하이브리드-세그멘터: Civil 인프라 내 자동 미세한 균열 세그멘테이션을 위한 하이브리드 접근법

도로 및 건물과 같은 인프라의 균열을 탐지하고 분할하는 것은 안전성 확보와 비용 효율적인 유지보수 측면에서 매우 중요하다. 심층 학습의 잠재력에도 불구하고, 정밀한 결과를 도출하고 다양한 유형의 균열을 효과적으로 처리하는 데에는 여전히 도전 과제가 존재한다. 본 연구에서 제안하는 데이터셋과 모델을 통해 균열 탐지 및 인프라 유지보수의 정확도를 향상시키고자 한다. 우리는 인코더-디코더 기반의 Hybrid-Segmentor 모델을 제안한다. 이 모델은 세밀한 국소적 특징과 전반적인 전역적 특징을 동시에 추출할 수 있어, 다양한 형태, 표면, 크기의 균열을 구분하는 데 있어 모델의 일반화 능력을 향상시킨다. 실용적인 목적을 고려하여 계산 복잡도를 낮추면서도 모델의 높은 일반화 능력을 유지하기 위해, 인코더 레벨에 자기 주의(Self-attention) 메커니즘을 도입하고 디코더 구성의 복잡성을 줄였다. 제안된 모델은 정량적 평가 지표 5개(정확도 0.971, 정밀도 0.804, 재현율 0.744, F1 점수 0.770, IoU 점수 0.630)에서 기존 벤치마크 모델들을 모두 상회하며, 최신 기술 수준(상위 성능)을 달성하였다.