항공 및 위성영상을 이용한 FC-DenseNet 기반 비닐하우스 탐지 :

윤병현

추천

검색

자료유형: 학위논문

저자정보: 윤병현 (충북대학교 )

지도교수: 최재완

발행연도: 2023

저작권: 충북대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (3)

2023

딥러닝 모델을 이용한 항공정사영상의 비닐하우스 탐지

윤병현 , 성선경 , 최재완 대한원격탐사학회지 2023.04 학술저널

위성영상의 계절적 특성에 따른 비닐하우스 탐지 결과 분석

윤병현 , 장안진 , 성선경 외 1명 한국측량학회지 2023.04 학술저널

항공 및 위성영상을 이용한 FC-DenseNet 기반 비닐하우스 탐지

윤병현 토목공학과 2023.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

위성영상 및 항공사진과 같이 원격탐사자료는 해석 및 처리 기술을 통해 영상자료로부터 객체를 추출하고 탐지하는 데 사용될 수 있다. 특히 원격탐사자료의 공간적 해상도가 향상되고 딥러닝 기술이 개발됨에 따라 자동 객체 탐지를 통하여 디지털 지도 등의 갱신에 활용이 가능하여졌다. 본 논문에서는 의미론적 분할을 위한 대표적인 딥러닝 모델 중 하나인 FC-DenseNet 모델을 사용하여 항공 및 위성 이미지로부터 비닐하우스를 탐지하려고 하였다. 팜맵 데이터를이용하여 김해, 밀양, 창원 지역에 훈련자료를 생성한 후 FC-DenseNet은 모델을 이용하여 학습을 한 후 담양 지역의 항공 및 위성영상에 적용하였다. FC-DenseNet 모델에 주목 모듈을 추가하여 각 밴드에 대한 최적 가중치를 결정하였으며 특히 위성영상의 계절적 특성에 대한 영향을 분석하기 위하여 네 가지 유형의 학습데이터를 사용하여 비닐하우스 탐지를 위한 딥러닝 모델을 수행하였다. 연구 결과 본 논문에서 제안한 FC-DenseNet 기법으로 항공 및 위성영사으로부터 비닐항우스를 효과적으로 추출할 수 있음을 확인하였으며 이러한 결과는 팜맵의 갱신에 활용이 가능할 것으로 확인되었다.

The remotely sensed data, such as satellite and aerial imagery, can be used to extract and 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 increased through automatic object detection since spatial resolution of remotely sensed data has improved and technologies about deep learning have been developed. In this paper, we tried to extract plastic greenhouses into aerial and satellite imagery by using fully convolutional densely connected convolutional network (FC-DenseNet), one of the representative deep learning models for semantic segmentation. Using the farm map of the Ministry of Agriculture, Food and Rural Affairs in Korea, training data was generated by labeling plastic greenhouses into Gimhae, Miryang and Changwon areas. And then, FC-DenseNet was trained through a training dataset. To apply the deep learning model in the remotely sensed imagery, instance norm, which can maintain the spectral characteristics of bands, was used as normalization. In addition, optimal weights for each band were determined by adding attention modules in the deep learning model. In particular, as the plastic greenhouses area is not affected by seasonal characteristics, additional training data was created by integrating images collected at various times. A deep learning model for plastic greenhouses detection in agriculture area was performed using the four types of training data. The results showed that the deep learning model built using the integrated satellite imagery of various periods performed the best. Based on the results, it is expected that the proposed deep learning methods for plastic greenhouses detection can be improved by using multi-temporal satellite imagery in the future. We also found that a deep learning model can extract plastic greenhouses. These results can be applied to farm map updating.

Ⅰ. 서 론
1.1 연구의 필요성 및 목적
1.2 국내·외 연구 동향
1.3 연구 방법 및 범위
Ⅱ. 기본 이론
2.1 딥러닝 기법
2.2 합성곱 신경망(CNN)
2.2.1 합성곱 계층
2.2.2 풀링 계층
2.2.3 활성화 함수
2.3 의미론적 분할
2.3.1 FC-DenseNet
2.3.2 CBAM 22
2.3.3 손실함수
2.4 분류결과 영상의 정량적 평가 방법
Ⅲ. 실험자료
3.1 팜맵의 현황 및 특징
3.1.1 팜맵의 정의
3.1.2 팜맵의 현황
3.1.3 팜맵의 특성
3.2 항공정사영상
3.2.1 항공사진 구축
3.2.2 항공정사영상 제작
3.3 PlanetScope 위성영상
Ⅳ. 딥러닝 기반 비닐하우스 탐지
4.1 팜맵을 이용한 훈련자료 구축
4.1.1 항공정사영상을 이용한 훈련 및 평가자료 구축
4.1.2 PlanetScope 위성영상을 이용한 훈련 및 평가자료 구축
4.2 딥러닝 모델을 이용한 비닐하우스 탐지 기법
4.3 딥러닝 모델의 학습 방법
Ⅴ. 실험 결과 및 분석
5.1 실험자료별 딥러닝 모델의 결과 분석
5.1.1 항공정사영상에 대한 분석 결과
5.1.2 PlanetScope 영상에 대한 분석 결과
5.2 팜맵 갱신을 위한 결과 분석
5.2.1 항공정사영상을 이용한 팜맵 갱신 가능성 분석
5.2.2 PlanetScope 위성영상을 이용한 팜맵 갱신 가능성 분석
Ⅵ. 결론
참고문헌

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)