋˜ํ•œ Photoshop์„ ์ด์šฉํ•˜์—ฌ ๊ท ์—ด์˜ ์œ„์น˜๊ฐ€ ํ”ฝ์…€ ๋‹จ์œ„๋กœ ํ‘œ๊ธฐ๋œ ์ด๋ฏธ์ง€๋ฅผ COCO (Common Object in Context) ๋ฐ์ดํ„ฐ์…‹(Lin et al., 2014)์˜ ๊ฐœ๋ณ„ ๋ฌผ์ฒด ์„ธ๋ถ„ํ™”(Instance Segmentation) ํ˜•ํƒœ๋กœ ๋ณ€ํ™˜ํ•œ๋‹ค. 3) COCO ๋ฐ์ดํ„ฐ์…‹์˜ ํ˜•ํƒœ๋กœ ๋ณ€ํ™˜๋œ ํ„ฐ๋„ ๊ท ์—ด ๋ฐ์ดํ„ฐ์…‹์„ ์ด์šฉํ•˜์—ฌ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์˜ ํ•™์Šต์„ ์ง„ํ–‰ํ•œ๋‹ค. ํ•™์Šต์— ์‚ฌ์šฉ๋œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์€ 3๋‹จ๊ณ„์˜ ๋ฌผ์ฒด ํƒ์ง€ ๊ณผ์ •์„ ๊ฑฐ์น˜๋Š” Cascade Mask R-CNN (He et al., 2017; Cai and Vasconcelos, 2018)์ด๋‹ค. 4) ํ•™์Šต๋œ Cascade Mask R-CNN์„ ์ด์šฉํ•˜์—ฌ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•˜๊ณ , ์ด ๋•Œ ๊ท ์—ด๋กœ ํŒ์ •๋˜๋Š” ์˜คํƒ์ง€ ์ด๋ฏธ์ง€๋“ค์„ ๋ณ„๋„๋กœ ์ €์žฅํ•˜์—ฌ, ์˜คํƒ์ง€ ์ด๋ฏธ์ง€ ๋ฐ์ดํ„ฐ์…‹์„ ๊ตฌ์ถ•ํ•œ๋‹ค. 5) ์ˆ˜์ง‘๋œ ์˜คํƒ์ง€ ๋ฐ์ดํ„ฐ์…‹๊ณผ ์‹ค์ œ ๊ท ์—ด ์ด๋ฏธ์ง€๋ฅผ ๊ฒฐํ•ฉํ•˜์—ฌ, ์ฆ๊ฐ•๋œ ๋น„๊ท ์—ด ๋ฐ์ดํ„ฐ์…‹์„ ์ถ”๊ฐ€๋กœ ๊ตฌ์ถ•ํ•œ๋‹ค. ๊ตฌ์ถ•๋œ ๋น„๊ท ์—ด ๋ฐ์ดํ„ฐ์…‹์€ 2๋‹จ๊ณ„์—์„œ ๊ตฌ์ถ•๋œ ์ผ๋ฐ˜ ๊ท ์—ด ์ด๋ฏธ์ง€์™€ ํ•ฉ์ณ์ ธ ์ถ”๊ฐ€์ ์ธ ์„ฑ๋Šฅ ํ–ฅ์ƒ์„ ์œ„ํ•œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ํ•™์Šต์— ์ด์šฉ๋œ๋‹ค. 6) 3-5๋‹จ๊ณ„๋ฅผ ๋ฐ˜๋ณตํ•˜์—ฌ, ์ถฉ๋ถ„ํ•œ ๊ท ์—ด๊ณผ ๋น„๊ท ์—ด ์ด๋ฏธ์ง€ ๋ฐ์ดํ„ฐ์…‹์„ ์ˆ˜์ง‘ํ•œ ๋’ค ์ตœ์ข… ํ•™์Šต ๋ฐ์ดํ„ฐ ๊ตฌ์ถ•์„ ์™„์„ฑํ•œ๋‹ค. ์ œ์•ˆ๋œ ํ”„๋ ˆ์ž„์›Œํฌ์˜ ๊ฐ ๋‹จ๊ณ„์— ๋Œ€ํ•œ ์„ธ๋ถ€์‚ฌํ•ญ์€ ์ด์–ด์ง€๋Š” ๋‹จ๋ฝ์—์„œ ์„œ์ˆ ํ•œ๋‹ค.

Fig. 1 Crack detection deep learning model development framework based on negative sample image training
../../Resources/ksm/jksmi.2021.25.4.65/fig1.png

2.1 ํ„ฐ๋„ ์ด๋ฏธ์ง€ ๋‚ด ๊ท ์—ด ์œ„์น˜ ํƒ์ƒ‰

์ œ์•ˆ๋œ ํ”„๋ ˆ์ž„์›Œํฌ์˜ ์ฒซ ๋ฒˆ์งธ ๋‹จ๊ณ„์ธ ํ„ฐ๋„ ์ด๋ฏธ์ง€ ๋‚ด ๊ท ์—ด ์œ„์น˜ ํƒ์ƒ‰ ๋‹จ๊ณ„๋Š”, ์ตœ์ดˆ ์ธ๋ ฅ์— ์˜ํ•˜์—ฌ ํ„ฐ๋„ ์ด๋ฏธ์ง€ ๋‚ด์—์„œ ๊ท ์—ด์ด ์œ„์น˜ํ•˜๋Š” ์˜์—ญ์„ ํƒ์ƒ‰ํ•˜๋Š” ๋‹จ๊ณ„์ด๋‹ค. ์ดฌ์˜๋œ ์ด๋ฏธ์ง€ ๋‚ด์—์„œ ์ธ๋ ฅ์ด ์ง์ ‘ ๊ท ์—ด์˜ ์œ„์น˜๋ฅผ ํ™•์ธํ•˜๊ณ , Table 1๊ณผ ๊ฐ™์€ ํ˜•ํƒœ๋กœ ๊ท ์—ด์˜ ์œ„์น˜๋ฅผ ๊ธฐ๋กํ•œ๋‹ค. ํƒ์ƒ‰ ๋Œ€์ƒ์ด ๋œ ๋ชจ๋“  ํ„ฐ๋„ ์ด๋ฏธ์ง€์— ๋Œ€ํ•˜์—ฌ ๊ท ์—ด ๋ฐœ์ƒ์—ฌ๋ถ€๋ฅผ ์ ๊ฒ€ํ•˜๋ฉฐ, ๊ท ์—ด์˜ ๋ฐœ์ƒ ์—ฌ๋ถ€๋ฅผ Table 1๊ณผ ๊ฐ™์ด, ์ง€์‚ฌ๋ช…, ํ„ฐ๋„๋ช…, ์ด๋ฏธ์ง€ ๋ฒˆํ˜ธ, ๊ทธ๋ฆฌ๊ณ  ๋น„๊ณ ์™€ ํ•จ๊ป˜ ๊ธฐ๋กํ•œ๋‹ค. ์—ฌ๊ธฐ์„œ ๋น„๊ณ ๋ž€์—๋Š” ์ด๋ฏธ์ง€์—์„œ ํ™•์ธ๋œ ํŠน์ด์‚ฌํ•ญ์„ ๊ธฐ๋กํ•œ๋‹ค. ์˜ˆ์‹œ๋กœ ๊ท ์—ด์ด ์ด๋ฏธ์ง€ ๋‚ด ํ™•์ธ์ด ๊ฐ€๋Šฅํ•˜๋‚˜, 1ํ”ฝ์…€ ์ˆ˜์ค€์œผ๋กœ ๊ท ์—ด์ด ํ™•์ธ๋˜๋Š” ๊ฒฝ์šฐ๋Š” ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ํ•™์Šต์— ์‚ฌ์šฉ๋˜๊ธฐ ์–ด๋ ต๊ธฐ ๋•Œ๋ฌธ์— ๋น„๊ณ ๋ž€์— ํ•ด๋‹น ๋‚ด์šฉ์„ ๊ธฐ๋กํ•˜๊ฒŒ ๋œ๋‹ค. ์—ฌ๊ธฐ์„œ ์ตœ์ดˆ ๊ท ์—ด์˜ ์œ„์น˜๋ฅผ ํ™•์ธํ•˜๋Š” ๋‹จ๊ณ„๋ฅผ ์ทจํ•˜๋Š” ์ด์œ ๋Š”, 2๋‹จ๊ณ„์—์„œ ๊ท ์—ด ์˜์—ญ์„ Photoshop์„ ์ด์šฉํ•˜์—ฌ ๋ผ๋ฒจ๋ง ํ•  ๋•Œ ๋น ๋ฅด๊ฒŒ ๊ท ์—ด ์˜์—ญ์„ ์ฐพ์„ ์ˆ˜ ์žˆ์„ ๋ฟ ์•„๋‹ˆ๋ผ, ๋Œ€๊ทœ๋ชจ ํ…Œ์ŠคํŠธ ๋ฒ ๋“œ ์„ ์ •์— ์ฐธ๊ณ  ์ž๋ฃŒ๋กœ ์‚ฌ์šฉ๋  ์ˆ˜ ์žˆ๊ธฐ ๋•Œ๋ฌธ์ด๋‹ค.

Table 1 Example of crack area search list

Local Branch

Tunnel Name

Image No.

Crack

Occurrence

Remarks

โ—‹โ—‹

AA

001

โ—‹

โ–กโ–ก

BB

005

ร—

โ–ณโ–ณ

CC

010

ร—

โ—†โ—†

DD

164

โ—‹

Crack is too narrow due to image resolution

...

...

...

...

...

2.2 Photoshop์„ ์ด์šฉํ•œ ๊ท ์—ด ๋ผ๋ฒจ๋ง

์ œ์•ˆ๋œ ํ”„๋ ˆ์ž„์›Œํฌ์˜ ๋‘ ๋ฒˆ์งธ ๋‹จ๊ณ„๋Š” Photoshop์„ ์ด์šฉํ•œ ๊ท ์—ด ์œ„์น˜ ๋ผ๋ฒจ๋ง ์ž‘์—…์ด๋‹ค. ์ตœ๊ทผ ์ด๋ฏธ์ง€์ฒ˜๋ฆฌ์— ์ด์šฉ๋˜๋Š” ๋Œ€๋ถ€๋ถ„์˜ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ๋“ค์€ ์ง€๋„ํ•™์Šต(Supervised Learning)์— ๊ธฐ๋ฐ˜ํ•˜๊ณ  ์žˆ์œผ๋ฉฐ, ์ง€๋„ํ•™์Šต์„ ์ˆ˜ํ–‰ํ•˜๊ธฐ ์œ„ํ•ด์„œ๋Š” ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ํ•™์Šต์— ํ•„์š”ํ•œ ์ •๋‹ต(Label)์„ ์‚ฌ์šฉ์ž๊ฐ€ ์ง์ ‘ ์ œ๊ณตํ•ด์•ผํ•œ๋‹ค. ๋ณธ ์—ฐ๊ตฌ์— ์‚ฌ์šฉ๋˜๋Š” ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์ธ Cascade Mask R-CNN์ด ํฌํ•จ๋˜๋Š” ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์˜ ๋ฒ”์ฃผ์ธ ๊ฐœ๋ณ„ ๋ฌผ์ฒด ์„ธ๋ถ„ํ™”(Instance Segmentation) ๋ชจ๋ธ์€ ๊ฒฝ๊ณ„์ƒ์ž(Bounding Box) ๊ธฐ๋ฐ˜์˜ ๋ฌผ์ฒด์˜ ์œ„์น˜์ •๋ณด์™€ ๋ฌผ์ฒด์˜ ํ”ฝ์…€๋‹จ์œ„ ํ˜•์ƒ์ •๋ณด๋ฅผ ํ•™์Šต์— ์‚ฌ์šฉํ•œ๋‹ค. ๋”ฐ๋ผ์„œ ์ œ์•ˆ๋œ ํ”„๋ ˆ์ž„์›Œํฌ๋ฅผ ์‚ฌ์šฉํ•˜๊ธฐ ์œ„ํ•ด์„œ๋Š” ์‚ฌ์šฉ์ž๊ฐ€ ์ง์ ‘ ๋ฌผ์ฒด์˜ ์œ„์น˜์ •๋ณด์™€ ํ”ฝ์…€๋‹จ์œ„ ํ˜•์ƒ์ •๋ณด๊ฐ€ ๋‹ด๊ธด ๋ฐ์ดํ„ฐ์…‹์„ ๊ตฌ์ถ•ํ•  ํ•„์š”๊ฐ€ ์žˆ๋‹ค. ๋ณธ ์—ฐ๊ตฌ์—์„œ๋Š” Photoshop์„ ์‚ฌ์šฉํ•˜์—ฌ ๊ท ์—ด์„ ํ”ฝ์…€ ๋‹จ์œ„๋กœ ๋ผ๋ฒจ๋งํ•˜์˜€์œผ๋ฉฐ, ๋ผ๋ฒจ๋ง๋œ ๊ท ์—ด์˜ ํ˜•์ƒ ์ •๋ณด๋กœ๋ถ€ํ„ฐ ๊ฒฝ๊ณ„์ƒ์ž์˜ ์œ„์น˜์ •๋ณด๋ฅผ ์ƒ์„ฑํ•˜๊ณ , ์ด๋ฅผ ๊ฐ€์žฅ ๋„๋ฆฌ ์‚ฌ์šฉ๋˜๋Š” ๊ฐœ๋ณ„ ๋ฌผ์ฒด ์„ธ๋ถ„ํ™” ๋ชจ๋ธ์˜ ๋ฐ์ดํ„ฐ์…‹ ํ˜•ํƒœ ์ค‘ ํ•˜๋‚˜์ธ Common Object in Context์˜ ํ˜•ํƒœ๋กœ ๋ณ€ํ™˜ํ•˜์—ฌ ์ €์žฅํ•˜๊ฒŒ ๋œ๋‹ค.

