객체 탐지 딥러닝 기법을 활용한 필지별 조사 방안 연구
Detecting high-resolution usage status of individual parcel of land using object detecting deep learning technique
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 연구에서는 드론영상을 기반으로 YOLO 알고리즘을 통해 시설물과 농경지를 대상으로 객체탐지를 실시하고, 이를 법정지목과 비교를 수행하여 영상기반의 조사 가능성을 검토하였다. YOLO 알고리즘을 통해 객체를 탐지한 결과 건축물의 경우에는 기존 수치지형도에서 제공하고 있는 건축물 중 96.3%에 해당하는 객체를 탐지하는 것으로 분석되었다. 또한 수치지형도에서는 건축물이 위치하지 않지만, 영상에서 건축물이 존재하는 136개의 건축물을 추가로 탐지하는 것으로 나타나 정확도가 높은 것으로 나타났다. 비닐하우스의 경우에는 총 297개를 탐지했으나, 일부 과수형 비닐하우스의 경우에 탐지율이 낮은 것으로 분석되었다. 마지막으로 농경지는 가장 낮은 탐지율을 보였다. 농경지는 시설물 대비 넓은 면적과 불규칙한 형상으로 학습데이터의 일관성이 낮아 정확도가 시설물에 비해 작은 것으로 판단된다. 따라서 농경지의 경우에는 박스형태의 탐지가 아닌 Segmentation 탐지가 더욱 효과적으로 활용될 것으로 보인다. 마지막으로 탐지된 객체를 법정지목과 비교를 수행하였다. 그 결과 건축물이 입지가 어려운 농경지 및 임야에서 건축물이 존재하는 것으로 분석되었다. 그러나 이 건축물이 불법으로 활용됨을 파악하기 위해선 행정정보와 연계가 필요할 것으로 보여진다. 따라서 현재 수준에서는 건축물이 입지하기 어려운 필지에 건축물의 존재유무를 객관적으로 판단할 수 있는 수준까지 조사가 가능한 것으로 볼 수 있다.
Abstract
This study examined the feasibility of image-based surveys by detecting objects in facilities and agricultural land using the YOLO algorithm based on drone images and comparing them with the land category by law. As a result of detecting objects through the YOLO algorithm, buildings showed a performance of detecting objects corresponding to 96.3% of the buildings provided in the existing digital map. In addition, the YOLO algorithm developed in this study detected 136 additional buildings that were not located in the digital map. Plastic greenhouses detected a total of 297 objects, but the detection rate was low for some plastic greenhouses for fruit trees. Also, agricultural land had the lowest detection rate. This result is because agricultural land has a larger area and irregular shape than buildings, so the accuracy is lower than buildings due to the inconsistency of training data. Therefore, segmentation detection, rather than box-shaped detection, is likely to be more effective for agricultural fields. Comparing the detected objects with the land category by law, it was analyzed that some buildings exist in agricultural and forest areas where it is difficult to locate buildings. It seems that it is necessary to link with administrative information to understand that these buildings are used illegally. Therefore, at the current level, it is possible to objectively determine the existence of buildings in fields where it is difficult to locate buildings.
참고문헌 (26)
- 김성수, "YOLO 알고리즘을 활용한 Planetscope 위성영상 기반 비닐하우스 탐지", 한국지리정보학회지, 26(4), pp.27~39 (2023)
- 김준석, "YOLO 신경망 기반의 UAV 영상을 이용한 건물 객체 탐지 분석", 한국측량학회지, 39(6), pp.381~392 (2021)
- 김하영, "YOLO v2를 이용한 고해상도 항공영상에서의 태양광발전소 탐지 방법 연구", 한국농촌계획학회지, 28(2), pp.87~96 (2022)
- 김현옥, "농촌지역 토지피복분류를 위한객체기반 영상분석기법 연구", 한국지리정보학회지, 15(4), pp.26~41 (2012)
- 박상철, "YOLO 알고리즘 기반 국토위성영상의 선박 모니터링 가능성평가 연구: 부산 신항과 캘리포니아 오클랜드항을 대상으로", 대한원격탐사학회지, 38(6), pp.1463~1478 (2022)
- 도시관리계획의 토지이용 관리기능 제고방안 연구 –토지개발 용도 및 밀도관리를 중심으로-, "박재길", 국토연구원, ~, pp.국토연구원 2006-22 (2006)
- 배세연, "지목과 건축물용도간 불부합 현황 및 개선방안", 한국지적학회지, 31(2), pp.59~74 (2015)
- 오치영, "고해상도 위성영상의 토지피복분류와 정확도 비교 연구", 한국지리정보학회지, 13(1), pp.89~100 (2010)
- 유선종, "지목체계 개편에따른 공시지가 상승효과 분석", 한국지적학회지, 31(2), pp.87~104 (2015)
- 임종수, "위성영상자료 및 국가 산림자원조사 자료를 이용한 산림 바이오매스 추정", 원격탐사학회지, 25(4), pp.311~320 (2009)
- 국토이용현황정보를 활용한 지방자치단체의 행정업무 적용 방안 연구, "전정배", 한국국토정보공사 공간정보연구원, ~ (2023)
- Aszkowski, Przemysław, "Deepness : Deep neural remote sensing plugin for QGIS", SoftwareX, 23, pp.101495~ (2023)
- Chen, S., "Geospatial object detection in remote sensing imagery based on multiscale single-shot detector with activated semantics", Remote Sensing, 10(6), pp.820~ (2018)
- García-Ayllón Veintimilla, S., "Challenges in sustainable urban planning and territorial management for the XXI century", Frontiers in Environmental Science, 11, pp.1252835~ (2023)
- Mani, J. K., "Geospatial technologies in land resources mapping, monitoring and management", pp.377~400 (2018)
- Parra, L., "Remote Sensing and GIS in Environmental Monitoring", Applied Sciences, 12(16), pp.8045~ (2022)
- Petso, Tinao, "Artificial Intelligence for Robotics and Autonomous Systems Applications", pp.335~368 (2023)
- Reddy, G. O., "Geospatial technologies in land resources mapping, monitoring, and management: An overview", pp.1~18 (2018), Springer International Publishing
- Redmon, Joseph, "You only look once:Unified, real-time object detection", Proceedings of the IEEE conference on computer vision and pattern recognition (2016)
- Skidmore, A. K., "Use of remote sensing and GIS for sustainable land management", ITC journal, 3(4), pp.302~315 (1997)
- Terven, Juan, "A comprehensive review of yolo architectures in computer vision : From yolov1 to yolov8 and yolo-nas", Machine Learning and Knowledge Extraction, 5(4), pp.1680~1716 (2023)
- Van Maarseveen, Martin, "GIS in sustainable urban planning and management: a global perspective" (2019), Taylor & Francis
- Wu, T., "YOLO-SE : Improved YOLOv8 for remote sensing object detection and recognition", Applied Sciences, 13(24), pp.12977~ (2023)
- Zhang, X., "How well do deep learning-based methods for land cover classification and object detection perform on high resolution remote sensing imagery?", Remote Sensing, 12(3), pp.417~ (2020)
- Zheng, Z., "A review of remote sensing image object detection algorithms based on deep learning", 2020 IEEE 5th International Conference on Image, Vision and Computing (ICIVC), pp.34~43 (2020), IEEE