딥러닝 기반 도로 네트워크 추출 방법론 비교

국문 초록 (Abstract)

도로 정보는 자율주행, 도로 계획 등 다양한 분야에서 가치가 높고 이에 따라 원격탐사 영상으로부터 도로 정보를 자동으로 추출하기 위한 딥러닝 기반의 연구가 수행되어왔다. 본 연구는 딥러닝을 활용하여 정사 영상으로부터 도로 네트워크를 추출하는 여러 segment ation 모델들을 통해 도로를 추출하고 그 결과를 비교하고자 하였다. 이를 위해 Semantic Segmentation 작업을 수행하는 모델인 PSPNet, SegNet, Unet, SegFormer를 활용하였고 입력 자료로는 정사영상과 수치지형도를 사용하였다. 성능 분석을 위해 다양한 평가 지표(accuracy, precision, recall, f1-score, mIOU)를 사용하였고 SegFormer의 결과가 모든 평가 지표에서 가장 우수하였다. 본 연구결과는 딥러닝 방법론을 활용한 도로 정보 갱신시스템을 구현할 때 모델 선정에 도움을 줄 수 있을 것으로 기대할 수 있다.

목차 (Table of Contents)

• 요약
• 1. 서론
• 2. 본론
• 3. 결론
• 참고문헌