인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 도로 안전 유지의 핵심 과제인 포트홀 자동 탐지를 위해 최신 딥러닝 아키텍처인 Vision Transformer의 적용 가능성을 탐색하고, 주요 ViT 계열 모델들의 성능을 비교 분석하는 것을 목표로 한다. 초기 포트홀 탐지 연구가 합성곱 신경망 기반 모델에 집중되었던 것과 달리, 본 연구는 이미지의 전역적인 컨텍스트를 효과적으로 학습하는 Transformer 구조에 주목하였다. 이를 위해 공개된 포트홀 이미지 데이터셋을 활용하여 ViT, DeiT, Swin Transformer 모델을 Tiny와 Base 크기별로 나누어 동일한 조건에서 학습시켰다. 각 모델의 성능은 분류 정확도를 나타내는 정확도와 모델의 판별 능력을 종합적으로 평가하는 ROC-AUC를 핵심 지표로 사용하여 정량적으로 평가하였다. 실험 결과, 지식 증류 기법이 적용된 DeiT(Base) 모델이 94.0%의 정확도와 98.1%의 ROC-AUC로 모든 비교 모델 중 가장 우수한 성능을 보였다. 이는 DeiT가 비교적 적은 양의 데이터셋에서도 높은 일반화 성능과 데이터 효율성을 가짐을 입증하는 결과이다. 본 연구의 결과는 향후 구축된 데이터셋의 규모나 시스템 요구 조건 등 다양한 상황에 맞는 최적의 Transformer 기반 탐지 모델을 선정하는 데 중요한 기초 자료로 활용될 것으로 기대된다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095640078
