• 한국농림기상학회지
• /
• 제23권3호
• /
• pp.149-155
• /
• 2021

농업기상재해 조기경보시스템에서는 일 최대순간 풍속에 과수의 낙과 피해 임계풍속을 대입하여 농작물의 풍해 위험을 예측, 자원농가에게 제공하고 있다. 강풍의 위험 예측확률을 높이기 위한 방법으로써, 기존 방식에서 '안전'으로 분류된 데이터들 중 실제로는 풍해위험이 있는 경우를 찾아내는 인공신경망 이항분류 기법을 도입하였다. 학습데이터는 전라남북도와 경북 및 경남 일부지역의 총 210개소 기상청 종관 및 방재기상관측지점에서 수집된 2019년 전체 일별 풍속자료이며, 최적 모델 도출을 위한 검증데이터는 동일지점의 2020년 1월 1일~12월 12일 자료를, 인공신경망 기법 사용 전/후의 풍해위험예측 성능 평가는 2020년 12월 13일~2021년 2월 18일까지의 자료를 사용하였다. 풍해위험 임계풍속은 과수의 낙과 피해기준으로 주로 사용되고 있는 11m/s를 설정하였다. 또한 2020년 동일 기간의 일 최대순간풍속 실측값으로 Weibull 분포를 작성한 후, 추정값과 임계풍속간의 편차를 이용하여 누적확률값을 계산, 풍해 경보에서 한 단계 낮은 주의보를 판단하고 인공신경망 기법 적용 결과와 비교하였다. 평가기간 중 기존의 풍해 위험 탐지확률은 65.36%였으나 인공신경망 기법으로 재분류 과정을 거친 후 93.62%로 크게 개선되었다. 반면, 오보율이 함께 증가되어(13.46% → 37.64%), 전반적인 정확도는 감소하였다. 한편 Weibull 분포를 이용하여 풍해주의보 구간을 두었을 때는 정확도 83.46%으로 인공신경망 기법에 비해 전반적인 예측 정확도는 더 높았던 반면 위험 탐지확률은 88.79%로 더 낮게 나타났다. 따라서, 상대적으로 위험예보의 미예측이 중대한 문제가 되는 사례에서 인공신경망 방식이 유용할 것으로 보인다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.175-197
• /
• 2021

최근 딥 러닝 기술의 발전으로 뉴스, 블로그 등 다양한 문서에 포함된 텍스트 분석에 딥 러닝 기술을 활용하는 연구가 활발하게 수행되고 있다. 다양한 텍스트 분석 응용 가운데, 텍스트 분류는 학계와 업계에서 가장 많이 활용되는 대표적인 기술이다. 텍스트 분류의 활용 예로는 정답 레이블이 하나만 존재하는 이진 클래스 분류와 다중 클래스 분류, 그리고 정답 레이블이 여러 개 존재하는 다중 레이블 분류 등이 있다. 특히, 다중 레이블 분류는 여러 개의 정답 레이블이 존재한다는 특성 때문에 일반적인 분류와는 상이한 학습 방법이 요구된다. 또한, 다중 레이블 분류 문제는 레이블과 클래스의 개수가 증가할수록 예측의 난이도가 상승한다는 측면에서 데이터 과학 분야의 난제로 여겨지고 있다. 따라서 이를 해결하기 위해 다수의 레이블을 압축한 후 압축된 레이블을 예측하고, 예측된 압축 레이블을 원래 레이블로 복원하는 레이블 임베딩이 많이 활용되고 있다. 대표적으로 딥 러닝 모델인 오토인코더 기반 레이블 임베딩이 이러한 목적으로 사용되고 있지만, 이러한 기법은 클래스의 수가 무수히 많은 고차원 레이블 공간을 저차원 잠재 레이블 공간으로 압축할 때 많은 정보 손실을 야기한다는 한계가 있다. 이에 본 연구에서는 오토인코더의 인코더와 디코더 각각에 스킵 연결을 추가하여, 고차원 레이블 공간의 압축 과정에서 정보 손실을 최소화할 수 있는 레이블 임베딩 방법을 제안한다. 또한 학술연구정보서비스인 'RISS'에서 수집한 학술논문 4,675건에 대해 각 논문의 초록으로부터 해당 논문의 다중 키워드를 예측하는 실험을 수행한 결과, 제안 방법론이 기존의 일반 오토인코더 기반 레이블 임베딩 기법에 비해 정확도, 정밀도, 재현율, 그리고 F1 점수 등 모든 측면에서 우수한 성능을 나타냄을 확인하였다.

