무감독 픽셀 단위 도로 균열 탐지를 위한 적대적 이미지 복원 기반의 UP-CrackNet
본 연구는 기존 감독 학습 기반 픽셀 단위 도로 균열 탐지 알고리즘의 한계를 극복하기 위해 UP-CrackNet이라는 새로운 네트워크 아키텍처와 학습 패러다임을 제안한다. UP-CrackNet은 손상되지 않은 도로 이미지 패치만을 사용하여 학습되며, 적대적 이미지 복원 기술을 적용하여 무감독 방식으로 손상된 영역을 학습한다. 테스트 과정에서는 양방향 필터링 및 Otsu 임계화와 같은 일반적인 이미지 처리 알고리즘을 적용한다. 3개의 데이터셋에 대한 광범위한 실험을 통해 UP-CrackNet의 도로 균열 탐지 효과와 다양한 데이터셋 및 시나리오에 걸친 우수한 일반화 성능을 입증한다.