KCI등재
SCOPUS
Building Detection: Testing a New Object-Based Approach Against Neural Networks
저자
정세정 (경북대학교) ; Heinzelmann, Linus (University of Applied Sciences Ulm) ; Liebert, Thomas (University of Applied Sciences Ulm) ; Schlüter, Stephan (University of Applied Sciences Ulm) ; 이기림 (경북대학교) ; 김정옥 (서울연구원) ; 이원희 (경북대학교)
발행기관
학술지명
한국측량학회지(Journal of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography)
권호사항
발행연도
2024
작성언어
English
주제어
등재정보
KCI등재,SCOPUS
자료형태
학술저널
발행기관 URL
수록면
123-135(13쪽)
제공처
Automated identification of HRBs (High-rise Buildings) on satellite images is challenging when densely populated areas are concerned. Factors that increase complexity are, among others, roads and both the azimuth and elevation angle of the sensor. In this study, two different effective HRB detection techniques are proposed. The first method is using CNNs (Convolutional Neural Networks), an extensively used tool for pattern recognition in the field of machine learning. However, domain movement considerably reduces the CNN's performance on the test data in other domains, making it difficult to generalize. Besides, obtaining the dense annotations on the remote sensing images is expensive and time-consuming. Therefore, a new object-based approach is proposed that includes multi-resolution segmentation and relief displacement by azimuth angles of the sensor. Both methods were tested using images from four regions in South Korea using VHR (Very High Resolution) satellite imagery from the KOMPSAT-3 and WorldView-3. The results show that the performance of both methods heavily depends on factors such as building size and density as well as on external factors such as the position, shape, and size of HRBs. It can be concluded that our proposed method using the relationship between the azimuth angle of the sensor and the relief displacement of the building has several distinct advantages over the CNN-based approach. E.g. the CNN performance considerably relies on the availability of a large number of training data. In addition, quantitative evaluation showed an accuracy improvement rate of at least 30% in intersection over union and F1 score compared to the object-based benchmark models. Eventually, our proposed method allows to evaluate the performance of each image individually, which helps to identify the scenarios where a certain method works best.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 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
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
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)