• 기독교교육논총
• /
• 제64권
• /
• pp.51-79
• /
• 2020

본 연구는 코로나-19 팬데믹 시대에 사회적 약자들과 함께 하는 기독교교육을 추구하기 위해 수행된 연구이다. 코로나-19는 생태계를 파괴하고 착취한 인간의 탐욕으로 야기한 인재이다. 무차별적으로 번져가는 전 지구적 전염병이 창궐하는 시기에 우리는 이기적인 자기중심성을 극복하여 어려움을 겪으며 애통해 하는 이웃과 함께 해야 한다. 더욱이 코로나 시대와 포스트 코로나 시대에 인류가 어떻게 서로를 도와 생존할 수 있을지 모색하여야 한다. 무엇보다 국가와 인종과 경제적 능력 사이에 너무나도 큰 차별이 존재하고 있고 결국 자본주의의 극단적인 차별이 사회와 국가 전반에 나타나고 있는 것 또한 문제다. 코로나-19가 침투했을 때 확진율은 큰 차이가 없었으나 사망률은 가진 자와 덜 가진 자 사이에 큰 차이를 보였다. 평소에 덜 가짐으로 인하여 삶이 힘든 사람들이 바이러스의 공격을 막아내고 물리치는 일에 훨씬 더 취약하다는 점이 결과적으로 드러나고 있는 것이 안타깝지만 오늘의 현실이다. 거시적으로는 기후변화 및 생태환경에 대한 주의를 기울이고, 미시적으로는 지구상의 거의 모든 나라에 존재하는 빈부, 성별, 인종, 장애 유무, 국적의 격차에 따라 엄청난 차별을 받으며 살아가는 수많은 사회적 약자에 대한 구체적인 관심이 필요하다. 사회적 약자들의 현실을 파악하기 위하여 백신 불평등에 대한 담론, 장애인의 필요에 대한 담론, 인종별 피해 정도의 상이함에 대한 담론, 양극화와 디스토피아에 대한 담론, 교육적 불평등에 대한 담론 등을 코로나19 시대에 사회적 약자들의 당면한 현실로 다루었다. 그리고 사회적 약자와 함께 하는 기독교교육을 위해 다섯 가지를 제시하였다. 1. 예수님의 제자로서 세상의 건강한 시민으로서 살게 돕기 위해 가정과 교회가 함께 하는 기독교교육 교재 '해피투게더'를 대안으로 제안하였고, 2. 아스머와 슈바이쳐의 연구 분석을 통해 인류의 상호의존성과 상호책임성을 강화하는 공적 신앙의 계발에 대해 다루었으며, 3. 학습자의 분별력 증진을 위해 비판적 미디어 리터러시 교육에 대한 폴 길스터의 담론을 분석하였고, 4. 피조물의 제자리를 찾기 위한 기독교교육 생태계를 복원을 위한 호모 사피엔스의 역할을 구약학자 강사문의 석의(釋義)적 시각으로 다루었으며, 5. 최종적으로 약한 자의 친구로 살게 하는 우정신앙을 품어 온전성을 추구하는 기독교교육적 정신 제안하기 위해 파커 파머의 온전성에 대한 글과 크리스틴 폴의 우정신학을 분석하여 제안하였다. 유일무이한 삶의 잣대인 성경 말씀 위에 터한 기독교교육자들이 코로나19 팬데믹 시대에 염두에 두어야 할 소명은 굶주리고, 헐벗으며, 갈 곳이 없고, 병에 걸려도 치료제 주사를 맞지 못하여 결국 죽어갈 수밖에 없게 될 나그네와 같은 이웃을 내 형제로 친구로 알고 섬기며 돌보는 우정 신학을 굳건히 세워 사고와 실천이 어우러지는 삶을 추구해 나아가야 한다. 그럼으로써 사회적 약자를 위하여 어떤 일을 하는 것에 그치지 않고 사회적 약자들과 함께 애통해 하며 작은 것부터 실천하고자 하는 기독교교육 정신과 방안을 제안하였다.

