딥러닝을 이용한 드론 영상 의미론적 분할 : 불법 건물 모니터링을 중심으로 = Semantic segmentation of drone images using deep learning : focusing on illegal building monitoring
저자
발행사항
서울 : 서울시립대학교, 2019
학위논문사항
학위논문(석사) -- 서울시립대학교 대학원 , 공간정보공학과 , 2019
발행연도
2019
작성언어
한국어
KDC
980.027 판사항(6)
DDC
910.285 판사항(23)
발행국(도시)
서울
형태사항
viii, 90 p. : 삽화(일부천연색), 도표 ; 26 cm
일반주기명
지도교수: 이임평
참고문헌: p. 83-86
소장기관
최근 개발제한구역에 대한 규제가 완화되고 신도시 개발에 대한 기대감이 상승하면서 불법 건축물 적발 건수가 지속해서 증가하고 있다. 기존에는 각 지방자치단체에서 불법 건축물 모니터링을 포함한 도시 관리 업무를 수행할 때 현장 답사, 유인항공기 영상 촬영 및 판독 등과 같은 방법을 이용하였다. 그러나 한정된 인원으로 광범위한 영역을 관리하기에는 여러 가지 한계가 있어 불법 건축물 모니터링 수행에 많은 어려움이 있다. 이러한 어려움을 극복하기 위하여 각 지방자치단체는 새로운 사진측량 플랫폼으로 주목받고 있는 드론을 도입하고 있다. 드론을 이용하면 유인항공기에 비해 작은 영역을 저비용, 고해상도로 촬영할 수 있기 때문이다. 따라서 불법 건축물 모니터링 뿐만 아니라 여러 가지 도시 관리 업무에 드론을 도입하려는 시도가 이루어지고 있다. 드론을 이용한 사진측량은 유인항공기에 비해 여러 가지 장점이 있지만, 영상으로부터 불법 건축물을 찾는 것은 여전히 담당자의 육안에 의존하고 있어 많은 시간과 비용이 발생하고 있다. 드론을 이용한 불법 건축물 모니터링을 더욱 효율적으로 수행하기 위해서는 드론 영상으로부터 불법으로 의심되는 건물을 자동으로 탐지하는 방법을 연구할 필요가 있다.
본 연구는 드론 영상에서 불법으로 의심되는 건물, 즉 드론 영상에는 존재하지만 기 구축된 GIS 데이터베이스에는 없는 건물을 자동으로 탐지하는 방법을 제안하고 이를 검증하는 데 그 목적이 있다. 구체적으로는 영상을 픽셀 단위로 분류하는 딥러닝 기반 의미론적 분할(Semantic Segmentation)을 통해 드론 영상으로부터 건물 지도를 만들고, 기 구축된 GIS 데이터베이스의 건물 지도를 차분하여 미등록 건물을 추출한다. 위와 같이 처리한 드론 정사집성영상을 딥러닝 모델에 입력하여 건물 지도를 자동으로 생성한 후 이를 기 구축된 GIS 데이터베이스상의 건물 지도와 비교하여 미등록 건물을 추출하였다. 미등록 건물은 픽셀 기반 혹은 객체 기반 방법을 통해 추출하였다.
본 연구에서 제시한 방법을 통해 대규모 항공사진 데이터셋에 대해 수작업으로 라벨링 작업을 수행하지 않고도 최대 86%의 정확도를 발휘하는 딥러닝 모델을 구축할 수 있었다. 드론 영상으로부터 자동으로 미등록 건물을 탐지할 수 있었다. 또한 본 연구에서 제시된 방법은 불법 건축물 모니터링 뿐만 아니라 불법 용도/형질변경, GIS 데이터베이스 갱신 등에 활용할 수 있을 것으로 기대된다.
