딥러닝 모델을 이용한 항공정사영상의 비닐하우스 탐지 (Detection of Plastic Greenhouses by Using Deep Learning Model for Aerial Orthoimages)

서지정보

· 발행기관 : 대한원격탐사학회
· 수록지 정보 : 대한원격탐사학회지 / 39권 / 2호 / 183 ~ 192페이지
· 저자명 : 윤병현, 성선경, 최재완

초록

위성영상 및 항공사진과 같은 원격탐사 자료들은 영상판독과 영상처리 기법을 통하여 영상 내의 객체를탐지하고 추출하는 데에 사용될 수 있다. 특히, 원격탐사 자료의 해상도가 향상되고, 딥러닝(deep learning) 모델등과 같은 기술의 발전으로 인하여 관심객체를 자동으로 추출하여 지도갱신 및 지형 모니터링 등에 활용될 수있는 가능성이 증대되고 있다. 이를 위해, 본 연구에서는 의미론적 분할에 사용되는 대표적인 딥러닝 모델인 fullyconvolutional densely connected convolutional network (FC-DenseNet)을 기반으로 하여 항공정사영상 내 존재하는 비닐하우스를 추출하고, 이에 대한 결과를 정량적으로 평가하였다. 농림축산식품부의 팜맵(farm map)을 이용하여 담양, 밀양지역의 비닐하우스에 대한 레이블링을 수행하여 훈련자료를 생성하고, 훈련자료를 이용하여 FCDenseNet의훈련을 수행하였다. 원격탐사자료에 딥러닝 모델을 효과적으로 이용하기 위하여, 각 밴드별 특성이유지되도록 instance norm을 이용하여 정규화과정을 수행하였으며, attention module을 추가하여 각 밴드별 가중치를 효과적으로 산정하였다. 실험결과, 딥러닝 모델을 이용하여 영상 내 존재하는 비닐하우스 지역을 효과적으로 추출할 수 있음을 확인하였으며 팜맵, 토지피복지도 등의 갱신에 활용될 수 있을 것으로 판단하였다.

영어초록

The remotely sensed data, such as satellite imagery and aerial photos, can be used to extractand detect some objects in the image through image interpretation and processing techniques.
Significantly, the possibility for utilizing digital map updating and land monitoring has been increasedthrough automatic object detection since spatial resolution of remotely sensed data has improved andtechnologies about deep learning have been developed. In this paper, we tried to extract plasticgreenhouses into aerial orthophotos by using fully convolutional densely connected convolutionalnetwork (FC-DenseNet), one of the representative deep learning models for semantic segmentation.
Then, a quantitative analysis of extraction results had performed. Using the farm map of the Ministry ofAgriculture, Food and Rural Affairs in Korea, training data was generated by labeling plastic greenhousesinto Damyang and Miryang areas. And then, FC-DenseNet was trained through a training dataset. Toapply the deep learning model in the remotely sensed imagery, instance norm, which can maintain thespectral characteristics of bands, was used as normalization. In addition, optimal weights for each bandwere determined by adding attention modules in the deep learning model. In the experiments, it wasfound that a deep learning model can extract plastic greenhouses. These results can be applied to digitalmap updating of Farm-map and landcover maps.

참고자료

· 없음