생성 모델을 활용한 도로 노면 불량 이미지 데이터 증강 연구

국문 초록 (Abstract)

최근 발전된 AI 기술을 활용하여 운전자의 안전과 사고 예방을 위한 주행 보조 시스템 개발이 이어지고 있다. 주행환경 파악을 위해서는 사람과 같은 동적 객체와, 도로 노면의 불량과 같은 정적 객체를 인식하여야 한다. 한국도로공사에 따르면 고속도로 노면의 불량으로 인한 피해보상은 지난 2021년 1,218건으로, 2017년 대비 약 4배의 수치를 기록하였다. 빠르게 주행하는 고속도로 특성상 노면의 불량은 대형 사고로 이어질 수 있어, 이를 인식하는 것은 중요하다.
노면의 불량을 인식하기 위해서는 충분한 이미지 데이터셋이 필요하지만, 도로 이미지를 직접 수집하면 시간과 비용이 많이 드는 문제가 있다. 본 연구팀은 이를 해결하기 위해 생성 모델을 활용한 도로 노면 불량 이미지 데이터 수집 및 증강 방안을 제안한다. 먼저, 지도 어플리케이션을 통해 크랙이 있는 도로 이미지를 수집한다. 이후 여러 가지 생성 모델을 통해 이미지 데이터를 증강한 후, 평가지표(mAP)로 각 생성 모델의 성능을 비교한다. 본 연구에서는 성능이 가장 좋은 Stable Diffusion을 도로 노면 불량 이미지 데이터 증강에 활용한다.
본 연구는 도로 이미지 데이터를 직접 수집할 때 드는 시간적, 금전적 손실을 줄일 것으로 기대된다. 또한, 충분한 데이터셋 확보로, 도로 노면의 불량 감지 연구에도 기여할 것으로 예상된다.
※ 이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임 (No. 2022H1D8A3037396)