Earticle

초록

영어

In this paper, we propose fully convolutional neural networks based automatic detection of a pothole that directly causes driver’s safety accidents and the vehicle damage. First, the training DB is collected through the camera installed in the vehicle while driving on the road, and the model is trained in the form of a semantic segmentation using the fully convolutional neural networks. In order to generate robust performance in a dark environment, we augmented the training DB according to brightness, and finally generated a total of 30,000 training images. In addition, a total of 450 evaluation DB was created to verify the performance of the proposed automatic pothole detection, and a total of four experts evaluated each image. As a result, the proposed pothole detection showed robust performance for missing.

한국어

운전자의 안전사고에 직접적인 원인이 되고, 차량 파손을 유발시켜 재산상의 피해를 발생시 키고 있는 포트홀을 완전 합성곱 신경망 기반의 자동으로 탐지하는 기법을 본 논문에서는 제 안한다. 먼저, 실제 국내 도로를 주행하면서 차량에 설치된 카메라를 통하여 학습 데이터셋을 수집하고, 완전 합성곱 신경망 구조를 활용하여 의미론적 분할 형태로 신경망을 학습하였다. 어두운 환경에서 강건한 성능을 보이기 위하여 학습 데이터셋을 밝기에 따라서 증강하여 총 30,000장의 이미지를 학습하였다. 또한, 제안된 자동 포트홀 탐지 기술의 성능을 검증하기 위 하여 총 450장의 평가 DB를 생성하였고, 총 네 명의 전문가가 각각의 이미지를 평가하였다. 평가 결과, 제안된 포트홀 탐지 기술은 높은 민감도 수치를 나타나는 것으로 평가 되었으며, 이는 정탐에서 강건한 성능을 보이는 것으로 해석 가능하다.

목차

요약
 ABSTRACT
 Ⅰ. 서론
 Ⅱ. 완전 합성곱 신경망
  1. 합성곱 신경망(Convolutional Neural Network, CNN)
  2. 역합성곱 신경망(Deconvolutional Neural Network)
  3. 배치 정규화(Batch Normalization) 및 활성화 함수(Activation Function)
 Ⅲ. 완전 합성곱 신경망을 활용한 자동 포트홀 탐지 기술
  1. 학습 DB 생성
  2. 신경망 구조
 Ⅳ. 성능결과 및 평가
 Ⅴ. 결론
 ACKNOWLEDGEMENTS
 REFERENCES

키워드

포트홀 도로노면 파손 의미론적 분할 심층신경망 인공지능 완전 합성곱 신경망 Pothole Road surface damage Semantic segmentation Deep neural network AI Fully convolutional neural network

저자

• 전찬준 [ Chanjun Chun | 한국건설기술연구원 전임연구원 ] 주저자
• 심승보 [ Seungbo Shim | 한국건설기술연구원 전임연구원 ] 공저자
• 강성모 [ Sungmo Kang | 한국건설기술연구원 전임연구원 ] 공저자
• 류승기 [ Seung-Ki Ryu | 한국건설기술연구원 선임연구위원 ] 교신저자

참고문헌

발행기관

간행물