2023년 2월 6일 튀르키예 지진 이후 재난 후 위성 이미지를 사용한 심층 학습 기반 의미적 분할 모델을 통한 붕괴된 건물의 자동 탐지

이 연구는 심층 학습 기반 이미지 분할 모델을 통해 지진 이후 위성 이미지에서 붕괴된 건물을 식별하는 데 중점을 둡니다. U-Net, LinkNet, FPN, PSPNet의 네 가지 다양한 아키텍처의 성능이 정확도, 정밀도, 재현율, F1 점수, 특이도, AUC, IoU와 같은 다양한 성능 지표를 사용하여 평가되었습니다. 이 연구는 Mw 7.7 파자르칙(카흐라만마라스) 및 Mw 7.6 엘비스탄(카흐라만마라스) 지진의 영향을 가장 많이 받은 11개 주를 포함하는 튀르키예 남부 및 동남부 지역에서 촬영된 위성 이미지를 사용했습니다. 결과는 FPN과 U-Net이 관심 있는 성능 지표에 따라 가장 성능이 우수한 모델임을 나타냈습니다. FPN은 가장 높은 정확도 및 특이도 점수와 함께 최고 정밀도 점수를 기록했으며, U-Net은 가장 높은 재현율 및 F1 점수 값과 함께 최고의 AUC 및 IoU 점수를 기록했습니다. 훈련 및 검증 정확도 및 손실 곡선이 분석되었으며, 모든 네 가지 모델이 96% 이상의 정확도 값을 달성했음을 시사합니다. FPN 모델은 낮은 손실 값을 유지하면서 이미지를 정확하게 분할하는 데 있어 다른 모델보다 우수한 성능을 보였습니다. 이 연구는 재난 관리에서 심층 학습 기반 이미지 분할 모델의 잠재성에 대한 통찰을 제공하며, 이 분야의 미래 연구에 유용할 수 있습니다.