• 한국과학교육학회지
• /
• 제40권6호
• /
• pp.595-609
• /
• 2020

이 연구에서는 코로나19 상황에서 온라인 과학 수업 콘텐츠 개발에 참여한 교사들의 경험과 온라인 과학 수업에 대한 인식, 그리고 교사들이 개발한 온라인 과학 수업 콘텐츠의 특징에 대해 분석하였다. 이를 위해 온라인 과학 수업 동영상을 직접 제작한 10명의 초등 교사를 대상으로 온라인 과학 수업 동영상의 제작 과정과 어려움, 온라인 과학 수업에 대한 인식에 대해 설문 조사 및 심층 면담하였으며, 연구 참여자들이 제작한 온라인 과학 수업 동영상을 분석하여 온라인 과학수업의 특징을 조사하였다. 그 결과 온라인 과학 수업 동영상은 교사가 수업 연구, 각본 작성, 수업 동영상 촬영 및 편집의 전 과정을 구상하고 수업 및 실험과정을 직접 촬영하는 형태로 제작되었거나 전자저작물이나 디지털교과서 등에 음성을 녹음하는 형태로 제작되었다. 연구 참여자들은 제작 시간 부족, 촬영과 편집의 어려움, 오개념 전달에 대한 우려, 기존 자료에 대한 저작권 해결 문제, 외부 공개에 대한 부담 등을 어려움으로 인식하였다. 온라인 과학 수업 동영상 콘텐츠를 제작한 경험이 있는 교사였지만 온라인 과학 수업의 장점에 관해 적극적으로 대답한 연구 참여자는 없었다. 다만 온라인 수업의 특징인 반복 학습의 가능, 수업 시간과 장소의 자유로움, 교사의 수업계획이나 통제의 용이, 시각적 매체 활용으로 수업에 대한 학생의 흥미 유발 등에서 면대면 수업보다 유리함이 있을 것으로 응답했다. 반면에 연구 참여자들은 온라인 과학 수업의 단점으로 학생들의 탐구기회가 줄어들고, 의사소통이나 상호작용이 부족해지는 것을 꼽았다. 특히 이러한 단점들은 온라인 과학 수업의 질 특히 탐구 수업을 어렵게 하는 데 큰 영향을 미칠 것으로 생각했다. 온라인 과학 수업이 면대면 수업을 완전히 대체할 수 없다는 부정적인 견해를 취하는 교사들도 있었지만 여러 교사가 콘텐츠 활용형 온라인 수업 방식을 보완하는 보조적 수업 활동이 제시된다면 온라인 과학 수업과 면대면 수업을 병행하는 방식은 가능할 것으로 인식하였다. 또한 온라인 과학 수업의 도입 단계나 정리 단계에서는 면대면 과학 수업의 과정과 유사하였지만, 탐구 단계와 개념 설명 단계에서는 면대면 과학 수업과 큰 차이를 보였다. 온라인 과학 수업에서는 학생들의 흥미 유발을 위한 여러 방법이 사용되기도 하였지만, 학생의 실험 참여를 유도하지 않는 시범 실험이나 실험결과를 획일적으로 정리하였고 교과서 본문 내용과 개념을 교사가 정리하고 설명함으로써 교사 주도 개념 설명식 수업의 형태를 띠었다.

