저해상도 아마존 산림 벌채 데이터셋과 의사 라벨링 기법을 통한고해상도 라벨 생성 방법 (Generating High-Resolution Labels Using a Low-Resolution Amazon Deforestation Dataset and Pseudo-Labeling Techniques)

서지정보

· 발행기관 : 대한원격탐사학회
· 수록지 정보 : 대한원격탐사학회지 / 41권 / 1호 / 111 ~ 119페이지
· 저자명 : 이돈구, 최연주

초록

아마존은 지구 온난화 완화와 생물다양성 보호 등 지구 환경 유지에 중요한 역할을 담당하지만, 오랜기간 동안 산림 훼손이 지속적으로 진행되고 있다. 특히, 광범위한 영역으로 인해 훼손 지역을 효과적으로 파악하는 데 한계가 있으며, 추가적인 훼손 방지 및 복원 계획 수립을 위해 위성 정보를 활용하는 중요성이 더욱 부각되고 있다. 본 연구에서는 저해상도 위성 영상과 산림 훼손 라벨링(labeling) 데이터를 활용하여 고해상도 영상에서 산림 훼손 지역 라벨링을 자동 생성하는 딥러닝 기반 방법론을 제안하였다. 제안된 방법은 초기 단계에서 저해상도 영상과 라벨링 데이터를 기반으로 학습을 진행하며, 이후 의사 라벨(Pseudo label)을생성하고, 이를 통해 고해상도 위성 영상에서 산림 훼손 지역 라벨링의 정확도를 향상시킴을 확인하였다. 본연구의 결과는 산림 벌채 지역에 대한 라벨링 정보가 없는 위성 영상에도 높은 정확도를 갖춘 고해상도 라벨링 데이터를 생성하여, 정밀한 산림 훼손 지역 분석 및 복원 계획 수립에 기여할 수 있을 것으로 기대된다.

영어초록

The Amazon plays a crucial role in mitigating global warming and preserving biodiversity,which are vital for the Earth's environment. However, deforestation has been ongoing for an extendedperiod. Particularly, the vast scale of the region poses challenges in accurately identifying deforested areas,highlighting the growing importance of leveraging satellite information to prevent further damage anddevelop effective restoration plans. This study proposes a deep learning-based method to automaticallygenerate high-resolution deforestation labels using low-resolution satellite imagery and existingdeforestation label data. The proposed method initially performs primary training using low-resolutionimages and labeled data. Through this process, pseudo-label data are generated and used for iterativelearning, ultimately improving the accuracy of deforestation area labeling on high-resolution satelliteimages. The output of this research can contribute to generating highly accurate high-resolution labelingdata, even for satellite images without prior deforestation labels. This data can be utilized for detailedanalysis of deforested areas and the development of precise restoration strategies.

참고자료

· 없음