딥러닝 기반 객체 분류에 의한 토지사용 현황 분석에 관한 연구 - 창원시 사례를 중심으로 - = Analysis of land-use status using deep learning-based object classification : the case of Changwon city

딥러닝 객체분류로 창원시의 국공유지 토지사용 현황을 분석했다.

국공유지 토지사용 현황을 파악하여 국공유지 불법점용을 파악하고 개발 등에 활용하기 위해서 지속적으로 현장조사를 진행하여 왔으나 이는 시간과 비용이 많이 들고 정보 최신성을 확보하지 못해 행정관리의 사각지대가 발생하였다. 이를 개선하기 위해 공간정보(GIS)를 이용한 분석 방법이 연구되었으나 이 또한 광범위한 지역에 적용하는 데는 제약이 있었다. 본 연구에서는 딥러닝 기반의 객체분류를 통해 도시 전체의 토지사용 현황을 단시간에 높은 정확도로 조사할 수 있는지 확인하였고 향후 활용을 위한 개선방안을 도출하였다. 연구의 자료로 창원시 항공영상 자료(10cm)를 확보하여 건물, 도로 등 9종의 토지사용 유형에 대한 학습DB를 구축하였다. 딥러닝 모델의 검출률 및 정확도를 분석한 결과 도로는 모두 90% 이상의 결과를 보여주었고 건물, 비닐하우스 등 각 유형별로 검출률과 정확도에 차이가 있었다. 창원시 4개연도(2015, 2017, 2018, 2019) 영상 자료를 확보하여 토지사용 현황을 분류한 결과 도로, 제방, 하천, 묘지 등은 연도별 판독 격차가 적고 건물, 전답, 비닐하우스의 경우는 연도에 따라 판독 편차가 크게 나타났다. 영상정보(항공영상, 드론영상 등)를 이용한 딥러닝 기반의 토지사용 현황 분석은 광범위한 도시지역을 단기간에 조사할 수 있고, 토지의 변화탐지에 이용할 수 있다는 가능성을 확인하였다.

분석결과의 신뢰도 향상을 위해서지역별, 계절별, 기타 형태 등 지속적인 학습DB 개선이 필요하며 이를 기반으로 공간정보 특성에 맞춰 정확도를 향상시킬 수 있는 기술적용이 필요함을 확인하였다. 주요어 : 인공지능, 딥러닝, 객체 분류, 영상 판독, 토지사용 현황 분류, 국공유지 사용 현황 조사

목 차 제 1 장 서론 1 제 1 절 연구 배경 1 제 2 절 선행 연구 분석 4 1. 연구 동향 4 2. 공간정보(GIS) 기반의 방법론 4 3. 딥러닝 기반의 방법론 6 제 3 절 연구 목적 및 방법 12 제 2 장 이론적 배경 및 적용기술 13 제 1 절 딥러닝을 통한 객체탐지 기술 13 제 2 절 GeoAI 아키텍처 19 제 3 장 딥러닝 기반 객체 분류 학습 및 모델구축 24 제 1 절 학습DB 구축 24 1. 학습DB 구축 범위 및 절차 24 2. 학습DB 생성 25 제 2 절 딥러닝 모델 구조 34 제 3 절 딥러닝 검출 모델 평가 35 1. 검출률과 정확도 평가 35 2. 학습 유형별 검출률 및 정확도 관계성 37 3. 학습건수와 검출률 및 정확도 관계성 38 제 4 장 창원시 국공유지 토지사용 현황 분석 39 제 1 절 창원시 국공유지 현황 39 제 2 절 창원시 국공유지 점유현황 분석 절차 41 제 3 절. 창원시 국공유지 점유현황 분석 결과 45 1. 학습유형별 국공유지 점유 객체 도출 현황(총괄) 45 2. 학습유형별 국공유지 점유 객체 도출 현황(의심지) 52 제 5 장 결론 및 향후 연구 55 제 1 절 연구 결론 55 제 2 절 향후 계획 57 참고문헌 58 부 록 63 Abstract 83 감사의 글 85 표 목 차 [표 1-1] 국공유지 무단점유재산에 대한 변상금 부과 현황 3 [표 1-2] 인공지능 기반 토지이용 현황 분류 논문 분석 9 [표 3-1] 창원시 원본 영상(2018년, 10cm) 자료 24 [표 3-2] 학습DB 구축 단계 정의 25 [표 3-3] 학습에 사용 가능