위성영상 이미지를 활용한 연구 동향 및 데이터셋 리뷰 = Research Trends and Datasets Review using Satellite Image

다국어 초록 (Multilingual Abstract)

Like other computer vision research trends, research using satellite images was able to achieve rapid growth with the development of GPU-based computer computing capabilities and deep learning methodologies related to image processing. As a result, satellite images are being used in various fields, and the number of studies on how to use satellite images is increasing. Therefore, in this paper, we will introduce the field of research and utilization of satellite images and datasets that can be used for research using satellite images. First, studies using satellite images were collected and classified according to the research method. It was largely classified into a Regression-based Approach and a Classification-based Approach, and the papers used by other methods were summarized. Next, the datasets used in studies using satellite images were summarized. This study proposes information on datasets and methods of use in research. In addition, it introduces how to organize and utilize domestic satellite image datasets that were recently opened by AI hub. In addition, I would like to briefly examine the limitations of satellite image-related research and future trends.

국문 초록 (Abstract)

기존 컴퓨터 비전의 연구 동향과 마찬가지로, 위성영상을 이용한 연구도 GPU 기반의 컴퓨터 연산능력과 이미지 처리와 관련된 딥러닝 방법론의 발전으로 많이 이루어지고 있다. 그로 인해 다양한 분야에 위성영상이 활용되고 있고, 위성 영상을 활용에 관한 연구도 증가하고 있다. 본 연구에서는 위성영상의 연구 활용 분야와 위성영상을 활용한 연구에 이용할 수 있는 데이터셋에 대해 소개하도록 한다. 먼저, 위성영상을 활용한 연구를 수집하여 연구 방법에 따라 분류하였다. 크게 분류 기반 연구와 회귀 기반 연구로 분류하였고, 그 이외의 방법으로 활용한 논문들을 정리하였다. 다음으로 위성영상을 활용한 연구들에서 이용한 데이터셋을 정리하였다. 본 연구에서는 데이터셋의 정보와 연구에서의 활용 방법에 대해 제안한다. 이와 함께 최근 AI hub에서 개방한 국내 위성영상 데이터셋의 정리와 활용 방안에 대해 소개한다. 마지막으로, 위성 이미지 관련 연구의 한계점과 앞으로의 동향을 간략하게 제시하였다.

참고문헌 (Reference)

