Vision 기반 건물 옥상 가용 면적 추정

프로젝트 소개

건물 옥상의 빈 공간 검출을 통해 UAM 버티포트 수용성 판단 프로젝트

프로젝트 구조

• 데모/ : 모델 결과 시각화 코드

• 모델학습/: 건물 옥상의 빈공간 검출을 위한 3가지 딥러닝 모델의 구현 코드

  • MaskRCNN/: Mask R-CNN 모델 구현 및 관련 코드
  • Yolo/: YOLO 모델 구현
  • SAM/: SAM 모델 구현

• 분할/ : 수집된 건물 위성 이미지에서 해당 건물 옥상 부분만 분할

• 이미지수집/ : 건물 위성 이미지 수집 코드

• image_dataset/ : 모델학습 및 분할에 사용되는 이미지 데이터셋

  • 모델학습/: 딥러닝 모델의 Fine-tuning을 위한 레이블링한 데이터셋
  • 분할/: SAM을 이용한 건물 분할에 사용되는 데이터셋 및 원본 이미지

데이터셋 레이블링

현재 데이터셋 레이블링은 수동으로 진행됨
빈공간만을 레이블링 하여 모델학습 데이터셋 구성

Workflow

1. 데이터 수집 (이미지 수집)
2. SAM 이용 분할 (분할)
3. 비전 모델을 활용하여 빈공간 detection (모델학습)
4. 버티포트 수용성 판단 (데모)