Review: A few-shot Learning approach for database-free vision-based monitoring on construction sites

논문 선정 이유

Few-Shot Learning을 건설산업에 적용한 첫번째 논문이다. 사용된 데이터셋과 Few-Shot Learning, Meta Learning 방식을 확인하고자 한다. 해당 논문에 따르면 20개의 training image로 73.1%의 정확도를 보인다고 한다.

Introduction

생산성과 안전에 대한 수행능력 향상, 건설프로세스의 분석 등등에 활용할 수 있는 Construction site monitoring은 프로젝트 관리의 성공을 위한 필수요소이다. 프로젝트 매니저의 입장에서는 사전에 위험과 안전 수행에 대해 관리하여 사고 리스크 등을 줄일 수 있기때문에 건설현장에 대한 효과적인 모니터링은 프로젝트의 성공을 위하여 중요하다.

그러나 동적이고, 넓은 범위의 건설 현장은 제한된 자원과 시간 때문에 직접 감독하기 힘들다. 그렇기에 vision based monitoring을 진행하기 위해 비디오 카메라를 설치해 이미지를 획득, 처리하는 방식을 고려할 수 있다. 획득한 이미지에 CNN등의 전통적인 방식의 model을 사용할 수 있지만 CNN의 경우 엄청난 양의 데이터를 요할뿐 아니라 데이터에 정확한 레이블링이 되어야 높은 성능이 나온다. 또한 프로젝트별 가변적인 상태는 학습데이터를 일관성있게 사용하기 힘들다. 그렇기에 해당 논문에서는 DB Free 방식 즉 적은 학습데이터로 충분한 성과가 나올 수 있는 모델을 제시한다.

Literature Review

R-CNN (region-based convolutional neural network) - Detecting Constrution Equipment Using a Region-based Fully Convolutional Network and Transfer Learning