과제정보
본 성과물은 과학기술정보통신부의 재원으로 한국연구재단-중견연구사업(NRF-2020R1A2C1010502) (과제명: 융복합 농산업화를 위한 경지이용계획 방법 연구)과 농촌진흥청 연구사업(PJ01710502)의 지원에 의해 이루어진 것임(과제명: 증거(evidence) 기반 농촌공간계획 의사결정지원시스템 구축).
참고문헌
- Choi, YJ, Kim, MS, Kim, YW and Han, SH, 2020, A study of CNN-based super-resolution method for remote sensing image, Korean Journal of Remote Sensing, Vol .36, No. 3, pp. 449-460. https://doi.org/10.7780/KJRS.2020.36.3.5
- Kim, J, Song, YH and Lee, WK, 2021, Accuracy analysis of multi-series phenological landcover classification using u-net based deep learning model - focusing on the seoul, republic of korea, Korean Journal of Remote Sensing, Vol.37, No. 3, pp. 409-418. https://doi.org/10.7780/KJRS.2021.37.3.4
- Lee, MJ, Lee, WJ, Lee, SK and Jung HS, 2022, Deep Learning for Remote Sensing Applications, Korean Journal of Remote Sensing, Vol.38, No.6-2, 2022, pp.1581~1587
- Lee, SH, and Kim, JS, 2019, Land cover classification using semantic image segmentation with deep learning, Korean Journal of Remote Sensing, Vol. 35, No. 2, pp. 279-288.
- Lee, SH, and Lee, MJ, 2020, A study on deep learning optimization by land cover classification item using satellite imagery, Korean Journal of Remote Sensing, Vol.36, No. 6-2, pp. 1591-1604.
- Lee, SH, and Lee. MJ, 2021. A study of establishment and application algorithm of artificial intelligence training data on land use/cover using aerial photograph and satellite images, Korean Journal of Remote Sensing, Vol.37, No.5-1, pp. 871-884.
- Lim, ET and Do, MS, 2021, Pine wilt disease detection based on deep learning using an unmanned aerial vehicle. Journal of Civil and Environmental Engineering Research, Vol. 41, No. 3, pp. 317-325.
- Seong, SK, Choi, HS. Mo, JS, and Choi J, 2021. Availability Evaluation of Object Detection Based on Deep Learning Method by Using Multitemporal and Multisensor Data for Nuclear Activity Analysis, Korean Journal of Remote Sensing, 37(5-1): 1083-1094
- Song, AR, and Kim, YI, 2017, Deep learning-based hyperspectral image classification with application to environmental geographic information systems, Korean Journal of Remote Sensing, Vol.33, No.6-2, pp.1061~1073.
- Won, T, Song, J, Lee, B, Pyeon, MW, and Sa, J, 2020. Application of a deep learning method on aerial orthophotos to extract land categories. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 38, No. 5, pp. 443-453. https://doi.org/10.7848/KSGPC.2020.38.5.443
- 곽근호, 박민규, 박찬원, 이경도, 나상일, 안호용, 박노욱, 2019, 작물 분류에서 시공간 특징을 고려하기 위한 2D CNN과 양방향 LSTM의 결합, 대한원격탐사학회지, 35권, 5-1호, 681-692 https://doi.org/10.7780/KJRS.2019.35.5.1.5
- 국토교통부, 2024, V-WORLD 디지털트윈국토 - 토지이용현황도 분류항목(코드), https://www.vworld.kr/dtmk/dtmk_ntads_s003.do?dsId=30240&fileNo=2 (2024년 4월 30일 검색)
- 김하영, 2022, YOLO v2를 이용한 태양광 발전시설 객체 탐지 분석, 전남대학교 석사학위논문
- 김하영, 나라, 주동혁, 최규훈, 오윤경, 2022, YOLO v2를 이용한 고해상도 항공영상에서의 태양광발전소 탐지 방법 연구, 한국농공학회지, 28권, 2호, 87-96 https://doi.org/10.7851/ksrp.2022.28.2.087
- 농림축산식품부(농식품부), 2024, 농촌공간 재구조화 및 재생 기본방침(농촌공간기본방침)
- 서기환 외, 2018, 지속가능한 국토발전을 위한 토지이용변화 모니터링 방안 연구:딥러닝 알고리즘 활용을 중심으로, 국토연구원
- 성선경, 나상일, 최재완, 2020, RapidEye 위성 영상을 이용한 작물재배지역 추정을 위한 FC-DenseNet의 활용성 평가, 대한원격탐사학회지, 36권, 5호, 823-833.
- 성선경, 모준상, 나상일, 최재완, 2021, 다중분광밴드 위성영상의 작물재배지역 추출을 위한 Attention Gated FC-DenseNet, 대한원격탐사학회지, 37권, 5호, 1061-1070.
- 성선경, 최재완, 2022, 훈련자료 내 재배지역의 비율에 따른 딥러닝 모델의 성능 평가, 대한원격탐사학회지, 38권, 6호, 1007-1014.
- 오연곤, 2019, 다중센서 드론을 이용한 태양광패널 탐지와 모니터링, 서울시립대학교 석사학 위논문.
- 오행열, 김건, 강지훈, 정명훈, 2021, Mask R-CNN을 이용한 드론 영상에서의 비닐하우스 탐지, 2021년 대한공간정보학회 춘계학술대회, 65-66.
- 윤병현, 장안진, 성선경, 최재완, 2023, 위성영상의 계절적 특성에 따른 비닐하우스 탐지 결과 분석, 한국측량학회지, 41권, 2호, 127-134. https://doi.org/10.7848/ksgpc.2023.41.2.127
- 이창희, 윤예린, 배세정, 어양담, 김창재, 신상호, 박소영, 한유경, 2021, 국내학회지 논문 리뷰를 통한 원격탐사 분야 딥러닝 연구 동향 분석, 대한원격탐사학회지, 39권, 6호 351-370.
- 이형동, 2004, GIS와 RS를 활용한 토지이용 변화분석: 고양시 택지개발을 사례로, 석사학위논문, 경희대학교
- 환경부, 2024, 토지피복지도, 국가통계로 승인(보도자료)(정보화 4.25)