Recently, the number of illegal buildings in green belt areas are increasing due to deregulation of the green belt laws and expectations toward new city development. Local governments in Korea have traditionally conducted illegal building monitoring through on-site inspection or interpretation of airborne aerial images. However, local governments are trying to exploit drones because it is difficult to monitor a wide area with a limited number of monitoring officers. Drone is a new and emerging platform in terms of photogrammetry and remote sensing field because it is possible to survey small areas with higher image resolution and lower cost compared to manned aircraft. Although drone has a lot of advantages, it is still costly and time-consuming to find illegal buildings from drone images since the interpretation of drone images still relies on manual efforts. Therefore, developing an automatic system for detecting buildings which are suspected to be illegal is an important research topic.
This research mainly focuses on developing and evaluating a method for detecting buildings which are not registered on an existing GIS database. Specifically, we train a deep learning model to semantically segment a given drone image into a building map using national geospatial data and compare the new building map generated by the deep learning model with the existing GIS database to extract unregistered buildings. In order to extract unregistered building accurately, it is important to train a deep learning model to segment drone images accurately, and it is also essential to perform image registration between the drone images and the existing GIS database. Hence, this research includes experiments that compare deep learning models with various configuration of training datasets and performing aerial triangulation with consideration of image registration.
Through the experiment, we could train deep learning model to perform up to 86% of accuracy without any manual effort of annotation large-scale aerial image dataset. We could detect unregistered buildings from drone images automatically using the proposed method. We also expect that our method can be used not only for monitoring illegal buildings but also monitoring illegal land use change or update of GIS databases.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
| 주요 개정내역 | 변경 사유 |
|---|---|
| · 수탁업체 콘소시엄 기관명 및 위탁기간 명시 | · 제6조(개인정보 처리업무의 위탁) 구체화 |
한국교육학술정보원은 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
제1조(개인정보의 처리 목적)
제2조(개인정보의 처리 및 보유 기간)
제3조(처리하는 개인정보의 항목)
제4조(개인정보파일 등록 현황)
제5조(개인정보의 제3자 제공)
제6조(개인정보 처리업무의 위탁)
제7조(개인정보의 파기 절차 및 방법)
제8조(정보주체와 법정대리인의 권리·의무 및 그 행사 방법)
제9조(개인정보의 안전성 확보조치)
제10조(개인정보 자동 수집 장치의 설치·운영 및 거부)
제11조(개인정보 보호책임자)
제12조(개인정보의 열람청구를 접수·처리하는 부서)
제13조(정보주체의 권익침해에 대한 구제방법)
제14조(추가적 이용·제공 판단기준)
제15조(개인정보 처리방침의 변경)
제1조(개인정보의 처리 목적)
제2조(개인정보의 처리 및 보유 기간)
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)
제3조(처리하는 개인정보의 항목)
제4조(개인정보파일 등록 현황)
개인정보파일 검색(privacy.go.kr)| 개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 |
보유기간 | |
|---|---|---|---|---|
| 학술연구정보서비스 이용자 가입정보 | 한국교육학술정보원법 정보추제 동의 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
| 선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 | |||
제5조(개인정보의 제3자 제공)
제6조(개인정보 처리업무의 위탁)
제7조(개인정보의 파기 절차 및 방법)
제8조(정보주체와 법정대리인의 권리·의무 및 그 행사 방법)
제9조(개인정보의 안전성 확보조치)
제10조(개인정보 자동 수집 장치의 설치·운영 및 거부)
제11조(개인정보 보호책임자)
| 구분 | 담당자 | 연락처 |
|---|---|---|
| KERIS 개인정보 보호책임자 | 정보보호본부 안재호 |
- 이메일 : jinuk@keris.or.kr - 전화번호 : 053-714-0158 - 팩스번호 : 053-714-0195 |
| KERIS 개인정보 보호담당자 | 개인정보보호부 송진욱 | |
| RISS 개인정보 보호책임자 | 교육학술데이터본부 정광훈 |
- 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
| RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
제12조(개인정보의 열람청구를 접수·처리하는 부서)
제13조(정보주체의 권익침해에 대한 구제방법)
제14조(추가적인 이용ㆍ제공 판단기준)
제15조(개인정보 처리방침의 변경)
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)