토지피복 분류를 위한 멀티 모달 모델의 활용 가능성 평가 (Evaluation of the Potential Use of Multimodal Models for Land Cover Classification)

서지정보

· 발행기관 : 대한원격탐사학회
· 수록지 정보 : 대한원격탐사학회지 / 40권 / 5호 / 675 ~ 689페이지
· 저자명 : 심우담, 이정수

초록

본 연구는 토지피복 분류를 위한 멀티모달(Multimodal) 모델의 활용 가능성을 평가하기 위해 수행되었다. 멀티모달 모델인 Clipseg와 Convolutional Neural Network (CNN) 기반의 Unet, Transformer 기반의 Segformer 모델을 비교하여 토지피복 분류 성능을 평가하였다. 강원도 원주시의 두 지역(Area1, Area2)을 대상으로 정사항공사진을 이용하여 7개 토지피복 범주(산림지, 농경지, 초지, 습지, 정주지, 기타토지, 산림경영활동지)에 대한 분류를 수행하였다. 연구 결과, Clipseg 모델이 새로운 환경에서 가장 높은 일반화 성능을보였으며, 테스트 지역(Area2)에서 Overall Accuracy 83.9%, Kappa 0.72를 달성하여 세 모델 중 가장 높은 정확도를 보였다. 특히 산림지(F1-Score 94.7%), 농경지(78.0%), 정주지(78.4%) 분류에서 우수한 성능을 나타냈다. Unet과 Segformer 모델은 학습 지역(Area1)에서 높은 정확도를 보였으나 테스트 지역에서 각각 29%와20%의 정확도 감소를 보여 일반화 능력에 한계점을 보였다. Clipseg 모델은 가장 많은 파라미터(약 1억 5천만)와 긴 학습 시간(10시간 48분)을 필요로 했지만 새로운 환경에서 안정적인 성능을 보였다. 반면, Segformer 는 가장 적은 파라미터(약 1천 6백만)와 최단 학습 시간(3시간 21분)으로 상당한 정확도를 달성해 리소스가제한된 환경에서의 활용 가능성을 보여주었다. 본 연구는 이미지-텍스트 기반의 멀티모달 모델이 토지피복분류에 있어 높은 잠재력을 가지고 있음을 보여준다. 특히 새로운 환경에서의 일반화 능력이 뛰어나 다양한지역의 토지피복 분류에 효과적으로 적용될 수 있을 것으로 기대된다. 향후 연구에서는 모델 구조 개선, 데이터 불균형 해소 그리고 다양한 환경에서의 추가 검증을 통해 분류 정확도를 더욱 향상시킬 수 있을 것으로판단된다.

영어초록

This study was conducted to evaluate the potential of a multimodal model for land coverclassification. The performance of the Clipseg multimodal model was compared with two unimodal modelsincluding Convolutional Neural Network (CNN)-based Unet and Transformer-based Segformer for landcover classification. Using orthophotos of two areas (Area1 and Area2) in Wonju City, Gangwon Province,classification was performed for seven land cover categories (Forest, Cropland, Grassland, Wetland,Settlement, Bare Land, and Forestry-managed Land). The results showed that the Clipseg modeldemonstrated the highest generalization performance in new environments, achieving the highest accuracyamong the three models with an Overall Accuracy of 83.9% and Kappa of 0.72 in the test area (Area2). Itperformed particularly well in classifying Forest (F1-Score 94.7%), Cropland (78.0%), and Settlement(78.4%). While Unet and Segformer models showed high accuracy in the training area (Area1), theyexhibited limitations in generalization ability with accuracy decreases of 29% and 20% respectively in thetest area. The Clipseg model required the most parameters (approximately 150 million) and the longesttraining time (10 hours 48 minutes) but showed stable performance in new environments. In contrast,Segformer achieved considerable accuracy with the least parameters (about 16 million) and the shortesttraining time (3 hours 21 minutes), demonstrating its potential for use in resource-limited environments. This study shows that image-text-based multimodal models have a high potential for land coverclassification. Their superior generalization ability in new environments suggests they can be effectivelyapplied to land cover classification in various regions. Future research could further improve classificationaccuracy through model structure improvements, addressing data imbalances, and additional validationin diverse environments.

참고자료

· 없음