Multi-class Semantic Segmentation Using CAS500-1 Imagery for Change Detection

Abstract

다양한 위성 센서를 활용한 변화탐지 연구는 지난 수십 년 동안 원격탐사 분야의 주요 연구 분야로 여겨져 왔으며, 특히 건물 변화탐지 분야는 최근 여러 딥러닝 기법이 적용되며 발전하고 있다. 하지만 건물 변화탐지의 대다수 연구가 단순한 변화 유무에 관한 연구로써 건물의 신축 또는 소멸 여부 등의 멀티 클래스 변화를 탐지하는 연구는 제한되며, 관련되어 공개된 데이터 또한 부족한 상황에 있다. 이와 같은 문제점을 해결하기 위해 본 연구에서는 공개된 기 구축 데이터 세트를 국토위성 1호에 적합하게 재구축하여 변화탐지에 적용하는 멀티 클래스 시멘틱 세그멘테이션 방법론을 제안한다. 세부적으로 국내 지역에 특화된 항공영상 데이터 세트를 위성 영상에 적합하게 파싱(parsing)하였고, 위성의 경사 관측(side-looking) 한계점을 극복하는 국외 데이터 세트를 동시에 증강(augmentation)하여 활용하였다. 건물의 신축 및 소멸을 나타내는 다중 클래스 변화탐지 실험에서 신축 레이블 IoU (Intersection Over Union)를 약 87%로 나타내었고, 소멸 레이블 IoU는 약 58%로 나타내 제안하는 방법론이 효과적임을 확인하였다. 추가적으로 조도의 변화가 급격하게 변화하는 데이터에서 일부 오탐지가 발생하였지만, 이는 변화가 발생하지 않은 추가 데이터를 향후 증강하여 극복될 수 있으리라 판단된다.