Members

• 김도윤 : Classification Baseline 작성 및 실험, 데이터 전처리 및 Annotation 작업, Object Detection Model 실험, 서비스 배포를 위한 Backend
• 김윤호 : Classification Baseline 작성 및 실험, 데이터 전처리 및 Annotation 작업, Object Detection Model 실험, 실시간 이미지 전송을 위한 Streamlit Frontend 모듈 구현
• 김종해 : Frontend 및 Backend Pipeline 구현, 데이터 전처리 및 Annotation 작업, Object Detection Model 실험, GCS 기반 DB 구축, Google Bigquery를 활용한 데이터 Log 생성, Streamlit을 활용한 실시간 데이터 시각화
• 조재효 : Frontend 및 Backend Pipeline 구현, 데이터 전처리 및 Annotation 작업, Object Detection Model 실험
• 허진녕 : Classification Baseline 작성 및 실험, 데이터 전처리 및 Annotation 작업, Object Detection Model 실험

 

프로젝트 개요

폭설, 폭우, 도로의 노후화로 생긴 포트홀은 수많은 운전자를 위협하고 있습니다. 아스팔트 도로 위의 포트홀은 차량을 파손할 뿐만 아니라, 운전자 역시 크게 다치거나 사망하는 인명사고로 이어질 수 있습니다. 하지만 지구 둘레의 약 2.8배인 아스팔트 도로 위에서, 포트홀이 어디에 있는지 알기는 쉽지 않습니다. 이러한 문제를 해결하고자, 인공지능을 활용하여 방대한 아스팔트 도로를 빠르게 점검하고 포트홀을 감지하는 서비스를 개발하며, 결과적으로 신속한 도로 유지보수를 가능하게 할 것입니다.

 

데이터셋 구조

├─ input
│  ├─ train
│  │  ├─ images
│  │  └─ annotations
│  ├─ valid
│  │  ├─ images
│  │  └─ annotations
│  └─ test
│     └─ images
│
└─ final_project
   ├─ .git  
   ├─ mmdetection
   ├─ notebook
   ├─ script
   └─ .gitignore

 

프로젝트 수행 절차

 

Dataset

AIHub 개방 데이터셋

 

Image Classification 실험 결과

모델	Best Accuracy
EfficentNet_b1	90.25
EfficentNet_b2	91.35
MobileNet_small	73.94
MobileNet_large	87.05
ResNet50	87.98
ResNeSt	90.02

• 최종 모델 : EfficentNet_b2

 

Annotation Tool

 

Object Detection 실험 결과

1 stage 모델	Best mAP50
YOLOF	0.3250
YOLOX	0.4610
YOLOV7	0.5293

2 stage 모델	Best mAP50
Cascade_rcnn_r101	0.4590
Cascade_ConvNeXt	0.4800
Cascade_SwinL	0.5860

• 최종 모델 : Cascade_swinL

 

Service Architecture

 

시연영상