2.3 Cascade Mask R-CNN

๋ณธ ์—ฐ๊ตฌ์—์„œ๋Š” ๊ฐœ๋ณ„ ๋ฌผ์ฒด ์„ธ๋ถ„ํ™”(Instance Segmentation) ๋ชจ๋ธ ์ค‘ ํ•˜๋‚˜์ธ Cascade Mask R-CNN์„ ์ด์šฉํ•˜์—ฌ ๊ท ์—ด ํƒ์ง€ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ํ•™์Šต์‹œ์ผฐ๋‹ค. Cascade Mask R-CNN์€ ๊ธฐ์กด Mask R-CNN ๋ชจ๋ธ์„ ๋ณ€ํ˜•ํ•˜์—ฌ ๊ฐœ๋ฐœ๋œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ๋กœ, ๋ฌผ์ฒด์˜ ์œ„์น˜๋ฅผ ํŒ์ •ํ•˜๋Š” Classification Layer๋ฅผ ์ด 3๋‹จ๊ณ„๋กœ ๊ตฌ์„ฑํ•˜์—ฌ, ๋ฌผ์ฒด ํƒ์ง€์˜ ์„ฑ๋Šฅ์„ ๋Œ์–ด์˜ฌ๋ ธ๋‹ค. Cascade Mask R-CNN์ด ๋ฌผ์ฒด๋ฅผ ํƒ์ง€ํ•˜๋Š” ๊ณผ์ •์€ ํฌ๊ฒŒ 3๋‹จ๊ณ„๋กœ ๊ตฌ๋ถ„ํ•  ์ˆ˜ ์žˆ๋‹ค. ๋จผ์ €, 1๋‹จ๊ณ„์—์„œ๋Š” Cascade Mask R-CNN์€ Region Proposal Network (RPN)์„ ์ด์šฉํ•˜์—ฌ ๋ฐฐ๊ฒฝ๊ณผ ๋ฌผ์ฒด๊ฐ€ ์กด์žฌํ•˜๋Š” ์˜์—ญ์„ ๊ตฌ๋ถ„ํ•˜๋Š” ์ด์ง„ ๋ถ„๋ฅ˜๋ฅผ ์ˆ˜ํ–‰ํ•œ๋‹ค. 2๋‹จ๊ณ„์—์„œ๋Š” Cascade Mask R-CNN์€ RoIAlign ๋ ˆ์ด์–ด๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ, RPN์— ์˜ํ•˜์—ฌ ๋ฌผ์ฒด๊ฐ€ ์žˆ๋‹ค๊ณ  ํŒ๋‹จ๋œ ์˜์—ญ์—์„œ ํŠน์ง• ์ง€๋„(Feature Map)์„ ์ถ”์ถœํ•˜๊ณ , ์ถ”์ถœ๋œ ํŠน์ง• ์ง€๋„์— ๊ทผ๊ฑฐํ•˜์—ฌ ๋ฌผ์ฒด์˜ ์ข…๋ฅ˜๋ฅผ ํŒ๋‹จํ•˜๊ณ  ๋ฌผ์ฒด์˜ ์œ„์น˜๋ฅผ ๋ณด์ •ํ•œ๋‹ค. ๋งˆ์ง€๋ง‰์œผ๋กœ 3๋‹จ๊ณ„์—์„œ๋Š” Classification Layer ๋ฐ Bounding Box-Refinement layer์™€ ํ‰ํ–‰ํ•˜๊ฒŒ ๋ฐฐ์น˜๋œ Mask Branch๋ฅผ ํ†ตํ•ด ๋ฌผ์ฒด์˜ ํ”ฝ์…€ ๋‹จ์œ„ ์˜์—ญ์„ ์ถ”์ถœํ•œ๋‹ค. Cascade Mask R-CNN์˜ ๋ชจ๋ธ ๊ตฌ์„ฑ ํ˜•ํƒœ๋Š” Fig. 2์— ๋‚˜ํƒ€๋‚˜ ์žˆ๋‹ค. ๋ชจ๋ธ์— ๋Œ€ํ•œ ์ƒ์„ธํ•œ ์„ค๋ช…์€ ๋ถ€๋ก์— ์ˆ˜๋กํ•˜์˜€๋‹ค.

Fig. 2 Overall architecture of cascade mask R-CNN
../../Resources/ksm/jksmi.2021.25.4.65/fig2.png

2.4 ํ•™์Šต๋œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ์ด์šฉํ•œ ๋น„๊ท ์—ด ์ด๋ฏธ์ง€ ํƒ์ƒ‰

๋ณธ ์—ฐ๊ตฌ์—์„œ ์ œ์•ˆํ•œ ํ”„๋ ˆ์ž„์›Œํฌ์˜ ๋„ค ๋ฒˆ์งธ ๋‹จ๊ณ„๋Š” ํ•™์Šต๋œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ์ด์šฉํ•œ ๋น„๊ท ์—ด ์ด๋ฏธ์ง€ ํƒ์ƒ‰์ด๋‹ค. ๋น„๊ท ์—ด ์ด๋ฏธ์ง€ ํƒ์ƒ‰์„ ์œ„ํ•ด์„œ๋Š” ๋จผ์ € 2๋‹จ๊ณ„์—์„œ ์ทจ๋“๋œ ํ•™์Šต ๋ฐ์ดํ„ฐ๋ฅผ ์ด์šฉํ•˜์—ฌ Cascade Mask R-CNN์„ ํ•™์Šต์‹œ์ผœ์•ผํ•œ๋‹ค. ํ…Œ์ŠคํŠธ ๋ฒ ๋“œ๋กœ ์‚ฌ์šฉ๋˜์ง€ ์•Š์„ ํ„ฐ๋„ ์˜์—ญ์„ ์ผ๋ถ€ ์„ ์ •ํ•œ ๋’ค, ์„ ์ •๋œ ๋น„๊ท ์—ด ์ถ”์ถœ ๋Œ€์ƒ ์ด๋ฏธ์ง€์—์„œ ํ•™์Šต๋œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ์ด์šฉํ•˜์—ฌ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•œ๋‹ค. ๋น„๊ท ์—ด ์ถ”์ถœ ๋ฐฉ์‹์€ ๋จผ์ € ๋น„๊ท ์—ด ์ถ”์ถœ ๋Œ€์ƒ ์ด๋ฏธ์ง€์—์„œ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•œ ๋’ค, ๊ท ์—ด์ด ์žˆ๋‹ค๊ณ  ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์ด ํŒ๋‹จํ•œ ์˜์—ญ์„ ์ „๋ถ€ ๋ณ„๋„์˜ ์ด๋ฏธ์ง€๋กœ ์ €์žฅํ•œ๋‹ค. ๊ทธ๋ฆฌ๊ณ  ์ €์žฅ๋œ ์ด๋ฏธ์ง€์— ์‹ค์ œ ๊ท ์—ด์ด ํฌํ•จ๋˜์–ด ์žˆ๋Š”์ง€, ๊ท ์—ด์ด ํฌํ•จ๋˜์–ด ์žˆ์ง€ ์•Š์€์ง€ ์ž‘์—…์ž์— ์˜ํ•˜์—ฌ ๊ฒ€ํ† ๋œ๋‹ค. ๊ฒ€ํ† ๋œ ์ด๋ฏธ์ง€๋“ค์€ ๋ณ„๋„์˜ ๋ฐ์ดํ„ฐ ์…‹์œผ๋กœ ๊ด€๋ฆฌ๋œ๋‹ค.

2.5 ๋น„๊ท ์—ด ์ด๋ฏธ์ง€๋ฅผ ์ด์šฉํ•œ ์ด๋ฏธ์ง€ ์ฆ๊ฐ• ์ˆ˜ํ–‰

์ œ์•ˆ๋œ ํ”„๋ ˆ์ž„์›Œํฌ์˜ 5๋‹จ๊ณ„์—์„œ๋Š” ํ•™์Šต๋œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ์ด์šฉํ•˜์—ฌ ์ทจ๋“๋œ ๋น„๊ท ์—ด ์ด๋ฏธ์ง€๋ฅผ ์ด์šฉํ•˜์—ฌ ํ•™์Šต ์ด๋ฏธ์ง€ ์ฆ๊ฐ•(Image Augmentation)์„ ์ˆ˜ํ–‰ํ•œ๋‹ค. ์—ฌ๊ธฐ์„œ ํ•™์Šต ์ด๋ฏธ์ง€ ์ฆ๊ฐ•์€, ์—ฌ๋Ÿฌ ๊ฐ€์ง€ ์ด๋ฏธ์ง€์ฒ˜๋ฆฌ๋ฅผ ํฌํ•จํ•œ ์—ฌ๋Ÿฌ ๊ฐ€์ง€ ๋ฐฉ๋ฒ•๋ก ์„ ์ ์šฉํ•˜์—ฌ ํ•™์Šต ๋ฐ์ดํ„ฐ์˜ ์ˆ˜์™€ ๋ฐ์ดํ„ฐ์…‹์˜ ๋‹ค์–‘์„ฑ์„ ํšจ์œจ์ ์œผ๋กœ ํ™•๋ณดํ•˜๋Š” ๋ฐฉ๋ฒ•๋ก ์„ ๋งํ•œ๋‹ค. ๋ณธ ์—ฐ๊ตฌ์—์„œ๋Š” ์ทจ๋“๋œ ๋น„๊ท ์—ด ์ด๋ฏธ์ง€(Negative Sample)์™€, ๋ฏธ๋ฆฌ ํ™•๋ณด๋œ ๊ท ์—ด ์ด๋ฏธ์ง€(Clean Sample)์„ ํ•ฉ์„ฑํ•˜๋Š” ๋ฐฉ์‹์œผ๋กœ ๊ท ์—ด ๋ฐ์ดํ„ฐ์…‹์„ ์ฆ๊ฐ•์‹œ์ผฐ๋‹ค. ์—ฌ๊ธฐ์„œ ๋น„๊ท ์—ด ์ด๋ฏธ์ง€๋Š” 3๋‹จ๊ณ„์—์„œ ์ทจ๋“๋œ ๊ท ์—ด ๋ฐ์ดํ„ฐ์…‹ ์ค‘, ์ž‘์—…์ž์— ์˜ํ•˜์—ฌ ๊ท ์—ด์„ ํฌํ•จํ•˜์ง€ ์•Š๋Š”๋‹ค๊ณ  ํŒ๋‹จ๋œ ์ด๋ฏธ์ง€๋“ค์„ ๋งํ•˜๋ฉฐ, ๊ท ์—ด ์ด๋ฏธ์ง€(Clean Sample)์€ ์ž‘์—…์ž์— ์˜ํ•˜์—ฌ ๊ท ์—ด์ž„์ด ๋ช…ํ™•ํ•˜๊ฒŒ ํŒ๋‹จ ๊ฐ€๋Šฅํ•œ ์ด๋ฏธ์ง€๋“ค์„ ๋งํ•œ๋‹ค. 5๋‹จ๊ณ„์—์„œ ์ œ์•ˆ๋œ ๋ฐฉ๋ฒ•์œผ๋กœ ์ฆ๊ฐ•๋œ ๋ฐ์ดํ„ฐ์…‹์— ์˜ํ•˜์—ฌ ๊ธฐ์กด ํ•™์Šตํ•˜์˜€๋˜ ๊ท ์—ด ํƒ์ง€ ๋ชจ๋ธ์„ ์ถ”๊ฐ€๋กœ ํ•™์Šต์„ ์‹œํ‚ค๋ฉฐ, ํ•™์Šต ํ›„ ๋‹ค์‹œ 4๋‹จ๊ณ„๋ฅผ ๊ฑฐ์ณ์„œ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•˜๊ณ , ์ด ๋•Œ ์ทจ๋“๋œ ์˜คํƒ์ง€ ์ด๋ฏธ์ง€๋“ค์„ ์ด์šฉํ•˜์—ฌ ์ถ”๊ฐ€์ ์ธ ํ•™์Šต ๋ฐ์ดํ„ฐ ์ฆ๊ฐ•์„ ์ˆ˜ํ–‰ํ•œ๋‹ค.

