HOME > 사회과학 > 교육학 > 대한지리학회 > 대한지리학회지
합성곱 신경망을 이용한 딥러닝 기반의 토지피복 분류 - 한국 토지피복을 대상으로
분야 사회과학 > 교육학
저자 조원호 임용호 박기호
발행기관 대한지리학회
간행물정보 대한지리학회지 2019년, 대한지리학회지 제54권 제1호(통권 제190호), 1page~16page(총16page)
파일형식 3672935 [다운로드 무료 PDF 뷰어]
판매가격 6,000원
적립금 180원 (구매자료 3% 적립)
이 자료를
논문의 미리보기 2페이지를 PDF파일로 제공합니다.
 
연관 논문
딥러닝 기반의 초분광영상 분류를 사용한 환경공간정보시스템 활용
객체기반 분류기법을 이용한 토지피복 특성분석 -강원도 인제군의 DMZ지역 일원을 대상으로-
디지털항공사진영상을 이용한 객체기반 토지피복분류 -
IKONOS 영상을 이용한 토지피복분류 기법 분석 -
KOMPSAT-3A 위성영상과 토지피복도를 활용한 산림식생의 임상 분류법 개발
 
 
목차
부제 : Deep learning based Land Cover Classification Using Convolutional Neural Network - a case study of Korea -
요약
Abstract
1. 서론
2. 학습 및 테스트 데이터 구축
3. 분석 방법
4. 결과
5. 결론 및 시사점
참고문헌
 
 
국문초록
토지피복도는 지표의 현황 및 변화를 가장 잘 반영할 수 있기 때문에 다양한 연구에서 활용되고 있다. 그러나 현재 환경부에서 제공하고 있는 토지피복도는 정확도가 높지 않고 갱신주기가 길어 데이터의 신뢰도나 시간해상도 측면에서 한계가 존재한다. 본 연구는 딥러닝(deep learning) 기반의 토지피복 분류 기법을 적용함으로써 자동화를 통한 갱신주기 단축과 한국의 토지피복 분류 체계에 부합하는 토지피복도 작성을 위한 대안적인 해결 방법을 제안하였다. 딥러닝 기법 중 이미지 분석에 특화된 합성곱 신경망(Convolutional neural network)을 이용해 토지피복을 분류하였다. 먼저 같은 토지피복 유형이라 할지라도 지역에 따른 이질성이 있음을 확인하기 위해 유럽지역을 대상으로 만들어진 EuroSAT 토지피복 데이터를 사용해 합성곱 신경망 모델을 학습시켜 한국 토지피복 분류를 실험하였다. 본 연구에서는 Sentinel-2 위성의 영상을 사용하여 한국 토지피복 분류 체계에 맞는 학습 및 테스트 데이터를 구축하였다. 본 연구에서 구축한 데이터로 학습시킨 합성곱 신경망 모델은 정확도 98.28%로 EuroSAT 데이터로 학습시킨 모델보다 우수한 분류성능을 보여주었다. 또한 ImageNet 사전 학습 파라미터(Pre-trained parameter)를 사용하여 합성곱 신경망 모델의 학습속도와 정확도(99.66%)를 높였으며 합성곱 신경망을 이용한 한국 토지피복 분류에서 ImageNet 파라미터의 활용가능성을 보여주었다. 본 연구를 계기로 그간 국내에서 주목받지 않았던 합성곱 신경망을 이용한 토지피복 분류 연구가 확대되기를 기대한다.
 
 
영문초록
Land cover map best reflects land surface phenomena and change so it is used in various research. However, the land cover maps provided by the Ministry of Environment have limitation in terms of accuracy and temporal resolution. This study proposes the possibility of deep learning based alternative land cover classification method for shortening the renewal cycle of land cover maps through automation and development of a land cover classification that is suitable for Korea. Land cover classification is conducted using Convolutional neural network, which is the deep learning architecture specialized in image analysis. In order to confirm the heterogeneity of the land cover according to region even though the same land cover type, land cover classification of Korea was experimented using the model trained by EuroSAT land cover data composed of Europe region’s land cover data. Using Sentinel-2 satellite images the training and test data are constructed for land cover classification of Korea. The convolutional neural network model trained by the data constructed in this study showed better performance with high accuracy(98.28%) than the model trained by EuroSAT data. In addition, The learning speed and accuracy(99.66%) of the convolutional neural network model was improved by using ImageNet pre-trained parameters and it showed the possibility of using ImageNet parameters in land cover classification of Korea. We hope that this study will prompt the research on land cover classification using convolutional neural network which has not been illuminated in Korea.
 
 
deep learning, 합성곱 신경망, 딥러닝, 원격탐사, remote sensing, Convolutional neural network, land cover, 토지피복
 
 
도움말
본 논문은 참고용 논문으로 수정 및 텍스트 복사가 되지 않습니다.
 
 
추천자료
[유통관리사시험] 유통관리사2급모의고사및2006년~2008년2차시험및핵심요약
[영남대]농업과미래사회책타이핑 자료입니다.
[일반상식] 취업 면접 준비 - 일반 상식, 시사상식, 경제, 사회, IT, 이슈 등 핵심 내용 완벽 정리
[수자원 시스템 설계] Fard2006, HEC-HMS를 이용한 흑천의 확률강우량 및 확률홍수량 산정
[수자원 시스템 설계] 지장천유역의 강우 시간적 분포에 따른 홍수량 산정
[정보기기운용기능사] 정보기기운용기능사요약집
(방통대 2016-1) 인류는 기후변화 문제를 해결할 수 있을 것인지, 자신의 견해를 A4용지 5장 내외로 전개하시오.
소각로 레포트
최신 기출 시사 용어 정리
인공지능AI의 현황, 사례 및 전망 분석
오늘 본 자료
오늘 본 자료가 없습니다.
장바구니 담은 자료
장바구니가 비어 있습니다.
이 간행물 인기자료
대중국 한국 자동차 부품기업의 공간 ...
2013순천만국제정원박람회 정책화 과...
Impact of Market, Institution and T...
수평적 지방재정조정제도에 의한 지역...
상권경쟁을 고려한 신규점포의 입지선...
이 간행물 신규자료
지형패턴 분류방법(geomorphons)을 이...
LiDAR, 수치지형도, 항공사진 기반 수...
준연동형 비례대표제의 권역 설정과 ...
고유벡터공간필터링 접근법에 기반한 ...
지리가중회귀 모델을 이용한 학교급별...
저작권 정보
본 학술논문은 ㈜누리미디어와 각 학회간에 저작권 계약이 체결된 것으로 HAPPY학술이 제공하고 있습니다. 본 저작물을 불법적으로 이용시는 법적인 제재가 가해질 수 있습니다.
 
서비스이용약관 | 개인정보취급방침 | E-mail 수집 거부 | 제휴 및 광고문의 | FAQ
이메일 무단 수집 거부
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나 그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며, 이를 위반시 정보통신망법에 의해 형사처벌됨을 유념하시기 바랍니다. [게시일 2003년 4월 2일]