효율적인 구조물 균열 분석을 위한 배경 인지형 라우팅 프레임워크

키워드

확장요약문

최근 구조물 유지보수 분야에서는 딥러닝 기반 균열 탐지 기술이 활발히 적용되고 있다. 그러나 무인기(UAV)를 이용한 외관 검사 영상은 대다수가 손상 없는 배경으로 구성된다. 기존 모델은 이러한 배경 영상에도 균열 영상과 동일한 연산 경로를 적용하기 때문에, 불필요한 추론 시간과 연산량이 소모된다. 본 연구에서는 기존 균열 분할 모델에 부착하여 입력별로 연산 경로를 선택하는 배경 인지형 라우팅 기법을 제안한다. 중간 특징 단계에 경량 라우터와 보조 분할 경로를 추가하였으며, 라우터는 두 경로의 실측 분할 성능 차이로부터 유도한 연속 목표값을 학습하여 조기 종료 여부를 결정한다. 따라서 보조 경로만으로 충분한 입력은 심층 연산을 생략하되, 조기 종료된 입력도 픽셀 단위 예측을 그대로 제공받는다. 동일한 기법을 SegFormer 계열 3 종과 경량 균열 분할 모델 2 종에 변경 없이 적용한 결과, 다섯 쌍 모두에서 총 추론 시간이 16.29~50.37% 감소하였고 패치 단위 mIoU 변화는 0.34%p 이내에 머물렀다. 이는 배경이 지배적인 검사 환경에서 기존 모델의 분할 성능을 유지하면서 추론 비용을 줄일 수 있음을 보여준다.