2.6 ์ตœ์ข… ํ„ฐ๋„ ๊ท ์—ด ํ•™์Šต ๋ฐ์ดํ„ฐ ํ™•์ •

์ œ์•ˆ๋œ ํ”„๋ ˆ์ž„์›Œํฌ์˜ ๋งˆ์ง€๋ง‰ 6๋‹จ๊ณ„๋Š” 1-5๋‹จ๊ณ„์—์„œ ์ œ์•ˆ๋œ ๊ณผ์ •์„ ์ด์šฉํ•˜์—ฌ ์ทจ๋“๋œ ํ„ฐ๋„ ๊ท ์—ด ํ•™์Šต ๋ฐ์ดํ„ฐ์…‹์„ ํ™•์ •ํ•˜๋Š” ๋‹จ๊ณ„์ด๋‹ค. ์ด ๋•Œ ์‚ฌ์šฉ์ž์˜ ์‹œ์Šคํ…œ ๊ฐœ๋ฐœ ๋ชฉ์ ์— ์ทจํ•ฉํ•  ๋ฟ ์•„๋‹ˆ๋ผ, ์˜คํƒ์ง€์˜ ๋น„์œจ์ด ์ผ์ • ๋น„์œจ ์ดํ•˜๋กœ ๋‚ด๋ ค๊ฐ€๋Š” ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ํ•™์Šต ๊ฒฐ๊ณผ๊ฐ€ ๋‚˜ํƒ€๋‚ฌ๋‹ค๊ณ  ํŒ๋‹จ๋˜๋ฉด, 3-5๋‹จ๊ณ„๋ฅผ ๋ฐ˜๋ณตํ•˜๋Š” ๊ณผ์ •์„ ์ค‘๋‹จํ•˜๊ณ  ์ตœ์ข…์ ์œผ๋กœ ๋ฐ์ดํ„ฐ์…‹์„ ํ™•์ •ํ•œ๋‹ค.

3. ์‹ค์ œ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ๋ชจ๋ธ ๊ฐœ๋ฐœ ๋ฐ ๊ฒ€์ฆ

๋ณธ ๋‹จ๋ฝ์—์„œ๋Š” 2์žฅ์—์„œ ์ œ์•ˆ๋œ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ๊ฐœ๋ฐœ ํ”„๋ ˆ์ž„์›Œํฌ๋ฅผ ์‹ค์ œ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ์‹œ์Šคํ…œ ๊ฐœ๋ฐœ์— ์ ์šฉํ•˜๋Š” ๊ณผ์ •์„ ์ƒ์„ธ ๊ธฐ์ˆ ํ•œ๋‹ค.

3.1 ํ„ฐ๋„ ์Šค์บ๋‹ ์žฅ๋น„๋ฅผ ์ด์šฉํ•œ ์‹ค์ œ ํ„ฐ๋„ ์ด๋ฏธ์ง€ ์ดฌ์˜ ๋ฐ ํ„ฐ๋„ ์ด๋ฏธ์ง€ ๋‚ด ๊ท ์—ด ์˜์—ญ ํƒ์ƒ‰

๋ณธ ์—ฐ๊ตฌ์—์„œ ๋ชฉํ‘œํ•œ ๊ท ์—ด ํƒ์ง€ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ๊ฐœ๋ฐœ์„ ์ˆ˜ํ–‰ํ•˜๊ธฐ ์œ„ํ•˜์—ฌ, ํ•œ๊ตญ๋„๋กœ๊ณต์‚ฌ์™€ ํ˜‘์—…์„ ํ†ตํ•˜์—ฌ ํ„ฐ๋„ ์Šค์บ๋‹ ์žฅ๋น„๋ฅผ ์ด์šฉํ•œ ์‹ค์ œ ํ„ฐ๋„ ์ด๋ฏธ์ง€ ์ทจ๋“์„ ์ˆ˜ํ–‰ํ•˜์˜€๋‹ค. ํ„ฐ๋„ ์ด๋ฏธ์ง€ ์ดฌ์˜์— ์ด์šฉ๋œ ํ„ฐ๋„ ์Šค์บ๋‹ ์ฐจ๋Ÿ‰์€ ใˆœ์—˜๋ผ์ดํŠธ์—์„œ ๊ฐœ๋ฐœํ•˜์˜€๋‹ค. ํ„ฐ๋„ ์Šค์บ๋‹ ์ฐจ๋Ÿ‰์€ ์ƒ์šฉ ์ฐจ๋Ÿ‰์˜ ์ฒœ์ •๋ถ€์— ๋‹ค์ˆ˜์˜ ๋””์ง€ํ„ธ ์นด๋ฉ”๋ผ์™€ ์กฐ๋ช… ์žฅ๋น„๋ฅผ ํƒ‘์žฌํ•˜๊ณ  ์žˆ๋‹ค(Fig. 3). ์ด๋ฅผ ์ด์šฉํ•˜์—ฌ ํ„ฐ๋„ ํ‘œ๋ฉด์„ ์ผ์ • ๋ฉด์  ๋‹จ์œ„๋กœ ๋ถ„ํ• ํ•˜์—ฌ ์ดฌ์˜ํ•˜๊ฒŒ ๋˜๋ฉฐ, ์ดฌ์˜๋œ ์ด๋ฏธ์ง€๋“ค์„ ์นด๋ฉ”๋ผ์˜ ์ดฌ์˜ ๋ฐฉํ–ฅ์— ๋”ฐ๋ผ ์ด์–ด ๋ถ™์—ฌ ์ตœ์ข… ํ„ฐ๋„ ํ‘œ๋ฉด ์ด๋ฏธ์ง€๋ฅผ ๊ตฌ์ถ•ํ•˜๊ฒŒ ๋œ๋‹ค(Fig. 4). ํ•œ๊ตญ๋„๋กœ๊ณต์‚ฌ์—์„œ ๊ด€๋ฆฌ ์ค‘์ธ ํ„ฐ๋„์—์„œ ์ด๋ฏธ์ง€ ์ดฌ์˜์„ ์ง„ํ–‰ํ•˜์˜€์œผ๋ฉฐ, ๊ฐ ํ„ฐ๋„์˜ ์ด๋ฏธ์ง€๋Š” ์•ฝ 10000ร—15000์˜ ํ•ด์ƒ๋„๋ฅผ ๊ฐ€์ง„๋‹ค.

Fig. 3 Tunnel scanning vehicle
../../Resources/ksm/jksmi.2021.25.4.65/fig3.png
Fig. 4 Example of tunnel image captured by the tunnel scanning vehicle
../../Resources/ksm/jksmi.2021.25.4.65/fig4.png

3.2 Photoshop์„ ์ด์šฉํ•œ ๊ท ์—ด ์˜์—ญ ๋ผ๋ฒจ๋ง ์ˆ˜ํ–‰ ์„ธ๋ถ€์‚ฌํ•ญ

๋ณธ ์—ฐ๊ตฌ์—์„œ ์ œ์‹œํ•œ Photoshop์„ ์ด์šฉํ•œ ๊ท ์—ด ๋ผ๋ฒจ๋ง์€ ์•„๋ž˜์™€ ๊ฐ™์€ ๋‹จ๊ณ„๋กœ ์‹ค์ œ ์ˆ˜ํ–‰๋˜์—ˆ๋‹ค. ๋จผ์ € ์ˆ˜์ง‘๋œ ํ„ฐ๋„์˜ ์ด๋ฏธ์ง€ ์ค‘ ๊ท ์—ด์„ ํฌํ•จํ•˜๋Š” ์ฃผ๋ณ€ ์˜์—ญ ์•ฝ 1000ร—1000 ์ •๋„๋ฅผ ์ž˜๋ผ๋‚ธ๋‹ค. ์ž˜๋ผ๋‚ธ ์ด๋ฏธ์ง€๋ฅผ Photoshop์œผ๋กœ ๋ถˆ๋Ÿฌ์˜จ ๋’ค ์ƒˆ๋กœ์šด ๋ ˆ์ด์–ด๋ฅผ ์ถ”๊ฐ€ํ•˜๊ณ , ๋ธŒ๋Ÿฌ์‰ฌ(Brush) ํ˜•ํƒœ์˜ ๋„๊ตฌ๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ ๊ท ์—ด ์˜์—ญ์„ ํŠน์ • ์ƒ‰์œผ๋กœ ํ‘œ์‹œํ•œ๋‹ค. ๋ณธ ์—ฐ๊ตฌ์—์„œ๋Š” ๋นจ๊ฐ•(RGB ์ƒ‰์ƒ๊ฐ’: 255, 0, 0)์„ ์‚ฌ์šฉํ•˜์˜€๋‹ค. ๊ทธ ํ›„ ๊ท ์—ด์ด ํ‘œ์‹œ๋œ ์ด๋ฏธ์ง€๋ฅผ COCO ๋ฐ์ดํ„ฐ์…‹์œผ๋กœ ๋ณ€ํ™˜ํ•˜์˜€๋‹ค. ๋ณ€ํ™˜ ๊ณผ์ •์€, ๋จผ์ € ๊ท ์—ด์ด ํ‘œ์‹œ๋œ ๋ ˆ์ด์–ด๋ฅผ ๋ถˆ๋Ÿฌ์˜จ ๋’ค, ์ง€์ •๋œ ๊ท ์—ด ์ƒ‰์ƒ์˜ ์˜์—ญ์˜ ์ตœ์™ธ์ ‘ ์‚ฌ๊ฐํ˜•์„ ๊ฒฝ๊ณ„์ƒ์ž์˜ ์ขŒํ‘œ๋กœ ๋ณ€ํ™˜ํ•˜๊ณ , ๊ทธ ๊ฒฝ๊ณ„์ƒ์ž ๋‚ด์—์„œ ๊ท ์—ด์ด ํ”ฝ์…€ ๋‹จ์œ„๋กœ ํ‘œ์‹œ๋œ ์˜์—ญ์˜ ์ขŒํ‘œ๋ฅผ ๋‹ค๊ฐํ˜•(Polygon)์˜ ํ˜•ํƒœ๋กœ ๋‚˜ํƒ€๋‚ด๋Š” ๊ฒƒ์ด๋‹ค. ๋ณ€ํ™˜ ๊ณผ์ •์€ ๋ณ„๋„์˜ ํ”„๋กœ๊ทธ๋ž˜๋ฐ ์–ธ์–ด๋กœ ๊ตฌํ˜„๋˜๋ฉด ๋” ๋น ๋ฅด๊ฒŒ ์ง„ํ–‰๋  ์ˆ˜ ์žˆ๋‹ค. ๋ณธ ์—ฐ๊ตฌ์—์„œ๋Š” ๋ณ€ํ™˜ ๊ณผ์ •์„ pytoshop, psd-tools, pycococreatortools ๋“ฑ์˜ Python ๋ผ์ด๋ธŒ๋Ÿฌ๋ฆฌ๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ ์ˆ˜ํ–‰ํ•˜์˜€๋‹ค. ๋ณธ ๊ณผ์ •์„ ํ†ตํ•˜์—ฌ ์ด 1561์žฅ์˜ ๊ท ์—ด ์ด๋ฏธ์ง€๋ฅผ ์ˆ˜์ง‘ํ•˜๊ณ  ์ด๋ฅผ COCO ๋ฐ์ดํ„ฐ์…‹ ํ˜•ํƒœ๋กœ ๋ณ€ํ™˜ํ•˜์—ฌ ์ €์žฅํ•˜์˜€๋‹ค.

