Dataset Construction and Comparative Analysis of Segmentation Models for Railway Track Detection

본 논문에서는 철도 차량의 궤도 검출 기술 개발 방향을 제시하기 위해 궤도에 대한 효과적인 데이터 라벨링 방안을 제안하고, 다양한 모델 간 학습 결과를 비교 분석하였다. 기존의 궤도 검출을 위한 공개 데이터셋은 수량이 부족하여 여러 데이터셋을 통합하여 사용해야 하지만, 기존의 데이터셋 간 라벨링 일관성이 부족하여 추가적인 통합 작업이 필요하다. 또한, 다양한 환경에서 수집된 데이터가 부족하여 도메인 변화(Domain Shift) 문제가 빈번하게 발생하며, 이는 실험 환경이 아닌 실제 시스템에 적용하기 어려운 원인이 된다. 또한 기존 데이터셋에는 레일 쌍에 대한 라벨링이 제공되지 않는다. 따라서 검출된 궤도에서 개별 레일을 구별하고, 이를 바탕으로 레일 쌍을 구성하는 추가적인 알고리즘이 필요하다. 이를 해결하기 위해 본 논문에서는 궤도 검출을 위한 새로운 데이터셋 형식을 제안하고, 이를 기반으로 기존 데이터셋을 통합하였다. 또한 추가 데이터를 취득해서 데이터셋을 구축하였다. 이후 Semantic Segmentation과 Instance Segmentation 모델을 각각 학습시켜 궤도 검출 결과를 비교, 분석하였으며, 이를 바탕으로 궤도 검출 기술의 발전 방향에 대해 논의한다.