[논문 리뷰] Deep convolutional neural network application on rooftop detection for aerial image

Mengge Chen, Jonathan Li|arXiv (Cornell University)|2019. 10. 29.

Remote-Sensing Image Classification참고 문헌 11인용 수 5

한 줄 요약

이 논문은 크리스처치에서 지진 후 건물 평가를 지원하기 위해 항공 영상에서 자동으로 屋根을 탐지하기 위한 딥 컨volution 신경망(CNN) 기반 방법을 제안한다. 하이퍼파rameter를 최적화함으로써, 소규모 독립 주택의 정확한 세분화를 달성하여 고해상도 항공 영상에서 건물을 탐지하고 추출하는 데 뛰어난 성능을 보인다.

ABSTRACT

As one of the most destructive disasters in the world, earthquake causes death, injuries, destruction and enormous damage to the affected area. It is significant to detect buildings after an earthquake in response to reconstruction and damage evaluation. In this research, we proposed an automatic rooftop detection method based on the convolutional neural network (CNN) to extract buildings in the city of Christchurch and tuned hyperparameters to detect small detached houses from the aerial image. The experiment result shows that our approach can effectively and accurately detect and segment buildings and has competitive performance.

연구 동기 및 목표

• 재해 후 항공 영상에서 건물을 자동으로 탐지하는 방법을 개발하여 빠른 복구 및 손상 평가를 지원한다.
• 복잡한 도시 환경에서 항공 영상으로부터 소규모 독립 주택을 정확히 식별하는 과제를 해결한다.
• 소규모 건물 屋根에 대한 탐지 성능 향상을 위해 CNN 하이퍼파rameter를 최적화한다.
• 고해상도 항공 영상에서 건물을 세분화하는 데 있어 딥 러닝의 효과를 평가한다.

제안 방법

• 엔드 투 엔드로 훈련된 컨volution 신경망(CNN)이 항공 영상에서 직접적으로 屋根을 탐지하고 세분화한다.
• 작은 고립된 주택의 탐지 성능 향상을 위해 하이퍼파rameter 최적화를 통해 모델을 미세조정한다.
• 다중 컨볼루션 및 풀링 계층을 통해 특징 추출과 공간적 맥락을 활용하는 아키텍처를 구현한다.
• 이진 세분화를 위해 완전 연결 계층과 시그모이드 활성화 함수를 사용한다.
• 다양한 도시 환경에서의 일반화 성능 향상을 위해 데이터 증강 및 정규화 기법을 적용한다.
• 모델은 크리스처치의 항공 영상에 대해 평가되며, 건물 탐지 정확도와 세분화 품질을 중심으로 분석된다.

실험 결과

연구 질문

• RQ1 딥 컨volution 신경망은 재해 후 평가를 위한 고해상도 항공 영상에서 屋根을 효과적으로 탐지할 수 있는가?
• RQ2 하이퍼파arameter 최적화는 도시 지역에서 소규모 독립 주택 탐지에 어떤 영향을 미치는가?
• RQ3 제안된 방법은 전통적인 영상 처리 기법에 비해 어느 정도 우수한 屋根 세분화 성능을 보이는가?
• RQ4 모델은 복잡한 도시 환경에서 다양한 형태와 크기의 건물을 탐지하는 데 어떤 성능을 보이는가?

주요 결과

• 제안된 CNN 기반 방법은 항공 영상에서 건물을 탐지하고 세분화하는 데 높은 정확도를 달성하며, 특히 소규모 독립 주택에 뛰어난 성능을 보인다.
• 하이퍼파arameter 최적화가 소규모 屋根 구조물 탐지 성능 향상에 상당한 기여를 한다.
• 기존 방법과 비교해도 건물 추출에서 경쟁적인 성능을 보여준다.
• 다양한 건물 형태와 밀도를 가진 복잡한 도시 환경에서도 효과적으로 대응한다.