Earticle

초록

영어

This study aimed to optimize and validate the practicality of a YOLO-based deep learning model for detecting road defects (potholes and cracks). In the first experiment conducted in an NVIDIA A100 GPU environment using the RDD2022 public dataset, the YOLOv8n model demonstrated the best performance among the YOLOv5n/v8n/v10n models, achieving an mAP@0.5 of 0.3657. From the second experiment onwards, the Detection and Segmentation models of YOLOv8 were comparatively evaluated using self-built real-world road images. The YOLOv8l (Detection) model achieved an mAP@0.5 of 0.772, demonstrating accuracy suitable for practical applications. Finally, a comparison of hyperparameter optimization, data augmentation techniques, and dataset expansion for the YOLOv8l model showed that expanding the dataset from 8,737 to 14,776 images improved the mAP@0.5 to 0.825. This demonstrates that the volume of data and the similarity of training data to real-world environments critically influence model performance. These findings are expected to contribute to securing the practicality and immediate responsiveness of future road defect detection systems.

한국어

본 연구는 도로 결함(포트홀 및 균열) 탐지를 위한 YOLO 기반 딥러닝 모델 최적화 및 실용성 검증을 목표로 수행되었다. NVIDIA A100 GPU 환경에서 진행된 첫 번째 실험에서는 RDD2022 공개 데이터셋을 활용하여 YOLOv5n/v8n/v10n 모델들의 성능 중 YOLOv8n 모델이 mAP@0.5에서 0.3657로 가장 우수한 성능을 보였다. 두 번째 실험부터는 자체 구축한 실제 도로 이미지를 바탕으로 YOLOv8의 Detection 및 Segmentation 모델을 비교 평가하였으며, YOLOv8l(Detection) 모델이 mAP@0.5에서 0.772로 실무에 적합한 정확도를 달성하였다. 마지막으로 YOLOv8l 모델의 하이퍼파라미터 최적화/데이터 증강 기법/데이터셋 확장을 비교한 결과 데이터셋을 기존 8,737장에서 14,776장으로 확장한 경우 mAP@0.5에서 0.825까지 향상되었다. 이는 학습 데이터가 실제 도로에 얼마나 유사하고 데이터의 양이 모델 성능의 결정적인 영향을 미친다는 것을 입증한 결과로, 향후 도로 결함 탐지 시스템의 실용성 및 즉각 대응 가능성을 확보하는 데 이바지할 것으로 기대된다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. YOLO 개념 및 학습 모델 분석
1. YOLO의 개념과 역사
2. YOLO 핵심 요소
3. YOLO의 응용 사례
Ⅲ. 다양한 파라미터
1. 옵티마이저(Optimization)
2. 손실 함수 (Loss Function)
3. 데이터 증강 (Data Augmentation)
Ⅳ. 실험 분석 및 결과
1. 실험 방법
2. 데이터 수집 및 전처리
3. 실험 결과 및 분석
Ⅴ. 결론
REFERENCES

키워드

저자

• 조석헌 [ Seok Heon Cho | 목원대학교 컴퓨터공학과 학부생 ]
• 최재명 [ Jae Myeong Choi | 목원대학교 컴퓨터공학 부교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  혁신산업기술논문지 [The Journal of Innovation Industry Technology]

• 간기

  계간

• pISSN

  2983-2349

• eISSN

  2983-2357

• 수록기간

  2023~2026

• 십진분류

  KDC 559 DDC 629