3.3 Cascade Mask R-CNN ํ•™์Šต ์„ธ๋ถ€์‚ฌํ•ญ

์•ž์—์„œ ๊ตฌ์ถ•ํ•œ ํ„ฐ๋„ ๊ท ์—ด ํ•™์Šต ๋ฐ์ดํ„ฐ๋ฅผ ์ด์šฉํ•˜์—ฌ Cascade Mask R-CNN์„ ๊ท ์—ด ํƒ์ง€์šฉ์œผ๋กœ ํ•™์Šต์‹œ์ผฐ๋‹ค. ํ•™์Šต์— ์‚ฌ์šฉ๋œ ํ•˜๋“œ์›จ์–ด ๋ฐ ์„ธ๋ถ€ ๋งค๊ฐœ ๋ณ€์ˆ˜(Parameter) ์„ค์ •์€ ์•„๋ž˜์— ๊ฐ™๋‹ค. ๋จผ์ € ๊ท ์—ด ํƒ์ง€์— ์‚ฌ์šฉ๋œ ํ•˜๋“œ์›จ์–ด๋Š” Intel Xeon CPU, NVIDIA Titan V (24GB) 3๊ฐœ, 128GB RAM์ด ํƒ‘์žฌ๋œ ๋”ฅ๋Ÿฌ๋‹ ์ „์šฉ ๊ณ ์„ฑ๋Šฅ ์›Œํฌ์Šคํ…Œ์ด์…˜์ด๋‹ค. ๋˜ํ•œ Cascade Mask R-CNN ํ•™์Šต ๊ณผ์ •์—์„œ ๋ชจ๋ธ์˜ ์„ธ๋ถ€ ์‚ฌํ•ญ์„ ์ ๊ทน์ ์œผ๋กœ ๊ฐœ์„ ํ•˜๊ธฐ ์œ„ํ•ด ๋‹ค์–‘ํ•œ ์˜ต์…˜ ๋ณ€๊ฒฝ์„ ์ œ๊ณตํ•˜๋Š” MMdetection(Chen et al., 2019)์„ ์‚ฌ์šฉํ•˜์—ฌ ๋ชจ๋ธ ๊ฐœ๋ฐœ์„ ์ˆ˜ํ–‰ํ•˜์˜€๋‹ค. MMdetection์€ ์—ฌ๋Ÿฌ ์ข…๋ฅ˜์˜ ๊ฐœ๋ณ„ ๋ฌผ์ฒด ์„ธ๋ถ„ํ™” ๋ชจ๋ธ ๊ตฌํ˜„์— ํ•„์š”ํ•œ ์š”์†Œ๋“ค์„ ์ œ๊ณตํ•˜๋ฉฐ, ์ „์ฒด ๋ชจ๋ธ์„ ํฌ๊ฒŒ ํŠน์ง• ์ถ”์ถœ์„ ์œ„ํ•œ Backbone Network, ์ถ”์ถœ๋œ ํŠน์ง•์˜ ํ•ด์ƒ๋„ ํ–ฅ์ƒ์„ ์œ„ํ•œ Neck Network, ๊ทธ๋ฆฌ๊ณ  ์ถ”๊ฐ€์ ์ธ ๋ฌผ์ฒด ํƒ์ง€ ๋ฐ ๋ฌผ์ฒด์˜ ํ˜•์ƒ ์ถ”์ •์„ ์œ„ํ•œ Head Network๋กœ ๋ถ„๋ฆฌํ•˜์˜€๋‹ค. ํ•™์Šต์— ์‚ฌ์šฉ๋œ ๋ฏธ๋‹ˆ ๋ฐฐ์น˜(Mini Batch) ํฌ๊ธฐ๋กœ ๊ฐ GPU์— 2๊ฐœ์˜ ์ด๋ฏธ์ง€๋ฅผ ํ• ๋‹นํ•˜์—ฌ ์ด 3๊ฐœ์˜ GPU์—์„œ ๋ฏธ๋‹ˆ ๋ฐฐ์น˜ 6์„ ์‚ฌ์šฉํ•˜์˜€๋‹ค. ํ•™์Šต๋œ ๋ชจ๋ธ์˜ ๊ณผ์ ํ•ฉ(Overfitting)์„ ๋ฐฉ์ง€ํ•˜๊ธฐ ์œ„ํ•ด ์ด 4๊ฐ€์ง€ ์œ ํ˜•์˜ ์ด๋ฏธ์ง€ ์ฆ๊ฐ• ๊ธฐ๋ฒ•(Image Augmentation)์„ ๋ฌด์ž‘์œ„๋กœ ์„ ํƒํ•˜์—ฌ ์ ์šฉํ•˜์˜€๋‹ค. ์‹คํ—˜์— ์‚ฌ์šฉ๋œ ์ด๋ฏธ์ง€ ์ฆ๊ฐ• ๊ธฐ๋ฒ•์€ ์ˆ˜ํ‰ ๋ฐ˜์ „, 90๋„ ํšŒ์ „, ์ „๋‹จ ๋ณ€ํ˜• ๋ฐ ๋ฐ๊ธฐ ๋ณ€ํ™”์ด๋‹ค. ๋ชจ๋ธ ํ•™์Šต์— ์‚ฌ์šฉ๋˜๋Š” ์ตœ์ ํ™” ๊ธฐ์ˆ ์€ Stochastic Gradient Descent(Robbins and Monro, 1951)๋กœ, Gradient Clipping(Pascanu et al., 2013) ๋ฐ Constant Gradient Warming-up(Loshchilov and Hutter, 2016)์œผ๋กœ ํ•™์Šต ์„ฑ๋Šฅ์„ ํ–ฅ์ƒ์‹œ์ผฐ๋‹ค. Learning Rate, Weight Decay, Learning Momentum์€ ๊ฐ๊ฐ 0.02, 0.0001, 0.9๋กœ ์„ค์ •๋˜์—ˆ๋‹ค. Learning Rate๋Š” ๋‘ ๋ฒˆ์งธ Epoch ํ•™์Šต๋ฐ์ดํ„ฐ๋ฅผ ์ด์šฉํ•˜์—ฌ ๋ฐ˜๋ณต ํ•™์Šต์„ ์ˆ˜ํ–‰ํ•˜๋Š” ๊ณผ์ •์—์„œ, ์ „์ฒด ํ•™์Šต๋ฐ์ดํ„ฐ์— ๋Œ€ํ•ด 1ํšŒ์˜ ํ•™์Šต์ด ์ˆ˜ํ–‰๋˜๋Š” ๊ฒฝ์šฐ๊ฐ€ ๋๋‚  ๋•Œ 0.02๋กœ ์ง€์†์ ์œผ๋กœ ์ฆ๊ฐ€ํ•œ ๋‹ค์Œ 12 ๋ฒˆ์งธ Epoch๊ฐ€ ๋๋‚  ๋•Œ 0.0002๋กœ ๊ฐ์†Œํ•˜๋„๋ก ์„ค์ •๋˜์—ˆ๋‹ค. GPU์˜ ๋ฉ”๋ชจ๋ฆฌ๋ฅผ ๊ณ ๋ คํ•˜์—ฌ ๋ชจ๋“  ์ด๋ฏธ์ง€์˜ ํฌ๊ธฐ๋ฅผ 800ร—1333์œผ๋กœ ์กฐ์ •ํ•˜๊ณ  ์•ต์ปค ๋ฐ•์Šค์˜ ํฌ๊ธฐ๋ฅผ 4, 8, 16, 32, 64๋กœ ์„ค์ •ํ•˜์˜€๋‹ค. ํ•™์Šต ์†๋„๋ฅผ ๋†’์ด๊ธฐ ์œ„ํ•ด ์ „์ด ํ•™์Šต(Transfer Learning)์„ ์ ์šฉํ•˜์˜€๋‹ค. ์ „์ด ํ•™์Šต์„ ์ ์šฉํ•œ ๋ชจ๋ธ์€ Cascade Mask R-CNN์˜ Backbone Network๋กœ์„œ, ImageNet (Deng et al., 2009)์—์„œ ์‚ฌ์ „ ํ•™์Šต๋œ ResNeXt-101(Xie et al., 2017)์ด๋‹ค. ์ „์ฒด ํ•™์Šต์€ ์ด 40 Epoch ๋™์•ˆ ์ˆ˜ํ–‰๋˜์—ˆ๋‹ค.

3.4 ๋น„๊ท ์—ด ์ด๋ฏธ์ง€๋ฅผ ์ด์šฉํ•œ ํ•™์Šต ์ด๋ฏธ์ง€ ์ฆ๊ฐ• ์„ธ๋ถ€์‚ฌํ•ญ

์ œ์•ˆ๋œ ํ”„๋ ˆ์ž„์›Œํฌ์˜ 4-5๋‹จ๊ณ„์—์„œ ์ œ์‹œํ•˜๋Š” ๋น„๊ท ์—ด ์ด๋ฏธ์ง€๋ฅผ ์ด์šฉํ•œ ์ด๋ฏธ์ง€ ์ฆ๊ฐ•์˜ ์„ธ๋ถ€์‚ฌํ•ญ์€ ์•„๋ž˜์™€ ๊ฐ™๋‹ค. ๋จผ์ € 3.3์ ˆ์—์„œ ํ•™์Šต๋œ Cascade Mask R-CNN์„ ์ด์šฉํ•˜์—ฌ ํ…Œ์ŠคํŠธ์— ์‚ฌ์šฉ๋œ ์„œ์šธ์–‘์–‘๊ณ ์†๋„๋กœ ๋‚ด ํ™”์ดŒ9ํ„ฐ๋„์„ ์ œ์™ธํ•œ ํ„ฐ๋„ ์ด๋ฏธ์ง€ ์ค‘์—์„œ ์ž„์˜๋กœ ์„ ํƒ๋œ ์ด๋ฏธ์ง€๋“ค์—์„œ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•˜์˜€๋‹ค. ๊ท ์—ดํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•˜๋ฉฐ ์ €์žฅํ•œ ์ด๋ฏธ์ง€๋“ค ์ค‘ ์ด 206์žฅ์˜ ์ด๋ฏธ์ง€์—์„œ ๊ท ์—ด์ด ์กด์žฌํ•˜์ง€ ์•Š๋Š” ๊ฒƒ์„ ํ™•์ธํ•˜์˜€๋‹ค. ๊ฐ ๋น„๊ท ์—ด ์ด๋ฏธ์ง€๋Š” ๊ท ์—ด์ด ๋ช…ํ™•ํ•˜๊ฒŒ ์ดฌ์˜๋œ ์ด 30์žฅ์˜ ๊ท ์—ด ์ด๋ฏธ์ง€(Clean Sample) ์ค‘ ์ž„์˜๋กœ ์„ ํƒ๋œ 1์žฅ๊ณผ ํ•ฉ์„ฑ๋˜์–ด ์ฆ๊ฐ•๋œ ์ด๋ฏธ์ง€์— ํฌํ•จ๋˜์—ˆ๋‹ค. ๋”ฐ๋ผ์„œ 3.2์ ˆ์—์„œ ์ทจ๋“๋œ 1561์žฅ์˜ ์ด๋ฏธ์ง€์™€ ํ•ฉํ•˜์—ฌ ์ด 1767์žฅ์˜ ์ด๋ฏธ์ง€๊ฐ€ ์ตœ์ข…์ ์œผ๋กœ ํ„ฐ๋„ ๊ท ์—ด ๋ฐ์ดํ„ฐ์…‹์œผ๋กœ ์‚ฌ์šฉ๋˜์—ˆ๋‹ค. ๋‹ค์‹œ ๊ตฌ์ถ•๋œ ์ด๋ฏธ์ง€๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ 3.3์ ˆ์—์„œ ์„œ์ˆ ํ•œ ํ•™์Šต ์„ธ๋ถ€์‚ฌํ•ญ๊ณผ ๋™์ผํ•œ ํ™˜๊ฒฝ์—์„œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ๋‹ค์‹œ ํ•™์Šตํ•˜์˜€์œผ๋ฉฐ, ์ด๋ฅผ ์ตœ์ข…์ ์ธ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ๋กœ ํ™œ์šฉํ•˜์˜€๋‹ค.

