항공 이미지에서 지붕 열교 탐지 구축을 위한 딥러닝 기반 접근법

열교는 건물 외피의 약점으로, 에너지 손실, 수증기 응결, 그리고 건물 구조물 내부의 곰팡이 형성을 유발할 수 있다. 대규모 건물 집단의 열교를 탐지하기 위해 열화상 카메라를 탑재한 드론을 활용할 수 있다. 그러나 포괄적인 영상 데이터셋을 수동으로 분석하는 작업은 매우 시간이 오래 걸리므로, 이를 자동화하기 위해 딥러닝 기법을 탐구한다. 이를 위해 우리는 업데이트된 '건물 지붕의 열교(TBBRv2)' 데이터셋에서 촬영한 파노라마 드론 영상에서 수집한 지붕 위 열교에 초점을 맞춘다. 이 데이터셋은 총 926개의 이미지와 6,927개의 레이블을 포함하며, RGB 영상, 열화상 영상, 높이 정보를 모두 포함하고 있다. 다양한 신경망 아키텍처(5종)에서 사전 훈련 여부에 따라 최신 기술 기반 모델을 비교 분석한다. 비교 대상은 MaskRCNN R50, Swin-T 트랜스포머, TridentNet, FSAF, 그리고 기준 모델로 사용된 MaskRCNN R18이다. 분석 결과, 특히 사전 훈련된 모델에서 유의미한 성과를 확인할 수 있었으며, 사전 훈련된 Swin-T 트랜스포머 모델은 대형 열교 탐지에서 평균 재현율(Average Recall)이 50%를 초과하는 결과를 보였다.