구글 어스 이미지를 통한 마을 건축물 식별 및 감독 기계 학습 방법

본 연구에서는 개방된 고해상도 원격 감지 이미지를 이용하여 마을 건축물을 식별하기 위한 감독 기계 학습 기반 방법을 제안합니다. 우리는 마을 매핑의 적합성을 검사하기 위해 Google Earth (GE) RGB 이미지를 선택하여 분류를 수행하며, 이러한 분야에서 자동 분류를 제공하기 위해 기계 학습 방법을 사용하는 가능성을 조사합니다. GE 이미지의 특성을 분석함으로써, 두 가지 종류의 감독 기계 학습 방법인 적응형 부스팅(AdaBoost)과 합성곱 신경망(CNN)을 기반으로 다양한 특징을 설계합니다. 마을 건축물을 색상 및 텍스처 정보를 통해 인식하기 위해, AdaBoost 방법에서는 RGB 색상 특징과 지역 창에서 많은 Haar 유사 특징을 활용하며; 다층 훈련 네트워크는 경량 하강 알고리즘과 역전파를 기반으로 하여, CNN은 건축물과 그 주변에서 더 깊은 정보를 발굴하여 식별을 수행합니다. 라오스 사바낙헤트 주의 테스트 영역에서의 실험 결과는 우리가 제안한 AdaBoost 방법이 96.22%의 전반적 정확도를 달성하며, CNN 방법도 96.30%의 전반적 정확도로 경쟁력을 갖추고 있음을 보여줍니다.