시각 기반 모니터링을 위한 최신 기술의 대부분은 기계 학습 또는 딥러닝 알고리즘에서 비롯되었으므로, 대규모이면서도 풍부한 학습 이미지 데이터베이스(DB)를 구축하는 것이 핵심이다. 이를 위해 본 논문은 건설 현장 모니터링을 위한 대규모의 고품질 학습 DB를 구축하는 자동화 프레임워크를 제안한다. 이 프레임워크는 (1) 웹 크롤링을 이용한 자동화된 건설 이미지 수집, (2) 이미지 분할 모델을 이용한 자동화된 이미지 라벨링, (3) 전경-배경 간 완전 무작위 교차 오버샘플링의 세 가지 주요 과정으로 구성된다. 개발된 프레임워크를 사용함으로써 53.5분 만에 건설 객체 탐지를 위한 5864장의 이미지로 구성된 학습 DB를 자동으로 구축할 수 있었다. 해당 DB로 학습된 딥러닝 모델은 평균 정밀도 92.71%, 재현율 88.14%로 건설 자원을 성공적으로 탐지하였다. 본 연구의 결과는 시각 기반 현장 모니터링 기술을 개발하는 데 필요한 시간과 노력을 줄일 수 있다.

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