• 동양고전연구
• /
• 제73호
• /
• pp.385-414
• /
• 2018

이 글에서는 유교적 종법질서에 변화가 일어난 19세기 격변기에 가문 경영의 주체로서의 여성. 특히 문중에서 종부로서의 지위를 가진 여성의 구체적인 삶의 여정을 한글편지를 통해 재구성해 보았다. 해남윤씨가 8대 종부 광주이씨는 혼인 초부터 남편의 부재로 전통사회의 일반적인 환경에서 벗어났기 때문에 자신이 학습 받은 남성중심의 사회적 질서가 아닌 자신만의 독자적인 정체성을 찾으려는 시도를 하였다. 광주이씨는 종부로서의 지위를 자신이 찾고 자신이 지킬 수밖에 없는 독립적인 주체로 자신을 인식한 것이다. 광주이씨가 종부가 되어 해남윤씨가로 왔을 때 종가의 가세는 많이 기울어져 있었다. 이러한 경제적 어려움은 그 당시 사회적 흐름인 노비제도의 변화로 인한 노주(奴主) 관계의 갈등과 수세의 감소 때문이었다. 그리고 시숙들의 간섭은 종가의 경제적 형편을 더욱 어렵게 했다. 광주이씨는 종가에서 종부로서의 자신의 지위를 확고히 하고 피폐해진 종가를 바로 세우기 위하여 지친들의 간섭에서 자유로울 수 있는 방법으로 종부의 입후권을 이용하였다. 그 때까지 해남윤씨가에서 이루어진 입양은 모두 지친간에 이루어졌는데 광주이씨는 시숙들의 간섭에서 자유롭고 종부로서의 자신의 위치를 굳건히 할 수 있는 장치로 입양문제를 이용한 것이다. 따라서 시숙들의 이해관계에서 자유로울 수 있도록 오히려 멀리 있는 일가 중에서 양자를 골랐다. 광주이씨는 또한 종부로서의 권위를 확고히 하는 데는 종가의 경제권을 장악하는 것이 가장 필수적인 요건이라고 생각하였다. 그 당시 가정 경제를 지탱하는 가장 중요한 수단인 노비노동을 자신을 중심으로 결속시키기 위해서도 자신이 종가의 경제권을 제대로 행사해야 한다고 생각했다. 남편은 물론 자신의 피붙이 하나 없는 종가에서 광주이씨는 19세기라는 사회적 격변기에 종가를 바로 세우고 이름뿐인 종부가 아닌 명실상부한 종가의 안주인으로서의 자리를 차지하게 되었다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.103-128
• /
• 2021

최근 주식의 수익률과 거래량을 설명하는 주요 요인으로서 투자자의 관심도와 주식 관련 정보 전파의 영향력이 부각되고 있다. 또한 인공지능과 같은 혁신 신기술을 개발보급하거나 활용하려는 기업의 경우 거시환경 및 시장 불확실성 때문에 기업의 미래 주식 수익률과 주식 변동성을 예측하기 어렵다는 문제를 가지고 있다. 이는 인공지능 활성화의 장애요인으로 인식되고 있다. 따라서 본 연구의 목적은 인공지능 관련 기술 키워드의 인터넷 검색량을 투자자의 관심 척도로 사용하여, 기업의 주가 변동성을 예측하는 기계학습 모형을 제안하는 것이다. 이를 위해 심층신경망 LSTM(Long Short-Term Memory)과 벡터자기회귀(Vector Autoregression)를 통해 주식시장을 예측하고, 기술의 사회적 수용 단계에 따라 키워드 검색량을 활용한 주가예측 성능 비교를 통해 기업의 투자수익 예측이나 투자자들의 투자전략 의사결정을 지원하는 주가 예측 모형을 구축하였다. 또한 인공지능 기술의 세부 하위 기술에 대한 분석도 실시하여 기술 수용 단계에 따른 세부 기술 키워드 검색량의 변화를 살펴보고 세부기술에 대한 관심도가 주식시장 예측에 미치는 영향을 살펴보았다. 이를 위해 본 연구에서는 인공지능, 딥러닝, 머신러닝 키워드를 선정하여, 2015년 1월 1일부터 2019년 12월 31일까지 5년간의 인터넷 주별 검색량 데이터와 코스닥 상장 기업의 주가 및 거래량 데이터를 수집하여 분석에 활용하였다. 분석 결과 인공지능 기술에 대한 키워드 검색량은 사회적 수용 단계가 진행될수록 증가하는 것으로 나타났고, 기술 키워드를 기반으로 주가예측을 하였을 경우 인식(Awareness)단계에서 가장 높은 정확도를 보였으며, 키워드별로 가장 좋은 예측 성능을 보이는 수용 단계가 다르게 나타남을 확인하였다. 따라서 기술 키워드를 활용한 주가 예측 모델 구축을 위해서는 해당 기술의 하위 기술 분류를 고려할 필요가 있다. 본 연구의 결과는 혁신기술을 기반으로 기업의 투자수익률을 예측하기 위해서는 기술에 대한 대중의 관심이 급증하는 인식 단계를 포착하는 것이 중요하다는 점을 시사한다. 또한 최근 금융권에서 선보이고 있는 빅데이터 기반 로보어드바이저(Robo-advisor) 등 투자 의사 결정 지원 시스템 개발 시 기술의 사회적 수용도를 세분화하여 키워드 검색량 변화를 통해 예측 모델의 정확도를 개선할 수 있다는 점을 시사하고 있다.

