검색 상세

국내 항공영상에서 건물 변화탐지를 위한 딥러닝 ChangeFormer 모델의 파인튜닝 학습

Fine-Tuning of the ChangeFormer Deep Learning Model for Detecting Building Changes in Korean Aerial Imagery

초록 (요약문)

항공영상 기반 변화탐지 연구는 도시 개발, 재난 관리 및 환경 모니터링 등 다양한 분야에서 주목받고 있다. 최근 항공영상에서 건물 변화탐지를 위한 ChangeFormer [4]딥러닝 모델이 발표되었으나, 모델 학습에 중국과 미국의 항공영상을 데이터로 사용한 결과, 국내 항공영상에 대한 탐지 성능이 저조한 문제가 발생하고 있다. 본 논문에서는 이런 문제점을 해결하기 위해 국내 항공영상 기반 건물의 변화탐지 학습데이터를 구축하였고, 이를 사용하여 ChangeFormer [4]모델을 파인튜닝하는 학습방법을 제안한다. 학습에 사용한 데이터는 국내에서 촬영된 항공영상을 활용하여 구축하였고, 딥러닝 모델 학습에 파인튜닝 기법, 데이터 증강 기법, 학습 데이터 볼륨별 성능비교, 그리고 손실 함수 변경 등을 적용하여 성능 차이를 실험적으로 분석하였다. 실험에 의하면 국내 항공영상에서의 건물 변화탐지에서 ChangeFormer [4]기본모델 대비 15.6%의 성능향상을 달성하였다. 본 논문의 연구성과는 제한된 학습데이터로 고성능의 변화를 탐지할 수 있는 방법론을 제시함으로써, 국내 항공영상에서 건물의 변화탐지 분야에 활용할 수 있을 뿐만 아니라, 효율적인 데이터 활용이 요구되는 다른 응용 분야에서도 유용하게 적용될 수 있는 가능성을 보여준다.

more

초록 (요약문)

Research on change detection using aerial imagery has gained significant attention in various fields, including urban development, disaster management, and environmental monitoring. Recently, a deep learning model for aerial image change detection, ChangeFormer [4], was introduced. However, its reliance on training data derived from aerial imagery of China and the United States presents a limitation for application to korean aerial imagery. To address this issue, this study developed a change detection dataset for buildings based on korean aerial imagery and proposed a fine-tuning approach for the ChangeFormer [4]model using this dataset. The constructed dataset, derived from aerial imagery captured within the country, is tailored to the characteristics of the korean environment. The model training process involved applying various fine-tuning techniques, data augmentation methods, adjustments in training data volume and modifications to the loss function, with performance differences analyzed experimentally. Experimental results demonstrated a 15.6% performance improvement in building change detection using korean aerial imagery compared to the baseline ChangeFormer model. The findings of this study present a methodology for achieving high-performance change detection with limited data, which is not only applicable to building change detection in korean aerial imagery but also holds potential for other applications requiring efficient data utilization.

more

목차

1. 서론 1
2. 기존 연구 및 문제정의 4
2.1 항공영상 변화탐지에 관한 기존 연구 4
2.2 변화탐지 딥러닝 모델: ChangeFormer [4] 5
2.3 항공영상 변화탐지 데이터셋 7
2.4 기존 연구의 문제점 분석 8
3. 국내 항공영상의 건물 변화탐지를 위한 딥러닝 모델 파인튜닝 10
3.1 주요 연구내용 10
3.2 학습데이터 구축 11
3.3 파인튜닝 학습 20
4. 실험 및 결과 분석 27
4.1 실험개요 27
4.2 학습 및 평가 데이터셋 30
4.3 성능평가 31
4.4 실험결과 고찰 40
5. 결론 및 보완할 점 48
참고문헌 50

more