MhRnd/road-crack-analyzer-pt

Road Crack Analyzer PT

도로 정사영상(Orthophoto)에서 균열 및 포트홀을 자동 탐지/분석하기 위한 모델 가중치 모음입니다.

가중치 파일 구조

MhRnd/road-crack-analyzer-pt/
├── yolo_best_2.pt                                              # YOLOv8s 균열 탐지 (22MB)
├── conv_best.pth                                               # ConvNeXt-Tiny 분류기 (319MB)
├── segformer-b2-finetuned_orthophoto_gaussian_crack_0920_512/  # Segformer-B2 균열 (105MB)
│   ├── config.json
│   └── model.safetensors
├── segformer-b0-finetuned-pothole_0830_1024/                   # Segformer-B0 포트홀 (15MB)
│   ├── config.json
│   └── model.safetensors
└── segformer-b0-finetuned-ade-512-512/                         # Segformer Feature Extractor
    └── preprocessor_config.json

모델 구성

1. YOLO v8 - 균열 영역 탐지

항목	내용
파일명	yolo_best_2.pt
아키텍처	YOLOv8s
용도	패치 내 균열 영역 사전 필터링 (Object Detection)
입력	RGB 이미지 (imgsz=1920)
학습 데이터	도로 정사영상 균열 바운딩 박스

2. Crack Segmentor - 균열 세그멘테이션

항목	내용
디렉토리	segformer-b2-finetuned_orthophoto_gaussian_crack_0920_512/
아키텍처	SegformerForSemanticSegmentation (B2)
Feature Extractor	segformer-b0-finetuned-ade-512-512/
입력	RGB 패치 이미지
출력	세그멘테이션 마스크 (background=0, crack>0)
학습 데이터	도로 정사영상 균열 마스크 (Gaussian augmentation 적용)

from transformers import SegformerForSemanticSegmentation, SegformerImageProcessor

model = SegformerForSemanticSegmentation.from_pretrained(
    "MhRnd/road-crack-analyzer-pt",
    subfolder="segformer-b2-finetuned_orthophoto_gaussian_crack_0920_512"
)
extractor = SegformerImageProcessor.from_pretrained(
    "MhRnd/road-crack-analyzer-pt",
    subfolder="segformer-b0-finetuned-ade-512-512"
)

inputs = extractor(images=patch, return_tensors="pt")
outputs = model(**inputs)
pred = nn.functional.interpolate(
    outputs.logits, size=(512, 512), mode="bilinear", align_corners=False
).argmax(dim=1)[0].numpy()

3. Pothole Segmentor - 포트홀 세그멘테이션

항목	내용
디렉토리	segformer-b0-finetuned-pothole_0830_1024/
아키텍처	SegformerForSemanticSegmentation (B0)
입력	RGB 패치 이미지 (512x512 resize)
출력	세그멘테이션 마스크 (background=0, pothole=255)
min_bbox_size	50px

model = SegformerForSemanticSegmentation.from_pretrained(
    "MhRnd/road-crack-analyzer-pt",
    subfolder="segformer-b0-finetuned-pothole_0830_1024"
)

4. ConvNeXt Classifier - 균열 유형 분류

항목	내용
파일명	conv_best.pth
아키텍처	ConvNeXt-Tiny
용도	균열 유형 분류 (LC / TC / AC)
입력	균열 crop 이미지 (256x256 resize, ImageNet 정규화)
출력	3-class logits
클래스	0: LC (종방향 균열), 1: TC (횡방향 균열), 2: AC (거북등 균열)
체크포인트 키	checkpoint["model"]

from huggingface_hub import hf_hub_download

path = hf_hub_download("MhRnd/road-crack-analyzer-pt", "conv_best.pth")
cls_model = convnext_tiny(num_classes=3)
checkpoint = torch.load(path, map_location=device, weights_only=False)
cls_model.load_state_dict(checkpoint["model"])
cls_model.eval()

transforms = T.Compose([
    T.Resize(256, interpolation=T.InterpolationMode.BICUBIC),
    T.ToTensor(),
    T.Normalize(IMAGENET_DEFAULT_MEAN, IMAGENET_DEFAULT_STD),
])

img = Image.fromarray(crack_crop).convert("RGB")
pred = torch.argmax(cls_model(transforms(img).unsqueeze(0)))
# 0: LC, 1: TC, 2: AC

파이프라인

입력 이미지
  |
패치 단위 슬라이딩 윈도우 (size=1024, stride=682)
  |-- [Crack Segmentor] Segformer-B2 균열 세그멘테이션
  |     +-- logits -> upsample 512x512 -> argmax -> resize
  |     +-- Contour 추출 (area > 100) -> Polygon + Buffer (40px)
  +-- [Pothole Segmentor] Segformer-B0 포트홀 세그멘테이션
       +-- resize 512x512 -> logits -> upsample -> argmax
       +-- Contour 추출 (bbox > 50px)
  |
Crack Polygon 병합 (unary_union)
  |
[ConvNeXt Classifier] 균열 유형 분류 (LC/TC/AC)
  |
폭/길이/면적 측정
  |
결과 출력

균열 유형 정의

코드	이름	설명	색상 (BGR)
LC	Longitudinal Crack	종방향 균열 (도로 진행 방향)	(255, 0, 0)
TC	Transverse Crack	횡방향 균열 (도로 직각 방향)	(0, 0, 255)
AC	Alligator Crack	거북등 균열 (망상 균열)	(0, 255, 0)
POT	Pothole	포트홀	(255, 0, 255)

분석 파라미터

파라미터	값	설명
size	1024	슬라이딩 윈도우 패치 크기
over	682	패치 stride (size / 1.5)
buffer_size	40	균열 polygon buffer 크기
min_crack_area	100	최소 균열 contour 면적
min_pothole_bbox	50	최소 포트홀 바운딩 박스 크기

관련 레포지토리

레포	설명
road-crack-analysis	배치 분석 파이프라인
road-crack-analysis-api	FastAPI 추론 서버