강인한 영상 인식 및 복원(검출·인식·노이즈 제거) 연구

Robust Image Recognition and Restoration (Detection·Recognition·Denoising)

연구 내용

복잡한 현장 이미지에서 검출·인식 성능을 높이기 위해 주의 메커니즘과 경량 신경망, 멀티스케일 U-Net 기반 노이즈 억제를 통합하는 연구

영상 입력에서 객체와 구조를 안정적으로 파악하기 위해 컴퓨터 비전 기반의 강인한 학습 구성을 수행합니다. 공학 이미지에서는 코너 검출을 활용해 철근 간격을 측정하고, 이미지의 기하학적 단서를 이용한 검출 접근을 채택합니다. 섬유 인식에서는 MobileNetV3에 ENA(Early Neural Attention)를 적용하고, bneck 구조와 활성 함수를 조정하여 다양한 조건에서의 일반화 성능을 강화합니다. 또한 다중 스케일 attention을 U-Net에 결합해 불필요 정보를 억제하고 중요한 특징만 강조하는 방식으로 영상 복원 품질을 개선합니다. 더 나아가 영상 기반 탱크 트럭 개구부 위치 시각화에도 적용을 확장합니다.

관련 프로젝트

0건

연구 흐름

초기에는 공학 이미지의 구조 정보를 이용한 측정 문제로 연구를 시작하여 코너 검출 기반 철근 간격 산출과 같은 비전 절차를 구축했습니다. 이후 2025년 전후로는 섬유 인식에서 경량 네트워크(MobileNetV3)와 Early Neural Attention을 결합해 동적 환경의 일반화 문제를 다루는 흐름으로 이동했습니다. 동시에 멀티스케일 attention dense U-Net을 통해 노이즈가 포함된 이미지에서도 복원 성능을 확보하는 방향으로 확장되었습니다. 마지막으로 영상 기반 탱크 트럭 개구부의 2-stage fine-tuning 시각 위치 추정으로 산업 현장 적용 범위를 넓혔습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

공학 이미지 기반 치수 측정
철근 배근 간격 산출 자동화
섬유 재료 품질 인식
다품종 섬유 분류 고도화
노이즈 억제 영상 복원
영상 전처리 파이프라인 표준화
산업 설비 개구부 위치 추정
검사·계측 시스템 비전 모듈
다중 스케일 특징 기반 분류
경량 네트워크 추론 최적화