Deep learning for video/image understanding of disease, scenes, and defects
연구 내용
다중 영상 양식에서 특징 분할과 패턴 인식을 수행하여 뇌종양을 탐지하고, 도로 상황·인물 영상·태양광 결함을 분류·분할하는 컴퓨터비전 모델을 구축하는 연구
본 연구는 영상 데이터를 입력으로 하여 분할과 분류를 동시에 수행하는 딥러닝 모델을 설계합니다. 의료 영상에서는 MRI의 잡음과 스케일 변화를 고려해 경량화된 멀티패스 CNN과 특징 선택 모듈을 적용하여 종양 탐지를 수행합니다. 일반 영상에서는 트랜스포머 기반 상황 인식으로 프레임의 동작과 의미역 역할을 구조적으로 요약하고, 경계 이동 보정과 하이브리드 모델로 고속 초상 영상 분할을 수행합니다. 또한 YOLOv8 변형을 통해 태양광 결함을 효율적으로 검출하는 방향으로 확장합니다.
관련 연구 성과
관련 논문
5편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 뇌종양 탐지에서 다양한 영상 양식을 통합 관점으로 정리하고, 향후 과제와 기술 선택 기준을 제시하는 리뷰 기반 연구를 수행했습니다. 이후에는 2025년을 중심으로 Rician noise 및 스케일 영향까지 고려하여 멀티패스 CNN과 특징 선택 모듈을 적용하는 구조로 세분화 연구를 진행했습니다. 동시에 2024년에는 도로 장면에서 의미역 의존성을 다루기 위해 동작 예측과 명사 추정을 상호작용시키는 트랜스포머 기반 상황 인식 연구를 수행했습니다. 최근에는 인물 영상 분할과 태양광 결함 검출처럼 응용 특화된 경량·고효율 모델로 확장하는 흐름을 따릅니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Brain tumor detection with integrating traditional and computational intelligence approaches across diverse imaging modalities - Challenges and future directions
A lightweight multi-path convolutional neural network architecture using optimal features selection for multiclass classification of brain tumor using magnetic resonance images
RoadSitu: Leveraging road video frame extraction and three-stage transformers for situation recognition
High-speed portrait video segmentation using the hybrid combination of deep-learning models and boundary movement adjustment
Improved YOLOv8 framework for efficient solar panel defect detection