3.5 ์‹ค์ œ ํ„ฐ๋„ ์ด๋ฏธ์ง€ ๋‚ด ๊ท ์—ด ํƒ์ง€ ๋ฐ ์„ฑ๋Šฅ ๊ฒ€์ฆ

ํ•™์Šต๋œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์˜ ์„ฑ๋Šฅ ๊ฒ€์ฆ์„ ์ˆ˜ํ–‰ํ•˜๊ธฐ ์œ„ํ•˜์—ฌ, ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ๋ฟ ์•„๋‹ˆ๋ผ ๋‹ค์–‘ํ•œ ๋จธ์‹ ๋Ÿฌ๋‹ ๋ชจ๋ธ ์„ฑ๋Šฅ ๊ฒ€์ฆ์— ํ™œ์šฉ๋˜๋Š” ์ง€ํ‘œ์ธ ์ •๋ฐ€๋„(Precision)๊ณผ ์žฌํ˜„์œจ(Recall)์„ ์‚ฌ์šฉํ•˜์˜€๋‹ค. ์ •๋ฐ€๋„์™€ ์žฌํ˜„์œจ์˜ ๊ณ„์‚ฐ ๋ฐฉ๋ฒ•์€ Fig. 5์— ๋‚˜ํƒ€๋‚˜ ์žˆ๋‹ค. ๋จผ์ € ํ„ฐ๋„ ํ‘œ๋ฉด ์˜์ƒ์—์„œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ์ด์šฉํ•˜์—ฌ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•œ๋‹ค. ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•œ ๋’ค ๊ท ์—ด ํƒ์ง€ ๊ฒฐ๊ณผ์™€, ํ„ฐ๋„ ํ‘œ๋ฉด์— ๋‚˜ํƒ€๋‚œ ๊ท ์—ด์˜ ์œ„์น˜๋ฅผ ๋น„๊ตํ•˜์—ฌ, ๊ฐ ๊ท ์—ด ํƒ์ง€๊ฐ€ ์˜ฌ๋ฐ”๋ฅด๊ฒŒ ์ˆ˜ํ–‰๋˜์—ˆ๋Š”์ง€ ์ž‘์—…์ž์— ์˜ํ•˜์—ฌ ํŒ๋ณ„ํ•œ๋‹ค. ๊ท ์—ด ํƒ์ง€ ๊ฒฐ๊ณผ๋Š” True Positive(TP), False Positive(FP) ๋ฐ False Negative(FN)๋กœ ๊ตฌ๋ถ„๋œ๋‹ค. ์—ฌ๊ธฐ์„œ TP๋Š” ์ •์ƒ์ ์œผ๋กœ ๊ท ์—ด ํƒ์ง€ ๊ฒฐ๊ณผ๊ฐ€ ์ด๋ฃจ์–ด์ง„ ์˜์—ญ, FP๋Š” ๋ชจ๋ธ์— ์˜ํ•˜์—ฌ ๊ท ์—ด์ด ํƒ์ง€๋˜์—ˆ์ง€๋งŒ, ์‹ค์ œ๋กœ ์กด์žฌํ•˜์ง€ ์•Š๋Š” ๊ฒฝ์šฐ, ๋งˆ์ง€๋ง‰์œผ๋กœ FN์€ ์‹ค์ œ ๊ท ์—ด์ด ์กด์žฌํ•˜์ง€๋งŒ ๋ชจ๋ธ์ด ๊ท ์—ด ํƒ์ง€์— ์‹คํŒจํ•œ ๊ฒฝ์šฐ๋ฅผ ๋งํ•œ๋‹ค. ์ •๋ฐ€๋„์™€ ์žฌํ˜„์œจ์€ ์•„๋ž˜ ๊ทธ๋ฆผ์— ๋‚˜ํƒ€๋‚œ ๊ฒƒ๊ณผ ๊ฐ™์ด TP์™€ FP์— FN์— ์˜ํ•˜์—ฌ ๊ณ„์‚ฐ๋œ๋‹ค. ์•„๋ž˜ ๊ทธ๋ฆผ์—๋Š” ์ด 18๊ฐœ์˜ TP, 3๊ฐœ์˜ FP, ๊ทธ๋ฆฌ๊ณ  5๊ฐœ์˜ FN์ด ๋‚˜ํƒ€๋‚˜ ์žˆ๋‹ค. ์—ฌ๊ธฐ์„œ ์ •๋ฐ€๋„๋Š” TP๋ฅผ TP์™€ FP์˜ ํ•ฉ์œผ๋กœ ๋‚˜๋ˆˆ ๊ฐ’์„ ๋ฐฑ๋ถ„์œจ๋กœ ํ™˜์‚ฐํ•œ ๊ฐ’์ด๋ฉฐ, ์žฌํ˜„์œจ์€ TP๋ฅผ TP์™€ FN์˜ ํ•ฉ์œผ๋กœ ๋‚˜๋ˆˆ ๊ฐ’์„ ๋ฐฑ๋ถ„์œจ๋กœ ํ™˜์‚ฐํ•œ ๊ฐ’์ด๋‹ค. ์•„๋ž˜ ์˜ˆ์‹œ์—์„œ ํ™•์ธํ•  ์ˆ˜ ์žˆ๋“ฏ, ํ„ฐ๋„ ํ‘œ๋ฉด์—์„œ ์ˆ˜ํ–‰ํ•œ ๊ท ์—ด ํƒ์ง€ ๊ฒฐ๊ณผ์—์„œ ์ด 18๊ฐœ์˜ TP, 3๊ฐœ์˜ FP๊ฐ€ ์žˆ์„ ๋•Œ, ์ •๋ฐ€๋„๋Š” ์•ฝ 85%, 5๊ฐœ์˜ FN์ด ๋ฐœ์ƒํ–ˆ์„ ๋•Œ ์žฌํ˜„์œจ์€ ์•ฝ 78%๋กœ ๋‚˜ํƒ€๋‚œ๋‹ค.

ํ•™์Šต๋œ ๋ชจ๋ธ์„ ์ด์šฉํ•˜์—ฌ ์‹ค์ œ ํ„ฐ๋„ ์ด๋ฏธ์ง€์—์„œ ์„ฑ๋Šฅ ๊ฒ€์ฆ์„ ์ˆ˜ํ–‰ํ•˜์˜€๋‹ค. ์‹ค์ œ ์„ฑ๋Šฅ ๊ฒ€์ฆ์— ์ด์šฉ๋œ ํ„ฐ๋„์€ ์„œ์šธ์–‘์–‘๊ณ ์†๋„๋กœ์— ์œ„์น˜ํ•œ ํ™”์ดŒ9ํ„ฐ๋„์ด๋ฉฐ, 373-393๊ฒฝ๊ฐ„์—์„œ ์ดฌ์˜๋œ ์ด๋ฏธ์ง€๋ฅผ ์ด์šฉํ•˜์—ฌ ํ…Œ์ŠคํŠธํ•˜์˜€๋‹ค. Fig. 6์€ ํ•™์Šต๋œ Cascade Mask R-CNN์— ์˜ํ•˜์—ฌ ์ˆ˜ํ–‰๋œ ๊ท ์—ด ํƒ์ง€ ๊ฒฐ๊ณผ์˜ ์˜ˆ์‹œ๋ฅผ ๋‚˜ํƒ€๋‚ธ ๊ฒƒ์œผ๋กœ, ์„ฑ๋Šฅ ๊ฒ€์ฆ์— ํ™œ์šฉ๋œ ์ด๋ฏธ์ง€๋Š” ํŠน์ • ์˜์—ญ์„ ๋ฐœ์ทŒํ•˜์ง€ ์•Š๊ณ  ์ดฌ์˜๋œ ํ„ฐ๋„์˜ ์ „์ฒด ์ด๋ฏธ์ง€๋ฅผ ์‚ฌ์šฉํ•˜์˜€๋‹ค. ๋˜ํ•œ ์ „์„ , ์ฝœ๋“œ ์กฐ์ธํŠธ(Cold Joint) ๋“ฑ๊ณผ ๊ฐ™์ด ์ง์„  ํ˜•ํƒœ๋กœ ๋ป—์–ด ์žˆ๊ธฐ ๋•Œ๋ฌธ์— ๊ท ์—ด๊ณผ ์œ ์‚ฌํ•œ ํ˜•ํƒœ๋ฅผ ๋„๋Š” ์—ฌ๋Ÿฌ ๊ฐ€์ง€ ๋ฌผ์ฒด๋“ค๋„ ๊ณณ๊ณณ์— ๋ถ„ํฌํ•˜๊ณ  ์žˆ๋‹ค. ํฌ๊ธฐ๊ฐ€ ํฐ ์›๋ณธ ์ด๋ฏธ์ง€์—์„œ๋Š” ์ž‘์€ ๊ท ์—ด์ด ์ž˜ ๋ณด์ด์ง€ ์•Š๊ธฐ ๋•Œ๋ฌธ์—, Fig. 6(a)์˜ ๋ถ‰์€ ์ ์„  ์ƒ์ž ๋ถ€๋ถ„์„ ํ™•๋Œ€ํ•˜์—ฌ Fig. 6(b)์— ๋‹ค์‹œ ๋‚˜ํƒ€๋‚ด์—ˆ๋‹ค. ๋˜ํ•œ, Fig. 6(c)๋Š” ํ•™์Šต๋œ Cascade Mask R-CNN์ด Fig. 6(b)์˜ ์˜์—ญ์—์„œ ํƒ์ง€ํ•œ ๊ท ์—ด์„ ๋ถ‰์€์ƒ‰์œผ๋กœ ๋‚˜ํƒ€๋‚ธ ๊ฒƒ์ด๋‹ค. Fig. 6(c)์—์„œ ํ™•์ธํ•  ์ˆ˜ ์žˆ๋“ฏ์ด, ์ฃผ๋ณ€์— ๋ถ„ํฌํ•˜๋Š” ์ „์„  ๋“ฑ์„ ๊ท ์—ด๋กœ ํŒ๋‹จํ•˜์ง€ ์•Š๊ณ  ์„ฑ๊ณต์ ์œผ๋กœ ๊ท ์—ด ์˜์—ญ๋งŒ์„ ์ด๋ฏธ์ง€ ๋‚ด์—์„œ ํƒ์ง€ํ•œ ๊ฒƒ์„ ํ™•์ธํ•  ์ˆ˜ ์žˆ๋‹ค.

