News: 한국구조물진단유지관리공학회 국문논문 출간
안녕하세요. 김종혁입니다.
오늘은 조금 뒤늦은 감이 없지 않아 있지만, 최근 한국구조물진단유지관리공학회에 국문논문이 출간되어 이에 대한 소식과 더불어 제가 본 연구에 참여하여 수행한 일들에 대해 글을 작성해볼까 합니다.
저는 본 연구에서 다음과 같은 일들을 수행하였습니다.
-
Image Labeling
-
Image Composite
-
Development of Image Labeling Conversion & Image Composite Software
-
Automation of Searching Image Data for Training Model
-
Development of Deep Learning Model(UNet-Vgg16)
먼저 이미지 레이블링에 대해서 말씀을 드리면, 초기에는 Matlab의 3rd Party Software를 이용하여 Mouse로 Labeling을 수행하였습니다.
하지만 이것은 굉장히 비효율적인 Interface를 가지고 있었기에 어떻게 하면 이것을 효율적으로 해결할 수 있을지에 대해서 고민하기 시작하였습니다.
저는 아이패드를 가지고 있었기 때문에 아이패드의 펜을 이용하면 훨씬 정교한 Labeling 작업과 더불어 작업속도 또한 높일 수 있을 것이라고 생각하였습니다.
이에 아이패드 앱들 중에서 Labeling을 전문적으로 하는 어플을 탐색하였으나, 이 역시 이러한 목적을 위해 존재하는 어플들은 존재하지 않았습니다.
그래서 저는 Photoshop과 같은 사진 편집 어플은 Appstore에 많이 출시되어 있었으므로 이를 활용하되, Matlab에서 3rd Party Software로 Labeling하여 Export한 결과 이미지들과 동일하게만 한다면 되겠다는 생각을 하게 되었고, 이에 Image Labeling Conversion & Image Composite Software를 개발하게 되었습니다.
이에 대한 개발은 다음의 깃헙 링크에서 확인하실 수 있습니다.
다음으로 초기 훈련 데이터셋을 이용하여 모델을 학습시키고, 이로부터 새로운 형태나 특징을 지닌 방충재 이미지들을 Predict한 결과는 좋지 못하였습니다.
이에 새로운 특징을 지닌 방충재 훈련 데이터셋을 많이 구하여 이로부터 학습을 진행하면 되지 않겠느냐고 반문하실 수 있지만, 사실 방충재는 국가보안 시설물로서 한번 영상을 수집함에 있어 많은 제약사항이 따르게 됩니다.
이러한 한계점에 도달한 저는 교수님께 새로운 형태나 특징을 지닌 방충재로 기존 방충재를 합성하는 것에 대한 아이디어를 말씀드렸고, 교수님께서 이를 승인해주셔서 Photoshop과 같은 이미지 편집 소프트웨어를 사용하여 기존 방충재를 새로운 형태의 방충재로 탈바꿈시킬 수 있었습니다.
이러한 합성 데이터셋을 이용하여 학습한 결과는 새로운 데이터셋에 대해서 상당히 좋은 성능을 보이게 되었습니다.
물론 합성한 이미지들에 대해서도 Labeling은 진행하여야 했기 때문에 위에서 언급한 Image Labeling Software를 이때에도 사용하였습니다.
그런데 간혹 불필요한 특징을 지닌 영역에 방충재가 포함된 훈련 데이터셋이 상당히 많이 존재하였고, 해당 부분에 대해서는 레이블링을 별도로 진행하지 않았기 때문에 이로부터 모델학습 결과가 편향될 가능성이 있어 이러한 훈련 데이터셋을 다시 한번 자동으로 가공해줄 소프트웨어가 필요하였습니다.
이에 이미 위에서 제가 개발한 소프트웨어명에 Image Composite이라는 문구가 들어간 것으로 미루어 짐작하신 분도 계실 것 같습니다만, 해당 소프트웨어에 이러한 자동 Crop 기능도 추가하여 기존에 일일히 작업해야 하는데 소요되는 시간을 상당히 많이 절약할 수 있었습니다.
이러한 자동화는 여기서 그치지 않았습니다.
교수님께서는 위의 방충재 확보에 대한 한계점으로 인해 특정 방충재를 수집하는 과제를 저에게 부여해주셨고, 저는 이것 또한 자동화할 계획을 세우게 되었습니다.
이에 다음 게시글에 대한 소프트웨어를 개발하게 되었습니다.
The Automation of Collecting Data for Construction Information Technology Research
이는 The Quick Project라는 명으로 다음 깃헙에서 관리를 진행하고 있습니다.
마지막으로 저는 일반적으로 Image Segmentation 분야에서 널리 알려진 UNet 모델과 Vgg16 Encoder를 접목시킨 UNet-Vgg16 모델을 개발하였습니다.
이로부터 본래 건설IT 랩실에서 개발한 Image Segmentation 모델과 비교대상이 될 수 있었고, 논문에서 확인하실 수 있듯이 일반적으로 알려진 UNet-Vgg16의 결과보다 랩실에서 개발한 Segmentation 모델이 더 좋은 성능을 보임을 확인할 수 있었습니다.
본 연구를 수행하면서 단순히 논문이라는 하나의 결과를 넘어서 그 과정 속에서 많은 우여곡절과 시련, 어려움이 있었지만, 그럼에도 다양한 경험과 폭 넓은 사고를 할 수 있는 기회가 되어 연구 이전의 저와 비교하였을 때 많은 성장을 할 수 있었던 것 같습니다.
저는 여기서 본 결과에 만족하지 않고, 더더욱 열심히 배우고 성장하는 연구자가 되기 위해 부단히 노력할 것입니다.
글 읽어주셔서 감사합니다.
댓글남기기