전이학습 기반 컨볼루션 신경망 백본 모델의 철근콘크리트 손상 이미지 분석 성능 비교 연구

• Published in: 대한토목학회논문집(국문), 45(4) pp. 513 - 521
• Main Author: 박영훈
• Format: Journal Article
• Language: Korean
• Published: 대한토목학회 01.08.2025
• Subjects: 토목공학
• ISSN: 1015-6348; 2799-9629
• DOI: 10.12652/Ksce.2025.45.4.0513

본 연구는 철근콘크리트 구조물의 손상 이미지를 효과적으로 분석하기 위해, 전이 학습 기반의 다양한 컨볼루션 신경망 백본 모델의 성능을 비교하여 최적의 아키텍처를 도출하고자 하였다. 이를 위해 총 3,500장의 손상 이미지와 12개의 전이 학습 모델, 16가지 하이퍼파라미터 조합을 적용한 실험을 수행하였다. 그 결과, 바닐라 컨볼루션 신경망의 최고 top‑1 검증 정확도는 67.5 %로 한계가 있었으나, 전이 학습을 적용한EfficientNetB7 모델은 86.0 %로 크게 향상되어 전이 학습의 효과를 명확히 확인할 수 있었다. 하지만 단순 정확도만으로는 모델의 분류 성능을 온전히 평가할 수 없으며, F1-score 기준에서는 InceptionV3가 가장 균형 잡힌 성능을 보였다. 특히 MobileNet 계열은 경량성과 효율성 면에서는 우수한 성능을 보였으나, 클래스 불균형 상황에서는 정밀한 분류에 다소 한계가 존재하였다. 고정밀 분류가 필수적인 구조물 손상 이미지 분석에서는 단일 정확도 외에도 F-‑score와 같은 종합적인 성능 지표를 함께 고려하는 것이 중요함을 본 연구를 통해 확인하였다. 또한, 본 연구 결과는 실제 현장 적용을 위해 다양한 환경에서의 추가적인 검증과 실시간 처리 능력 개선이 필요함을 시사하며, 향후에는 데이터 불균형 해소 방안 마련과 더불어 경량 모델의 성능 향상, 최적화 기법 개발 등에 집중할 필요가 있다. This study aims to effectively analyze damage images of reinforced concrete structures by comparing the performance of various convolutional neural network backbone models based on transfer learning, in order to identify the optimal architecture. A total of 3,500 damage images were used in experiments involving 12 pretrained models and 16 combinations of hyperparameters. The results showedthat while the highest top-1 validation accuracy of a vanilla CNN was limited to 67.5 %, the accuracy significantly improved to 86.0 % when using the EfficientNetB7 model with transfer learning, clearly demonstrating the benefit of transfer learning in this domain. However, classification performance cannot be fully evaluated by accuracy alone. In terms of F1-score, the InceptionV3 model exhibited the most balanced performance. Although the MobileNet series showed excellent efficiency and lightweight characteristics, it had limitations in precise classification under class-imbalanced conditions. Since high-precision classification is essential for structural damage image analysis, this study confirms the importance of considering comprehensive performance metrics such as F1-score in addition to accuracy. Furthermore, the findings suggest that additional validation under diverse environmental conditions and improvements in real-time processing capabilities are necessary for practical applications. Future work should focus on addressing data imbalance, enhancing the performance of lightweight models, and developing optimization techniques. KCI Citation Count: 0