Fig. 7-9๋Š” ์‹ค์ œ ์ˆ˜ํ–‰๋œ ๊ท ์—ด ํƒ์ง€์˜ ์˜ˆ์‹œ๋ฅผ ๋‚˜ํƒ€๋‚ด๋ฉฐ, Table 2๋Š” ํƒ์ง€ ๊ฒฐ๊ณผ์— ๋Œ€ํ•œ ์ •๋ฐ€๋„ ๋ฐ ์žฌํ˜„์œจ ์‚ฐ์ถœ ๊ทผ๊ฑฐ๋ฅผ ๋‚˜ํƒ€๋‚ธ๋‹ค. ์‹คํ—˜์— ์‚ฌ์šฉ๋œ ๊ฒฝ๊ฐ„์„ ๊ตฌ์„ฑํ•˜๋Š” ์ด 15์žฅ(10000ร—15000 ํ•ด์ƒ๋„)์˜ ์ด๋ฏธ์ง€์— ํ•™์Šต๋œ Cascade Mask R-CNN์„ ์ ์šฉํ•œ ๊ฒฐ๊ณผ, 99%์˜ ์ •๋ฐ€๋„์™€ 92%์˜ ์žฌํ˜„์œจ๋กœ ๊ท ์—ด์„ ํƒ์ง€ํ•˜์˜€๋‹ค. Fig. 7์€ ์‹คํ—˜ ๊ฒฐ๊ณผ ์ค‘ ๊ฐ€์žฅ ๋†’์€ ์ •๋ฐ€๋„์™€ ์žฌํ˜„์œจ์„ ๋ณด์ธ ์ด๋ฏธ์ง€์˜ ์˜ˆ์‹œ๋ฅผ ๋‚˜ํƒ€๋‚ธ ๊ฒƒ์ด๋‹ค. ์‚ฐ์ˆ ์ ์œผ๋กœ๋Š” 382-384 ๊ฒฝ๊ฐ„์—์„œ 100%์˜ ์ •๋ฐ€๋„์™€ ์žฌํ˜„์œจ๋กœ ํ•™์Šต๋œ Cascade Mask R-CNN์ด ๊ฐ€์žฅ ๋†’์€ ์„ฑ๋Šฅ์„ ๋‚˜ํƒ€๋ƒˆ์ง€๋งŒ, ํ„ฐ๋„์— ๋‚˜ํƒ€๋‚œ ๊ท ์—ด์ด ํ›จ์”ฌ ์งง์•˜๊ธฐ ๋•Œ๋ฌธ์— 385-387 ๊ฒฝ๊ฐ„์„ ์ตœ๊ณ  ์„ฑ๋Šฅ์„ ๋ณด์ธ ํ…Œ์ŠคํŠธ ๋ฒ ๋“œ๋กœ ์„ ์ •ํ•˜์˜€๋‹ค. Fig. 7์—๋Š” ์‹ค์ œ ํ„ฐ๋„์˜ ์ฒœ์ •๋ถ€์—์„œ ํ”ํžˆ ๋‚˜ํƒ€๋‚˜๋Š” ๊ฒƒ๊ณผ ๊ฐ™์ด ์ฐจ๋Ÿ‰์˜ ์ฃผํ–‰๋ฐฉํ–ฅ์„ ๋”ฐ๋ผ ๊ธธ๊ฒŒ ๊ท ์—ด์ด ๋ฐœ์ƒํ•œ ๊ฒƒ์„ ํ•™์Šต๋œ Cascade Mask R-CNN์ด ์„ฑ๊ณต์ ์œผ๋กœ ํƒ์ง€ํ•œ ๊ฒƒ์„ ํƒ€๋‚˜๋‚ธ๋‹ค. Fig. 8์€ ์‹คํ—˜ ๊ฒฐ๊ณผ ์ค‘ ๊ฐ€์žฅ ๋‚ฎ์€ ์ •๋ฐ€๋„๋ฅผ ๋ณด์ธ ์˜์—ญ์ธ 391-393๊ฒฝ๊ฐ„์„ ๋‚˜ํƒ€๋‚ด๋ฉฐ, ์‹คํ—˜ ๊ฒฐ๊ณผ ์ค‘ ์œ ์ผํ•˜๊ฒŒ 100%์˜ ์ •๋ฐ€๋„๋ฅผ ๋‹ฌ์„ฑํ•˜์ง€ ๋ชปํ•œ ์˜์—ญ์ด๋‹ค. Fig. 8์—์„œ ํ™•์ธํ•  ์ˆ˜ ์žˆ๋“ฏ, ๊ท ์—ด์˜ ์˜คํƒ์ง€์˜ ์›์ธ์€ ํ„ฐ๋„ ๋ฒฝ๋ฉด ์ฝ˜ํฌ๋ฆฌํŠธ๋ถ€์— ๋‚˜ํƒ€๋‚œ ์›์ธ ๋ฏธ์ƒ์˜ ๋ฌผ๊ฒฐ ๋ฌด๋Šฌ์ด๋‹ค. ์‹คํ—˜ ๊ฒฐ๊ณผ ์ค‘ ํ•œ ๊ตฐ๋ฐ์˜ ๊ฒฝ๊ฐ„์—์„œ๋งŒ ์˜คํƒ์ง€๊ฐ€ ๋ฐœ์ƒํ•œ ์‹คํ—˜ ๊ฒฐ๊ณผ๋Š” ๋ณธ ์—ฐ๊ตฌ์—์„œ ์ œ์‹œํ•˜๋Š” ์˜คํƒ์ง€๋ฅผ ์ค„์ด๊ธฐ ์œ„ํ•œ ๋น„๊ท ์—ด ์ด๋ฏธ์ง€(Negative Sample) ํ•™์Šต์ด ํšจ๊ณผ์ ์œผ๋กœ ์ž‘๋™ํ•˜์˜€์Œ์„ ์ž…์ฆํ•œ๋‹ค. Fig. 9๋Š” ์‹คํ—˜ ๊ฒฐ๊ณผ ์ค‘ ๊ฐ€์žฅ ๋‚ฎ์€ ์žฌํ˜„์œจ์„ ๋ณด์ธ ์˜์—ญ์„ ๋‚˜ํƒ€๋‚ธ๋‹ค. Fig. 9์—์„œ ํ™•์ธํ•  ์ˆ˜ ์žˆ๋“ฏ, ํ•™์Šต๋œ Cascade Mask R-CNN์€ 376๋ฒˆ ๊ฒฝ๊ฐ„์— ๋ฐœ์ƒํ•œ ๊ท ์—ด์˜ ์ ˆ๋ฐ˜ ์ •๋„๋ฅผ ํƒ์ง€ํ•˜์˜€์œผ๋‚˜, ๊ทธ ์ด์™ธ์˜ ์˜์—ญ์€ ํƒ์ง€ํ•˜์ง€ ๋ชปํ•˜์˜€๋‹ค. ์ด๋Š” ํ•ด๋‹น ๊ท ์—ด๋“ค์˜ ํฌ๊ธฐ๊ฐ€ ์ดฌ์˜๋œ ์žฅ๋น„ ๊ธฐ์ค€ 1ํ”ฝ์…€ ๋‚ด์™ธ์˜ ํฌ๊ธฐ๋กœ ๋‚˜ํƒ€๋‚ฌ๊ธฐ ๋•Œ๋ฌธ์œผ๋กœ ํŒ๋‹จ๋œ๋‹ค. ํ•ด๋‹น ๊ท ์—ด์˜ ์ „์ฒด๋ฅผ ํƒ์ง€ํ•˜์ง€๋Š” ๋ชปํ•˜์˜€์ง€๋งŒ, ์ตœ์†Œ ์ ˆ๋ฐ˜ ์ •๋„์˜ ์˜์—ญ์„ ํƒ์ง€ํ•˜๋Š”๋ฐ ์„ฑ๊ณตํ•˜์˜€๊ธฐ ๋•Œ๋ฌธ์—, ๊ท ์—ด์˜ ๋ฐœ์ƒ ์—ฌ๋ถ€๋ฅผ ํ™•์ธํ•ด์•ผํ•˜๋Š” ์•ˆ์ „์ง„๋‹จ์˜ ํŠน์„ฑ์ƒ ๋”ฅ๋Ÿฌ๋‹์— ์˜ํ•œ ๊ท ์—ด ํƒ์ง€ ๊ฒฐ๊ณผ๊ฐ€ ์ฐธ๊ณ ์ž๋ฃŒ๋กœ ์ถฉ๋ถ„ํžˆ ์‚ฌ์šฉ๋  ์ˆ˜ ์žˆ์Œ์„ ๋ณด์˜€๋‹ค.

Fig. 5 Evaluation method of crack detection result of the trained deep learning model
../../Resources/ksm/jksmi.2021.25.4.65/fig5.png
Fig. 6 Example of concrete crack detection on real-world tunnel images
../../Resources/ksm/jksmi.2021.25.4.65/fig6.png
Fig. 7 Example of tunnel crack detection result with the best performance (span 385-387 of Hwachon Tunnel)
../../Resources/ksm/jksmi.2021.25.4.65/fig7.png
Fig. 8 Example of tunnel crack detection result with the worst precision (span 391-393 of Hwachon Tunnel)
../../Resources/ksm/jksmi.2021.25.4.65/fig8.png
Fig. 9 Example of tunnel crack detection result with the worst recall (span 376-378 of Hwachon Tunnel)
../../Resources/ksm/jksmi.2021.25.4.65/fig9.png
Table 2 Evaluation result of the trained cascade mask R-CNN

Span

No. of TP

No. of FP

No. of FN

Precision

Recall

Remarks

373-375

39

0

4

100%

91%

376-378

25

0

8

100%

76%

Fig. 9

379-381

19

0

4

100%

83%

382-384

9

0

0

100%

100%

385-387

52

0

2

100%

96%

Fig. 7

388-390

39

0

2

100%

95%

391-393

38

2

0

95%

100%

Fig. 8

Average

99%

92%

4. ๊ฒฐ ๋ก 

๋ณธ ์—ฐ๊ตฌ์—์„œ๋Š” ์˜์ƒ์žฅ๋น„์™€ ๋”ฅ๋Ÿฌ๋‹์„ ์ด์šฉํ•œ ๊ณ ์†๋„๋กœ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ์‹œ์Šคํ…œ ๊ฐœ๋ฐœ์„ ์ˆ˜ํ–‰ํ•˜๊ธฐ ์œ„ํ•˜์—ฌ 6๋‹จ๊ณ„๋กœ ๊ตฌ์„ฑ๋œ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ๊ฐœ๋ฐœ ํ”„๋ ˆ์ž„์›Œํฌ๋ฅผ ์ œ์‹œํ•˜๊ณ  ์ œ์‹œํ•œ ํ”„๋ ˆ์ž„์›Œํฌ์˜ ์„ฑ๋Šฅ์„ ์‹ค์ œ ๊ตฌ์กฐ๋ฌผ์—์„œ ํ‰๊ฐ€ํ•˜์˜€๋‹ค. ์ œ์•ˆ๋œ ํ”„๋ ˆ์ž„์›Œํฌ๋Š” ๋‹ค๋ฅธ ํ„ฐ๋„ ๊ท ์—ด ํƒ์ง€ ๋ฐฉ๋ฒ•๋ก ๋“ค๊ณผ ๋‹ฌ๋ฆฌ, ๋น„๊ท ์—ด ์ด๋ฏธ์ง€์— ๋Œ€ํ•œ ํ•™์Šต์„ ์ˆ˜ํ–‰ํ•˜์—ฌ, ์‹ค์ œ ํ„ฐ๋„์—์„œ ๋†’์€ ์„ฑ๋Šฅ์œผ๋กœ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•  ์ˆ˜ ์žˆ๋„๋ก ๊ณ ์•ˆ๋˜์—ˆ๋‹ค.

์ œ์•ˆ๋œ ํ”„๋ ˆ์ž„์›Œํฌ๋Š” ํ•œ๊ตญ๋„๋กœ๊ณต์‚ฌ์˜ ํ˜‘์—…์„ ํ†ตํ•˜์—ฌ ์ทจ๋“๋œ ์‹ค์ œ ํ„ฐ๋„ ์ด๋ฏธ์ง€์—์„œ ํ‰๊ฐ€๋˜์—ˆ๋‹ค. ํ„ฐ๋„ ์Šค์บ๋‹ ์ฐจ๋Ÿ‰์„ ํ†ตํ•˜์—ฌ ์‹ค์ œ ํ™˜๊ฒฝ์—์„œ ์ทจ๋“๋œ ์•ฝ 10000ร—15000์˜ ํ•ด์ƒ๋„๋ฅผ ๊ฐ€์ง€๋Š” ์ด๋ฏธ์ง€๋ฅผ ๋ถ„ํ• ํ•˜์—ฌ ์ด 1561์žฅ์˜ ๊ท ์—ด ์ด๋ฏธ์ง€๋ฅผ ํš๋“ํ•˜์˜€๋‹ค. ํš๋“๋œ ๊ท ์—ด ์ด๋ฏธ์ง€์—์„œ Photoshop์„ ์ด์šฉํ•˜์—ฌ ๊ท ์—ด ์˜์—ญ์„ ํ‘œ์‹œํ•œ ๋’ค, ์ด๋ฅผ COCO ๋ฐ์ดํ„ฐ์…‹์˜ ํ˜•์‹์œผ๋กœ ๋ณ€ํ™˜ํ•˜์—ฌ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ ํ•™์Šต์— ์‚ฌ์šฉํ•˜์˜€๋‹ค. ๋ณธ ์—ฐ๊ตฌ์—์„œ๋Š” ๊ฐœ๋ณ„ ๊ฐ์ฒด ์„ธ๋ถ„ํ™” ๋ชจ๋ธ ์ค‘ ํ•˜๋‚˜์ธ Cascade Mask R-CNN์„ ์ด์šฉํ•˜์—ฌ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•˜์˜€์œผ๋ฉฐ, ํ•™์Šต๋œ ๋ชจ๋ธ์„ ์ด์šฉํ•˜์—ฌ ์ด 206์žฅ์˜ ๋น„๊ท ์—ด ์ด๋ฏธ์ง€๋ฅผ ์ทจ๋“ํ•˜์˜€๋‹ค. ๋น„๊ท ์—ด ์ด๋ฏธ์ง€๋กœ ์ฆ๊ฐ•๋œ ์ด 1767์žฅ์˜ ์ด๋ฏธ์ง€๋ฅผ ์ด์šฉํ•˜์—ฌ Cascade Mask R-CNN์„ ์žฌํ•™์Šต์‹œ์ผฐ๋‹ค. ํ…Œ์ŠคํŠธ ๋ฒ ๋“œ๋กœ ์‚ฌ์šฉ๋œ ํ„ฐ๋„์€ ์„œ์šธ์–‘์–‘ ๊ณ ์†๋„๋กœ์— ์†Œ์žฌํ•œ ํ™”์ดŒ9ํ„ฐ๋„(3,690 m)์ด๋ฉฐ ํ™”์ดŒ9ํ„ฐ๋„์˜ 373-393 ๊ฒฝ๊ฐ„์—์„œ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•˜๊ณ  ์ •ํ™•๋„๋ฅผ ํ‰๊ฐ€ํ•˜์˜€๋‹ค. ํ•™์Šต๋œ ๊ท ์—ด ํƒ์ง€ Cascade Mask R-CNN์€ ๊ฑฐ๋ฏธ์ค„, ์ „์„ , ํ„ฐ๋„ ์กฐ๋ช… ๋“ฑ ์—ฌ๋Ÿฌ ๊ฐ€์ง€ ์†์ƒ๊ณผ ํ˜ผ๋™๋  ์ˆ˜ ์žˆ๋Š” ๋ฌผ์ฒด๋“ค์ด ๋ฐฐ์น˜๋œ ์ด๋ฏธ์ง€์—์„œ๋„ ๋†’์€ ์„ฑ๋Šฅ์„ ๋‹ฌ์„ฑํ•˜์˜€๋‹ค. ์‹คํ—˜ ๊ฒฐ๊ณผ๋ฅผ ํ†ตํ•˜์—ฌ ์ œ์•ˆ๋œ ํ”„๋ ˆ์ž„์›Œํฌ๋ฅผ ์ด์šฉํ•˜๋ฉด ์‹ค์ œ ํ„ฐ๋„์—์„œ ์„ฑ๊ณต์ ์œผ๋กœ ๊ท ์—ด ํƒ์ง€๋ฅผ ์ˆ˜ํ–‰ํ•  ์ˆ˜ ์žˆ์Œ์„ ๋ณด์˜€๋‹ค.

