Domestic Conference
2026.03.09 11:08
한인수, 노명일, 여인창, 최성원 "선박 도면을 위한 원 샷 객체 탐지 방법", 2026년도 한국CDE학회 동계학술발표회, 용평, p. 238, 2026.02.09-02.12
조회 수 548
| 첨부 '1' |
|---|
| Abstract | 선박 도면의 설계 및 검토 업무의 자동화를 위해서는 도면 내 장비 및 계기를 나타내는 기호의 종류와 위치를 정확히 식별하는 기술이 필수적이며, 최근 도면의 디지털화 수요가 증가함에 따라 이러한 요구는 더욱 확대되고 있다. 이를 위해 다양한 딥 러닝 기반의 객체 탐지 기술이 활용되고 있으나, 기존 방법은 학습 단계에서 정의된 클래스에 대해서만 탐지 성능이 최적화되어 학습에 없던 기호가 입력되면 이를 별도의 새로운 기호로 구분하기보다는 기존 정의된 클래스 중 하나로 판단하는 문제가 발생할 수 있다. 또한, 대부분의 탐지 결과가 직사각형의 바운딩 박스 형태로 제공되어 기호의 형상에 따라 주변의 배관 선, 인접 기호 등이 박스 내에 함께 포함되는 문제가 발생할 수 있다. 이는 후속 도면 분석 과정에서 불필요한 노이즈를 유발하고 결과의 정확도를 떨어뜨릴 수 있다. 이에 본 연구에서는 기존 방법의 한계를 개선하기 위해, 탐지 대상 도면과 함께 사용자가 찾고자 하는 기호 이미지를 초기에 입력으로 받아 도면에서 해당 기호의 위치를 찾아내는 원 샷 (one-shot) 객체 탐지 방법을 제안하였다. 나아가 각 기호의 형상까지 정밀하게 반영한 인식 결과를 확보하기 위해, 픽셀 단위의 분할 (segmentation) 결과를 함께 출력할 수 있는 구조의 딥 러닝 모델을 선정하였다. 딥 러닝 모델을 효율적으로 학습하기 위해, 가상 학습 데이터의 생성 방법을 제안하고, 강건한 탐지 성능의 확보를 위해 다양한 데이터 증강 기법을 활용하였다. 결과적으로 해당 기호가 학습 데이터에 포함되지 않았더라도 종류에 관계없이 도면에서 위치를 찾아낼 수 있으며, 픽셀 단위의 정밀한 탐지 결과를 함께 도출하여 기호의 형상과 경계를 정밀하게 제공할 수 있다. 본 연구에서 제안한 방법을 딥 러닝 모델의 학습 데이터에 포함되지 않았던 실제 선박 도면에 적용하였고, 높은 정확도 및 정밀도로 객체를 탐지하여 그 효용성을 검증하였다. |
|---|---|
| Publication Date | 2026-02-11 |
