노후화된 기반시설은, 감지되지 않은 구조적 결함이 치명적인 고장으로 이어질 수 있다는 점에서 중대한 안전 위험을 초래한다. 전통적인 수동 점검 접근법은 노동 집약적이고 시간 소모가 크며, 인간 오류에 취약하다고 여겨진다. 본 연구는 노후 건축물의 결함을 탐지하도록 특별히 설계된 트랜스포머 기반 결함 탐지 프레임워크를 제안함으로써 수동 방법의 기존 문제를 해결하고자 한다. 트랜스포머 기반 모델은 자기 주의(self-attention) 메커니즘에 의존하여 관련 이미지 영역에 동적으로 초점을 맞춘다. 이 접근법은 원거리의 문맥 의존성을 포착하고 결함 양상의 변이에 적응함으로써 기존의 합성곱 신경망이 지니는 한계를 회피한다. 실제 환경에서의 다양한 상황에 대한 모델의 일반화 가능성과 적응성을 향상시키기 위해, 조명 조건, 각도 및 환경 요인의 차이를 처리하는 데이터 전처리 모듈을 제안한다. 또한 제안된 모델은 정확한 결함 탐지를 위한 학습 과정을 개선하고 안정화하기 위해, 새로운 분류 손실(classification loss)과 매칭 비용(matching cost)을 최신 탐지 트랜스포머(DETR)와 개선된 디노이징 앵커 박스(DINO) 모델에 통합하여 성능을 향상시킨다. 프레임워크의 다중 스케일 특징으로부터 주의 가중치(attention weights)를 분석하고 시각화할 수 있다는 점은 투명성을 높이고 자동 결함 탐지 시스템에 대한 신뢰를 구축한다. 실험 결과는 AD-TR 프레임워크가 평균 mean average precision(mAP) 83.1%로 경쟁적인 심층학습 기반 객체 탐지 모델을 능가함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.