๋ณธ ๋…ผ๋ฌธ์˜ ๋ฒ”์œ„๋Š” ํ„ฐ๋„ ์Šค์บ๋‹ ์žฅ๋น„๋กœ ์ดฌ์˜๋œ ์‹ค์ œ ํ„ฐ๋„ ์ด๋ฏธ์ง€์—์„œ ๋น„๊ท ์—ด ํ•™์Šต์œผ๋กœ ํ–ฅ์ƒ๋œ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์„ ์ด์šฉํ•œ ๊ท ์—ด ํƒ์ง€ ์ˆ˜ํ–‰๊นŒ์ง€์ด๋ฉฐ, ์‹ค์ œ ๊ท ์—ด์˜ ํญ์„ ์•Œ์ง€๋Š” ๋ชปํ•˜์˜€๊ธฐ ๋•Œ๋ฌธ์— ๊ท ์—ด ํญ์— ๋Œ€ํ•œ ์ •ํ™•๋„ ๋“ฑ์— ๋Œ€ํ•œ ์—ฐ๊ตฌ๋ฅผ ์ˆ˜ํ–‰ํ•  ์ˆ˜ ์—†์—ˆ๋‹ค. ๋งŒ์•ฝ ์ •๋ฐ€์ ๊ฒ€ ๋“ฑ์— ์˜ํ•˜์—ฌ ๊ท ์—ด์˜ ํญ์„ ์•Œ๊ณ  ์žˆ๋Š” ์ด๋ฏธ์ง€๋ฅผ ์ดฌ์˜ํ•œ๋‹ค๋ฉด, ๊ท ์—ด ํญ๊ณผ ๊ธธ์ด์˜ ์ •๋Ÿ‰ํ™”์— ๋Œ€ํ•œ ์ถ”๊ฐ€์  ๊ฒ€์ฆ์„ ์ˆ˜ํ–‰ํ•  ์ˆ˜ ์žˆ์„ ๊ฒƒ์ด๋‹ค. ๋˜ํ•œ, ์ตœ๊ทผ ๋“ค์–ด์„œ ํ™œ๋ฐœํ•˜๊ฒŒ ์—ฐ๊ตฌ๋˜๊ณ  ์žˆ๋Š” ์ดˆํ•ด์ƒํ™”(Super-resolution) ๊ธฐ์ˆ ์„ ์ ์šฉํ•˜์—ฌ ์ด๋ฏธ์ง€์˜ ํ•ด์ƒ๋„๋ฅผ ํ–ฅ์ƒ์‹œํ‚จ ๋’ค, ๊ท ์—ด์˜ ํญ์„ ์ธก์ •ํ•˜๋Š” ์—ฐ๊ตฌ๋„ ์ˆ˜ํ–‰ํ•  ์ˆ˜ ์žˆ๋‹ค. ํŠนํžˆ ์ดฌ์˜ ์žฅ๋น„์˜ ์„ฑ๋Šฅ ๊ฐœ์„ ๊ณผ ์ง€์†์ ์ธ ๋”ฅ๋Ÿฌ๋‹ ๋ชจ๋ธ์˜ ์ •ํ™•๋„ ํ–ฅ์ƒ, ์ฒ˜๋ฆฌ ์†๋„ ํ–ฅ์ƒ๋„ ์ถ”ํ›„ ์ง€์†์  ๊ฐœ์„ ์ด ํ•„์š”ํ•œ ๋ถ€๋ถ„์ด๋ผ ํŒ๋‹จ๋œ๋‹ค.

๊ฐ์‚ฌ์˜ ๊ธ€

๋ณธ ์—ฐ๊ตฌ๋Š” ๊ตญํ† ๊ตํ†ต๋ถ€/๊ตญํ† ๊ตํ†ต๊ณผํ•™๊ธฐ์ˆ ์ง„ํฅ์›์˜ ์ง€์›์œผ๋กœ ์ˆ˜ํ–‰๋˜์—ˆ์Œ(๊ณผ์ œ๋ฒˆํ˜ธ 21CTAP-C163726-01).

๋ถ€ ๋ก

Cascade Mask R-CNN ๋ชจ๋ธ ์ƒ์„ธ ์„ค๋ช…

Cascade Mask R-CNN์˜ ์ฒซ ๋ฒˆ์งธ ๋‹จ๊ณ„์— ์œ„์น˜ํ•˜์—ฌ ๋ฐฐ๊ฒฝ๊ณผ ๋ฌผ์ฒด๋ฅผ ๊ตฌ๋ถ„ํ•˜๋Š” ์—ญํ• ์„ ํ•˜๋Š” RPN์€ ๋ฌผ์ฒด๊ฐ€ ์กด์žฌํ•˜๋Š” ๊ฒƒ์œผ๋กœ ํŒ๋‹จ๋˜๋Š” ์˜์—ญ์˜ ์ขŒํ‘œ์™€, ๋ฌผ์ฒด์„ฑ(Objectness) ์ ์ˆ˜๋ฅผ ๊ฐ ๊ฒฝ๊ณ„์ƒ์ž(Bounding Box)๋ณ„๋กœ ์ถœ๋ ฅํ•˜๋Š” Fully Convolutional Network ๋ชจ๋ธ์ด๋‹ค. RPN์€ ์Šฌ๋ผ์ด๋”ฉ ์œˆ๋„์šฐ๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ CNN์—์„œ ํš๋“ํ•œ ํŠน์ง• ์ง€๋„๋ฅผ ์Šค์บ”ํ•˜๋ฉฐ ํ›„๋ณด์˜์—ญ์„ ์ƒ์„ฑํ•œ๋‹ค. ์Šฌ๋ผ์ด๋”ฉ ์œˆ๋„์šฐ์— ์˜ํ•˜์—ฌ ํš๋“๋œ ํŠน์ง• ์ง€๋„๋Š” ์ €์ฐจ์›์˜ ๋ฒกํ„ฐ๋กœ ๋ณ€ํ™˜๋˜๊ณ  ์ด๋Š” ๊ฒฝ๊ณ„์ƒ์ž์˜ ์œ„์น˜๋ฅผ ๋ณด์ •ํ•˜๋Š” Box-Regression Layer์™€, ๋ฌผ์ฒด๋ฅผ ๋ถ„๋ฅ˜ํ•˜๋Š” Box-Classification Layer๋กœ ์ž…๋ ฅ๋œ๋‹ค. RPN์€ ๊ฐ ์Šฌ๋ผ์ด๋”ฉ ์œˆ๋„์šฐ ์œ„์น˜์—์„œ ์—ฌ๋Ÿฌ ๊ฐœ์˜ ์˜์—ญ ์ œ์•ˆ(Region Proposal)์„ ์˜ˆ์ธกํ•œ๋‹ค. ๊ฐ ์Šฌ๋ผ์ด๋”ฉ ์œˆ๋„์šฐ๋Š” ํ•œ ์œ„์น˜์—์„œ ์ตœ๋Œ€ k๊ฐœ์˜ ์˜์—ญ ์ œ์•ˆ์„ ์ƒ์„ฑํ•œ๋‹ค. ์—ฌ๊ธฐ์—์„œ ํ•œ ์œ„์น˜์— ์ƒ์„ฑ๋œ k๊ฐœ์˜ ์˜์—ญ ์ œ์•ˆ์„ ์•ต์ปค(Anchor)๋ผ๊ณ ํ•˜๋ฉฐ ๊ฐ€๋กœ ์„ธ๋กœ ๋น„์œจ์„ ๋‹ค๋ฅด๊ฒŒ ํ•˜์—ฌ ํ•œ ์œ„์น˜์—์„œ ์—ฌ๋Ÿฌ ๊ฐœ์˜ ์•ต์ปค๋ฅผ ์ƒ์„ฑํ•œ๋‹ค. ๋Œ€๋ถ€๋ถ„์˜ ๊ฒฝ์šฐ ๋„ˆ๋น„์™€ ๋†’์ด์— ๋Œ€ํ•˜์—ฌ ๊ฐ๊ฐ 3๊ฐœ์˜ ๋‹ค๋ฅธ ๋น„์œจ์ด ๋ถ€์—ฌ๋จ์œผ๋กœ ๊ฐ ์Šฌ๋ผ์ด๋”ฉ ์œ„์น˜์— k=9 ์•ต์ปค๊ฐ€ ์ƒ์„ฑ๋œ๋‹ค. ๊ฒฝ๊ณ„์ƒ์ž์˜ ์ขŒํ‘œ๋ฅผ x์ถ•, y์ถ• ์ขŒํ‘œ, ์ ์˜ ๋„ˆ๋น„์™€ ๋†’์ด๋กœ ๋‚˜ํƒ€๋‚ด๋Š” Box-Regression Layer๋Š” 4k ์ถœ๋ ฅ์„ ๊ฐ€์ง„๋‹ค. ๋˜ํ•œ, ๋ฐฐ๊ฒฝ๊ณผ ๋ฌผ์ฒด์˜ ์ด์ง„๋ถ„๋ฅ˜(Binary Classification)๋ฅผ ์ˆ˜ํ–‰ํ•˜๋Š” Box-Classification Layer๋Š” ์˜์—ญ์˜ ๊ฐœ์ฒด์˜ ์กด์žฌ๋ฅผ ์ถ”์ •ํ•˜๊ธฐ ๋•Œ๋ฌธ์— 2k ์ถœ๋ ฅ์„ ๊ฐ€์ง€๊ฒŒ ๋œ๋‹ค.

