• 토지주택연구
• /
• 제15권4호
• /
• pp.1-9
• /
• 2024

컴퓨터비전 AI는 건설산업의 디지털 전환과 로봇 자동화의 중요한 요소로, 기존에는 학습 이미지 데이터가 많으면 많을수록 모델의 성능이 더 높아진다라는 가설을 기반으로 활발히 연구되어왔다. 그러나 시간에 따라 토공-기초-골조-마감작업이 진행되는 건설현장에서는 각 공종에 특화된 이미지를 사용하는 것이 데이크셋의 크기를 확장하는 것보다 더 중요하다는 대안 가설을 세울 수 있다. 이러한 배경에서 본 연구는 학습 이미지 데이터셋의 크기와 특화성(각 공종에 특화된 정도)이 컴퓨터비전 AI 성능에 미치는 영향을 조사한다. 구체적으로, 학습 이미지 개수를 변경해가며 전 공종 범용 이미지셋과 공종별 특화 데이터셋을 각각 준비하고, 영상 기반 작업자 탐지 모델을 학습시킨 뒤 공종별 시험 이미지셋을 활용하여 그 성능을 평가-비교분석한다. 또한, 공종별 컴퓨터비전 AI의 최고 성능과 전 생애주기에서의 모델 성능 변화, 필요한 학습 데이터 개수를 종합적으로 분석하여, 건설현장 컴퓨터비전 AI 개발을 위한 최적의 학습 데이터셋 크기와 특화성을 결정한다. 연구결과는 앞서 언급한 두 가지 가설을 과학적으로 검증할 수 있는 기초자료가 될 것이며, 더 나아가 계속해서 변화하는 건설현장에 활용할 AI 모델을 위해 학습 이미지 데이터셋을 어떻게 구축하고 업데이트해야 하는지에 대한 이론적 기반을 마련할 것이다.