• 1 조원호 ; 임용호 ; 박기호, "합성곱 신경망을 이용한 딥러닝 기반의 토지피복 분류: 한국 토지피복을 대상으로" 대한지리학회 54 (54): 1-16, 2019
• 2 "토지 피복지도 항공위성 이미지(수도권)"
• 3 네이버시스템, "토지 피복지도 항공위성 이미지(강원 및 충청)"
• 4 박정재 ; 구자용 ; 김병선, "위성영상을 이용한 중분류 토지피복도의 제작과정 개선" 대한공간정보학회 15 (15): 67-80, 2007
• 5 "위성영상 객체판독" 한국항공우주연구원
• 6 김은정, "세계 지구관측 위성 시장 현황 및 전망" 16 (16): 22-28, 2018
• 7 오치영 ; 박소영 ; 김형석 ; 이양원 ; 최철웅, "고해상도 위성영상의 토지피복분류와 정확도 비교 연구" 한국지리정보학회 13 (13): 89-100, 2010
• 8 Gupta, R., "xBD: A Dataset for Assessing Building Damage from Satellite Imagery"
• 9 "resisc45"
• 10 Do, J., "Urbanization effect of mega sporting events using sentinel-2 satellite images : The case of the pyeongchang olympics" 74 : 103-158, 2021
• 11 Ronneberger, O., "U-net: Convolutional networks for biomedical image segmentation" Springer 2015
• 12 Hackworth, J., "The changing state of gentrification" 92 (92): 464-477, 2001
• 13 Pelletier, C., "Temporal convolutional neural network for the classification of satellite image time series" 11 (11): 523-, 2019
• 14 Zhu, X.X., "So2Sat LCZ42: A Benchmark DataSet for the Classification of Global Local Climate Zones [Software and Data Sets]" 8 (8): 76-89, 2020
• 15 Ulmas, P, "Segmentation of Satellite Imagery using U-Net Models for Land Cover Classification"
• 16 Pettorelli, N., "Satellite remote sensing for applied ecologists : opportunities and challenges" 51 (51): 839-848, 2014
• 17 Bello, O.M., "Satellite remote sensing as a tool in disaster management and sustainable development : towards a synergistic approach" 120 : 365-373, 2014
• 18 Gunasheela, K.S., "Satellite image compression-detailed survey of the algorithms" 187-198, 2018
• 19 Abburu, S., "Satellite image classification methods and techniques : A review" 119 (119): 20-25, 2015
• 20 Voigt, S., "Satellite image analysis for disaster and crisis-management support" 45 (45): 1520-1528, 2007
• 21 "Remote Sensors" NASA
• 22 Shermeyer, J., "Rareplanes: Synthetic Data Takes Flight" 2021
• 23 Gislason, P.O., "Random forests for land cover classification" 27 (27): 294-300, 2006
• 24 Qiu, C., "Multilevel Feature Fusion-Based CNN for Local Climate Zone Classification From Sentinel-2 Images: Benchmark Results on the So2Sat LCZ42 Dataset" 13 : 2793-2806, 2020
• 25 Bischke, B., "Multi-task learning for segmentation of building footprints with deep neural networks" 2019
• 26 Chakraborty, D., "Geographic Information Systems in Geospatial Intelligence" IntechOpen 107-120, 2019
• 27 Ahmari, R., "Gentrification: Causation and Identification"
• 28 Bandyopadhyay, S., "Genetic clustering for automatic evolution of clusters and application to image classification" 35 (35): 1197-1208, 2002
• 29 Helber, P., "Eurosat: A novel dataset and Deep learning Benchmark for Land Use and Land Cover Classification" 12 (12): 2217-2226, 2017
• 30 Raza, A., "Diverse Capsules Network Combining Multiconvolutional Layers for Remote Sensing Image Scene Classification" 13 : 5297-5313, 2020
• 31 Verbesselt, J., "Detecting trend and seasonal changes in satellite image time series" 114 (114): 106-115, 2010
• 32 Jean, N., "Combining satellite imagery and machine learning to predict poverty" 353 (353): 790-794, 2016
• 33 Zheng, Y.-J., "Co-evolutionary Fuzzy Deep Transfer Learning for Disaster Relief Demand Forecasting" 2021
• 34 Sumbul, G., "Bigearthnet: A large-scale benchmark archive for remote sensing image understanding" 2019
• 35 Bandyopadhyay, S, "An evolutionary technique based on K-Means algorithm for optimal clustering in RN" 146 (146): 221-237, 2002
• 36 Abburu, S., "An Ontology Based Methodology for Satellite Data Semantic Interoperability" 15 (15): 105-110, 2015
• 37 Chiu, M.T., "Agriculture-vision: A large aerial image database for agricultural pattern analysis" 2020
• 38 Chiu, M.T., "Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis" 2825-2835, 2020
• 39 Heffels, M.R., "Aerial Imagery Pixel-level Segmentation"
• 40 Mahmon, N.A., "A review on classification of satellite image using Artificial Neural Network (ANN)" 2014
• 41 Sharma, R., "A review of soft classification approaches on satellite image and accuracy assessment" 629-639, 2016
• 42 Dhingra, S., "A review of remotely sensed satellite image classification" 9 (9): 2088-8708, 2019
• 43 M. Gheisari, "A Survey on Deep Learning in Big Data" 173-180, 2017
• 44 Guragai, B., "A Survey on Deep Learning Classification Algorithms for Motor Imagery" 1-4, 2020
• 45 Chengjuan Ren ; Dae-Kyoo Kim ; 정동원, "A Survey of Deep Learning in Agriculture: Techniques and Their Applications" 한국정보처리학회 16 (16): 1015-1033, 2020
• 46 김동원, ""시장분석부터 작물 생산량 예측까지"...인공위성과 인공지능이 만나면 가능해지는 일은?"