거리 사진 이미지를 이용한 인스턴스 분류 구축

우주에서 촬영한 원거리 또는 공중 원격 탐사 이미지를 기반으로 한 토지 이용 분류는 지난 수십 년 동안 광범위하게 연구되어 왔습니다. 이러한 분류는 일반적으로 전체 이미지에 걸쳐 패치별 또는 픽셀별 레이블링을 수행합니다. 그러나 도시 인구 밀도 매핑이나 도시 유틸리티 계획과 같은 많은 응용 프로그램에서는 개별 건물에 기반한 분류 지도가 훨씬 더 유용합니다. 하지만 이러한 의미론적 분류는 여전히 개별 건물의 세부 경계를 어떻게 인식할 것인지와 같은 몇 가지 기본적인 도전 과제를 가지고 있습니다. 본 논문에서는 개별 건물의 기능성을 분류하기 위한 일반적인 프레임워크를 제안합니다. 제안된 방법은 거리 사진 이미지(예: Google StreetView)에서 파사드 구조를 분류하는 합성곱 신경망(CNNs)을 기반으로 하며, 일반적으로 지붕 구조만을 보여주는 원격 탐사 이미지도 포함됩니다. 지리 정보를 활용하여 개별 건물을 마스킹하고 해당 거리 사진 이미지와 연결했습니다. 우리는 CNN 훈련 및 평가에 사용된 벤치마크 데이터셋을 생성했습니다. 또한, 이 방법은 캐나다와 미국의 여러 도시에서 지역 및 도시 규모의 건물 분류 지도를 생성하는 데 적용되었습니다.