딥러닝 모델 기반 위성영상 데이터세트 공간 해상도에 따른 수종분류 정확도 평가 (The Accuracy Assessment of Species Classification according to Spatial Resolution of Satellite Image Dataset Based on Deep Learning Model)

서지정보

· 발행기관 : 대한원격탐사학회
· 수록지 정보 : 대한원격탐사학회지 / 38권 / 6호 / 1407 ~ 1422페이지
· 저자명 : 박정묵, 심우담, 김경민, 임중빈, 이정수

초록

본 연구는 분류(classification)기반 딥러닝 모델(deep learning model)인 Inception과 SENet을 결합한 SEInception을활용하여 수종분류를 수행하고 분류정확도를 평가하였다. 데이터세트의 입력 이미지는Worldview-3와 GeoEye-1 영상을 활용하였으며, 입력 이미지의 크기는 10 × 10 m, 30 × 30 m, 50 × 50 m로 분할하여 수종분류정확도를 비교·평가하였다. 라벨(label)자료는 분할된 영상을 시각적으로 해석하여 5개의 수종(소나무, 잣나무, 낙엽송, 전나무, 참나무류)으로 구분한 후, 수동으로 라벨링 작업을 수행하였다. 데이터세트는 총 2,429개의 이미지를 구축하였으며, 그 중 약 85%는 학습자료로, 약 15%는 검증자료로 활용하였다. 딥러닝 모델을 활용한 수종분류 결과, Worldview-3 영상을 활용하였을 때 최대 약 78%의 전체 정확도를 달성하였으며, GeoEye-1영상을 활용할 때 최대 약 84%의 정확도를 보여 수종분류에 우수한 성능을 보였다. 특히, 참나무류는 입력 이미지크기에 관계없이 F1은 약 85% 이상의 높은 정확도를 보였으나, 소나무, 잣나무와 같이 분광특성이 유사한수종은 오분류가 다수 발생하였다. 특정 수종에서 위성영상의 분광정보 만으로는 특징량 추출에 한계가 있을수 있으며, 식생지수, Gray-Level Co-occurrence Matrix (GLCM) 등 다양한 패턴정보가 포함된 이미지를 활용한다면 분류 정확도를 개선할 수 있을 것으로 판단된다.

영어초록

This study was conducted to classify tree species and assess the classification accuracy, usingSE-Inception, a classification-based deep learning model. The input images of the dataset usedWorldview-3 and GeoEye-1 images, and the size of the input images was divided into 10 × 10 m, 30 ×30 m, and 50 × 50 m to compare and evaluate the accuracy of classification of tree species. The labeldata was divided into five tree species (Pinus densiflora, Pinus koraiensis, Larix kaempferi, Abiesholophylla Maxim. and Quercus) by visually interpreting the divided image, and then labeling wasperformed manually. The dataset constructed a total of 2,429 images, of which about 85% was used aslearning data and about 15% as verification data. As a result of classification using the deep learningmodel, the overall accuracy of up to 78% was achieved when using the Worldview-3 image, the accuracyof up to 84% when using the GeoEye-1 image, and the classification accuracy was high performance.
In particular, Quercus showed high accuracy of more than 85% in F1 regardless of the input image size,but trees with similar spectral characteristics such as Pinus densiflora and Pinus koraiensis had manyerrors. Therefore, there may be limitations in extracting feature amount only with spectral informationof satellite images, and classification accuracy may be improved by using images containing variouspattern information such as vegetation index and Gray-Level Co-occurrence Matrix (GLCM).

참고자료

· 없음