๋‘ ๋ฒˆ์งธ ๋‹จ๊ณ„์—์„œ Cascade Mask R-CNN์€ RPN์˜ ์˜์—ญ ์ œ์•ˆ ๊ฒฐ๊ณผ๋ฅผ ๊ฐ€์ ธ์™€ ๊ฐ ํ›„๋ณด ์ƒ์ž์—์„œ RoIAlign Layer (RA Layer)๋ฅผ ์‚ฌ์šฉํ•˜์—ฌ ๊ฐ์ฒด์˜ ํŠน์ง•์„ ์ถ”์ถœํ•˜์—ฌ ๋ถ„๋ฅ˜๋ฅผ ์ˆ˜ํ–‰ํ•œ๋‹ค. RoIAlign์€ ๊ฒฝ๊ณ„์ƒ์ž ๋ฐ ์ž…๋ ฅ ์ด๋ฏธ์ง€์˜ ํŠน์ง• ์ถ”์ถœ ๊ฒฐ๊ณผ๋ฅผ ์ ์ ˆํ•˜๊ฒŒ ์ •๋ ฌํ•˜๋Š” ์—ฐ์‚ฐ ๊ธฐ๋ฒ•์ด๋‹ค. RoIAlign์€ RPN์—์„œ ์ถ”์ถœํ•œ ๊ฒฝ๊ณ„์ƒ์ž์— ํ•ด๋‹นํ•˜๋Š” ํŠน์ง• ์ง€๋„์—์„œ wร—h (์ผ๋ฐ˜์ ์œผ๋กœ 7ร—7) ํฌ๊ธฐ์˜ ์ž‘์€ ํŠน์ง• ์ง€๋„๋ฅผ ์ถ”์ถœํ•œ๋‹ค. ์ด ๊ณผ์ •์—์„œ ์‹ค์ˆ˜(Float)๋กœ ํ‘œํ˜„๋œ ํŠน์ง• ์ง€๋„์ƒ์˜ ๊ฒฝ๊ณ„ ์ƒ์ž์˜ ์œ„์น˜๋Š” ์ •์ˆ˜(Integer)๋กœ ํ‘œํ˜„๋˜๋Š” ํŠน์ง• ์ง€๋„ ์œ„์—์„œ ๊ทธ ์œ„์น˜๊ฐ€ ์ •ํ™•ํ•˜๊ฒŒ ํ‘œํ˜„๋  ์ˆ˜ ์—†๋‹ค. ์ด๋Ÿฌํ•œ ๋ฌธ์ œ๋ฅผ ํ•ด๊ฒฐํ•˜๊ธฐ ์œ„ํ•˜์—ฌ RA Layer๋Š” ๊ฒฝ๊ณ„ ์ƒ์ž์˜ ์œ„์น˜ ์ •๋ณด๋ฅผ ์ด์ง„ ์„ ํ˜• ๋ณด๊ฐ„๋ฒ•(Bi-Linear Interpolation)์„ ์‚ฌ์šฉํ•˜์—ฌ ์ •ํ™•ํ•œ ์ƒ˜ํ”Œ๋ง ์ง€์ ์„ ๊ณ„์‚ฐํ•œ๋‹ค. RA Layer๋กœ ์ถ”์ถœํ•œ ํŠน์ง•์ง€๋„๋Š” ๋ฌผ์ฒด์˜ ์œ„์น˜๋ฅผ ์ƒ๋Œ€์ ์œผ๋กœ ์ •ํ™•ํ•˜๊ฒŒ ๋ถ„๋ฅ˜ํ•˜๋Š”๋ฐ ๊ธฐ์—ฌํ•  ๋ฟ ์•„๋‹ˆ๋ผ ๋ฌผ์ฒด์˜ ํ˜•์ƒ์„ ํ”ฝ์…€๋‹จ์œ„๋กœ ๋ถ„๋ฅ˜ํ•˜๋Š”๋ฐ ์ •ํ™•๋„๋ฅผ ๋†’์ด๊ฒŒ ๋œ๋‹ค.

RA Layer์—์„œ ์ถ”์ถœํ•œ ํŠน์ง• ์ง€๋„๋Š” Box-Classification Layer์™€ Box-Regression Layer๋กœ ์ „๋‹ฌ๋œ๋‹ค. ํŠน์ง• ์ง€๋„๋Š” Box- Classification Layer์™€ Box-Regression Layer์— ์ž…๋ ฅ๋˜๊ธฐ ์ „์— Fully-Connected Layer์˜ ํ˜•ํƒœ๋กœ ๋ณ€ํ™˜๋œ๋‹ค. ์—ฌ๊ธฐ์„œ ๋ฌผ์ฒด์˜ ํด๋ž˜์Šค๋Š” Box-Classification Layer์— ์˜ํ•ด ๊ฒฐ์ •๋˜๋ฉฐ Box- Regression Layer๋Š” RPN๊ณผ ๋งค์šฐ ์œ ์‚ฌํ•œ ๋ฐฉ์‹์œผ๋กœ ๊ฒฝ๊ณ„ ์ƒ์ž์˜ ์œ„์น˜์™€ ํฌ๊ธฐ๋ฅผ ํ–ฅ์ƒ์‹œํ‚ค๋Š” ์—ญํ• ์„ ์ˆ˜ํ–‰ํ•œ๋‹ค. ์—ฌ๊ธฐ์„œ Cascade Mask R-CNN์˜ ๊ฒฝ์šฐ ๊ธฐ์กด Mask R-CNN์—์„œ ํ•œ ๋ฒˆ๋งŒ ๋ฌผ์ฒด ๋ถ„๋ฅ˜์— ์‚ฌ์šฉ๋˜๋Š” Box-Classification Layer์™€ Box- Regression Layer๋ฅผ ์ด 3๋ฒˆ ์‚ฌ์šฉํ•˜์—ฌ ๋ฌผ์ฒด ํƒ์ง€์˜ ์ •ํ™•๋„๋ฅผ ๊ฐ•ํ™”ํ•œ๋‹ค.

์„ธ ๋ฒˆ์งธ์ด์ž ๋งˆ์ง€๋ง‰ ๋‹จ๊ณ„์—์„œ Cascade Mask R-CNN์€ RA Layer์—์„œ ์ถ”์ถœํ•œ ํŠน์ง• ์ง€๋„๋ฅผ Mask Branch์— ์ž…๋ ฅํ•˜์—ฌ ๊ฒฝ๊ณ„ ์ƒ์ž์—์„œ ๋ฌผ์ฒด์˜ ํ”ฝ์…€ ๋‹จ์œ„ ์˜์—ญ์„ ๊ฒฐ์ •ํ•œ๋‹ค. Mask Branch๋Š” FCN์˜ ํ˜•ํƒœ๋ฅผ ์ทจํ•˜์—ฌ ์ด๋ฏธ์ง€์˜ ๋ฌผ์ฒด๋ฅผ ํ”ฝ์…€ ๋‹จ์œ„๋กœ ๋ถ„๋ฅ˜ํ•œ๋‹ค. RA Layer์— ์˜ํ•˜์—ฌ ๋†’์€ ์ •ํ™•๋„๋กœ ์ถ”์ถœ๋œ ํŠน์ง• ์ง€๋„๋Š” ๋” ๋†’์€ ์ •ํ™•๋„๋กœ ๋ฌผ์ฒด์˜ ํ˜•์ƒ์„ ์ถ”์ถœํ•˜๋Š”๋ฐ ๊ธฐ์—ฌํ•œ๋‹ค. ์ด ์—ฐ๊ตฌ์—์„œ Mask Branch์˜ ์ถœ๋ ฅ ํฌ๊ธฐ๋Š” 28ร—28๋กœ Mask R-CNN์„ ์ œ์•ˆํ•œ ๋…ผ๋ฌธ์—์„œ ์‚ฌ์šฉ๋œ ํฌ๊ธฐ์™€ ๋™์ผํ•˜๋‹ค. Box-Classification Layer์— ํ‰ํ–‰ํ•˜๊ฒŒ ๋ฐฐ์—ด๋œ Mask Branch๋Š” Box-Classification Layer์— ์˜ํ•œ ๋ฌผ์ฒด ๋ถ„๋ฅ˜ ๊ฒฐ๊ณผ์™€ ๊ด€๊ณ„ ์—†์ด ๋ฌผ์ฒด์˜ ํ˜•์ƒ๋งŒ์„ ํ•™์Šตํ•˜์—ฌ ์ถ”๋ก ์— ์‚ฌ์šฉํ•  ์ˆ˜ ์žˆ๋‹ค. ๋”ฐ๋ผ์„œ ๋ณธ ๋…ผ๋ฌธ์—์„œ๋Š” Mask Branch๋ฅผ ๋ฌผ์ฒด์˜ ํด๋ž˜์Šค์™€ ๊ด€๊ณ„์—†์ด ๋ฌผ์ฒด์˜ ํ˜•์ƒ์„ ์ถ”๋ก ํ•˜๋„๋ก ํ•™์Šต์‹œ์ผฐ๋‹ค.

References

1 
Sanpei, T., and Mizoguchi, T. (2018), Fundamental Study for Real-Time Detection of Sudden Displacement by High-Speed Laser Scanner, Journal of Structural Integrity and Maintenance, 3(4), 227-232.DOI
2 
Yamaguchi, T., Nakamura, S., Saegusa, R., and Hashimoto, S. (2008), Imageโ€Based Crack Detection for Real Concrete Surfaces, IEEJ Transactions on Electrical and Electronic Engineering, Wiley Online Library, 3(1), 128-135.DOI
3 
Yu, S. N., Jang, J. H., and Han, C. S. (2007), Auto Inspection System Using a Mobile Robot for Detecting Concrete Cracks in a Tunnel, Automation in Construction, Elsevier, 16(3), 255-261.DOI
4 
Lee, S. H., Shin, K. J., Kim, H. J., Kim, S. Y., Yoo, C. H., and Eom S. G. (2019), Introduction of Tunnel Crack Measurement Technology Using Image Scanning, Journal of Korean Society of Steel Construction, 31(6), 42-48.URL
5 
Song, Q., Wu, Y., Xin, X., Yang, L., Yang, M., Chen, H., Liu, C., HU, M., CHAI, X., and Li, J. (2019), Real-time Tunnel Crack Analysis System via Deep Learning. IEEE Access, IEEE, 7, 64186-64197.DOI
6 
Li, G., Ma, B., He, S., Ren, X., and Liu, Q. (2020), Automatic Tunnel Crack Detection based on U-Net and a Convolutional Neural Network with Alternately Updated Clique. Sensors, MDPI, 20(3), 717.DOI
7 
Ronneberger, O., Fischer, P., and Brox, T. (2015), U-net: Convolutional Networks for Biomedical Image Segmentation, International Conference on Medical Image Computing and Computer-assisted Intervention, Springer, Berlin, 234-241.DOI
8 
Choi, Y., Kim, J., Cho, H., and Lee, C. (2019) Asphalt Concrete Pavement Surface Crack Detection using Convolutional Neural Network, Journal of the Korea Institute for Structural Maintenance and Inspection, 23(6), 38-44.URL
9 
Kim B., and Cho, S. (2019), Image-based Concrete Crack Assessment using Mask and Region-based Convolutional Neural Network, Structural Control and Health Monitoring, Wiley, 26(8), e2381(1-15).DOI
10 
Kim B., and Cho, S. (2020), Automated Multiple Concrete Damage Detection Using Instance Segmentation Deep Learning Model, Applied Sciences, MDPI, 9(20), 4444(1-14).DOI
11 
Jang, K., An, Y.-K., Kim, S., and Cho, S. (2021) Automated Crack Evaluation of a Highโ€Rise Bridge Pier Using a Ringโ€Type Climbing Robot, Computer-aided Civil and Infrastructure Engineering, Wiley, 26, 14-29.DOI
12 
He, K., Gkioxari, G., Dollรกr, P., and Girshick, R. (2017), Mask r-cnn. Proceedings of the IEEE international conference on computer vision, IEEE, 2961-2969.URL
13 
Cai, Z., and Vasconcelos, N. (2018), Cascade r-cnn: Delving into High Quality Object Detection, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, IEEE, Piscataway, 6154-6162.URL
14 
Lin, T. Y., Maire, M., Belongie, S., Hays, J., Perona, P., Ramanan, D., Dollar, P., and Zitnick, C. L. (2014), Microsoft Coco: Common Objects in Context, European Conference on Computer Vision, Springer, Berlin, 740-755.DOI
15 
Chen, K., Wang, J., Pang, J., Cao, Y., Xiong, Y., Li, X., Sun, S., Feng, W., Liu, Z., Xu, J., Zhang, Z., Cheng, D., Zhu, C., Cheng, T., Zhao, Q., Li, B., Lu, X., Zhu, R., Wu, Y., Dai, J., Wang, J., Shi, J., Ouyang, W., Loy, C. C., and Lin, D. (2019), MMDetection: Open Mmlab Detection Toolbox and Benchmark, ArXiv Preprint, ArXiv, 1906.07155.DOI
16 
Robbins, H., and Monro, S. (1951), A Stochastic Approximation Method, The Annals of Mathematical Statistics, Institute of Mathematical Statistics, 400-407.URL
17 
Pascanu, R., Mikolov, T., and Bengio, Y. (2013), On the Difficulty of Training Recurrent Neural Networks, International Conference on Machine Learning, PMLR, 1310-1318.URL
18 
Loshchilov, I., and Hutter, F. (2016), SGDR: Stochastic Gradient Descent with Warm Restarts, ArXiv Preprint, arXiv, 1608.03983.DOI
19 
Deng, J., Dong, W., Socher, R., Li, L. J., Li, K., and Fei-Fei, L. (2009). Imagenet: A Large-Scale Hierarchical Image Database, 2009 Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, IEEE, Piscataway, 248-255.DOI
20 
Xie, S., Girshick, R., Dollรกr, P., Tu, Z., and He, K. (2017), Aggregated Residual Transformations for Deep Neural Networks, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, IEEE, Piscataway, 1492-1500.URL