Design and Evaluation of Spatio-Temporal Deep Learning Models for Urban Road Flood Detection

본 논문에서는 CCTV 영상을 활용한 도시 도로 침수 탐지를 위해 spatio-temporal 기반 딥러닝 모델을 제안한다. ViViT 구조와 CNN–Transformer 하이브리드 구조의 두 가지 모델을 설계 및 구현하고, CCTV 데이터와 Kinetics-400 데이터셋을 활용하여 성능을 평가하였다. 실험 결과, 제안하는 모델은 기존 참고 모델 대비 8~12% 향상된 정확도를 보였으며, ViViT 기반 모델은 주야간 통합 데이터셋에서 97%의 추론 정확도를 달성하였다. 또한 학습 및 검증 데이터 간 시각적 차이를 줄이기 위한 전처리와 데이터 증강 기법을 적용하고, 판단 근거 시각화를 통해 모델의 해석 가능성과 신뢰성을 확보하였다.