리서치 뉴스
Road-oriented attention and class-balanced learning for post-disaster road damage segmentation
OPOpenAlex
재해 후 도로 손상 영역을 픽셀 단위로 구분하는 딥러닝 프레임워크를 제안한 논문이 Machine Learning with Applications에 게재됐다.
세 줄 요약
- DeepLabV3+에 도로 중심 다중 레벨 어텐션과 RO-Dice CWB 손실을 더하고, 2684장 데이터로 mIoU 0.7248, 손상 클래스 IoU 0.6029를 기록했다.
- 재해 영상에서 희소하고 대비가 약한 도로 손상 영역을 더 일관된 마스크로 구분해, 도로 상태 판단에 필요한 근거를 제공한다.
- 검증은 PDRDD-J와 SoDR을 합친 2684장 데이터에서 진행됐고, 코드와 데이터는 깃허브에 공개되어 있어 CC BY-NC 라이선스 조건을 점검해야 한다.
재해 후 도로 손상 영역을 픽셀 단위로 구분하는 딥러닝 프레임워크를 제안한 논문이 Machine Learning with Applications에 게재됐다.