• Title/Summary/Keyword: crop classification

Search Result 263, Processing Time 0.037 seconds

작물 분류에서 시공간 특징을 고려하기 위한 2D CNN과 양방향 LSTM의 결합 (Combining 2D CNN and Bidirectional LSTM to Consider Spatio-Temporal Features in Crop Classification)

  • 곽근호;박민규;박찬원;이경도;나상일;안호용;박노욱
    • 대한원격탐사학회지
    • /
    • 제35권5_1호
    • /
    • pp.681-692
    • /
    • 2019

  • 이 논문에서는 작물 분류를 목적으로 작물의 시공간 특징을 고려할 수 있는 딥러닝 모델 2D convolution with bidirectional long short-term memory(2DCBLSTM)을 제안하였다. 제안 모델은 우선 작물의 공간 특징을 추출하기 위해 2차원의 합성곱 연산자를 적용하고, 추출된 공간 특징을 시간 특징을 고려할 수 있는 양방향 LSTM 모델의 입력 자료로 이용한다. 제안 모델의 분류 성능을 평가하기 위해 안반덕에서 수집된 다중시기 무인기 영상을 이용한 밭작물 구분 사례 연구를 수행하였다. 비교를 목적으로 기존 딥러닝 모델인 2차원의 공간 특징을 이용하는 2D convolutional neural network(CNN), 시간 특징을 이용하는 LSTM과 3차원의 시공간 특징을 이용하는 3D CNN을 적용하였다. 하이퍼 파라미터의 영향 분석을 통해, 시공간 특징을 이용함으로써 작물의 오분류 양상을 현저히 줄일 수 있었으며, 제안 모델이 공간 특징이나 시간 특징만을 고려하는 기존 딥러닝 모델에 비해 가장 우수한 분류 정확도를 나타냈다. 따라서 이 연구에서 제안된 모델은 작물의 시공간 특징을 고려할 수 있기 때문에 작물 분류에 효과적으로 적용될 수 있을 것으로 기대된다.

  • https://doi.org/10.7780/kjrs.2019.35.5.1.5 인용 PDF KSCI HTML

능동 학습과 시간 문맥 정보를 이용한 작물 재배지역 분류 (Classification of Crop Cultivation Areas Using Active Learning and Temporal Contextual Information)

  • 김예슬;유희영;박노욱;이경도
    • 한국지리정보학회지
    • /
    • 제18권3호
    • /
    • pp.76-88
    • /
    • 2015

  • 이 논문에서는 작물 재배지의 분류를 목적으로 능동 학습과 과거 토지 피복도 기반의 시간 문맥 정보를 결합하는 분류 방법론을 제안하였다. 신뢰성 높은 훈련 자료의 추출을 위하여 능동 학습 기반 반복 분류를 적용하였으며, 과거 토지 피복도의 작물 재배 규칙을 시간 문맥 정보로 정량화 하여 능동 학습 기법의 적용시 훈련 자료의 할당과 작물 간 분광학적 혼재 효과 완화에 이용하였다. 제안 분류 방법론의 적용 가능성을 평가하기 위해 미국 Illinois 주의 옥수수와 콩 재배지역의 구분을 목적으로 MODIS 시계열 식생지수 자료와 과거 cropland data layer(CDL) 자료를 이용한 사례연구를 수행하였다. 사례연구 결과, 초기 감독 분류 결과에서 나타났던 옥수수와 콩의 오분류와 기타 작물과 비작물의 오분류 양상이 능동 학습 기반 반복 분류를 통해 완화되었다. 그리고 CDL 자료로부터 추출한 시간 문맥 정보를 추가적으로 결합함으로써 주요 작물에서 나타나는 과추정 양상이 완화되어 가장 우수한 분류 정확도를 나타내었다. 따라서 제안 기법이 양질의 훈련 자료의 확보가 쉽지 않은 작물 재배지의 분류에 유용하게 적용될 수 있음을 확인하였다.

  • https://doi.org/10.11108/kagis.2015.18.3.076 인용 PDF KSCI