• Journal of Nutrition and Health
• /
• 제55권1호
• /
• pp.21-35
• /
• 2022

본 연구 결과, 식품군별 대표식품과 1인 1회 분량이 설정되었으며 생애주기별, 성별 1일 에너지필요추정량에 따른 식품군별 섭취횟수를 계산하여 제시한 권장식사패턴 및 이를 활용한 권장식사구성안 12종이 제시되었다. 지속적으로 증가하고 있는 유지·당류 섭취량의 감소를 위한 인지를 높이기 위해 1인 1회분량과 식품구성자전거에 유지·당류 식품군을 포함하였다. 자료 분석과 일반인 및 전문가 대상 설문조사를 실시하여 2020 KDRIs 기반 생애주기별 영양문제 범주화 및 대국민 메시지에 기반한 사용자 맞춤형 웹기반 영양 콘텐츠 개발 및 홍보를 위한 근거를 마련하였다. 이를 근거로 일반국민과 청소년 대상 카드뉴스 2종, 새로운 2020 식품구성자전거와 권장식사패턴을 홍보하기 위한 카드뉴스 2종과 5개 언어 (한국어, 영어, 일본어, 베트남어, 중국어) 포스터가 제작되었다. 또한 영양교육주제의 우선순위 선정 후 단계별 교육프로그램 설계 후 교육목표에 따른 교수학습안과 교수자료, 평가도구 등이 개발되었다. 이와 같은 자료는 모두 보건복지부와 한국영양학회 누리집을 통해 배포되었으니 다양한 분야에서 다각적인 측면에서 활용되기를 기대한다.

• 정보관리학회지
• /
• 제39권2호
• /
• pp.111-129
• /
• 2022

불면증은 최근 5년 새 환자가 20% 이상 증가하고 있는 현대 사회의 만성적인 질병이다. 수면이 부족할 경우 나타나는 개인 및 사회적 문제가 심각하고 불면증의 유발 요인이 복합적으로 작용하고 있어서 진단 및 치료가 중요한 질환이다. 본 연구는 자유롭게 의견을 표출하는 소셜 미디어 'Reddit'의 불면증 커뮤니티인 'insomnia'를 대상으로 5,699개의 데이터를 수집하였고 이를 국제수면장애분류 ICSD-3 기준과 정신의학과 전문의의 자문을 받은 가이드라인을 바탕으로 불면증 경향 문헌과 비경향 문헌으로 태깅하여 불면증 말뭉치를 구축하였다. 구축된 불면증 말뭉치를 학습데이터로 하여 5개의 딥러닝 언어모델(BERT, RoBERTa, ALBERT, ELECTRA, XLNet)을 훈련시켰고 성능 평가 결과 RoBERTa가 정확도, 정밀도, 재현율, F1점수에서 가장 높은 성능을 보였다. 불면증 소셜 데이터를 심층적으로 분석하기 위해 기존에 많이 사용되었던 LDA의 약점을 보완하며 새롭게 등장한 BERTopic 방법을 사용하여 토픽 모델링을 진행하였다. 계층적 클러스터링 분석 결과 8개의 주제군('부정적 감정', '조언 및 도움과 감사', '불면증 관련 질병', '수면제', '운동 및 식습관', '신체적 특징', '활동적 특징', '환경적 특징')을 확인할 수 있었다. 이용자들은 불면증 커뮤니티에서 부정 감정을 표현하고 도움과 조언을 구하는 모습을 보였다. 또한, 불면증과 관련된 질병들을 언급하고 수면제 사용에 대한 담론을 나누며 운동 및 식습관에 관한 관심을 표현하고 있었다. 발견된 불면증 관련 특징으로는 호흡, 임신, 심장 등의 신체적 특징과 좀비, 수면 경련, 그로기상태 등의 활동적 특징, 햇빛, 담요, 온도, 낮잠 등의 환경적 특징이 확인되었다.

• 전기전자학회논문지
• /
• 제26권3호
• /
• pp.408-415
• /
• 2022

본 논문에서는 효율적인 feature map 추출 네트워크를 이용한 2D 이미지에서의 3D 포인트 클라우드 재구축 기법을 제안한다. 본 논문에서 제안한 기법의 독창성은 다음과 같다. 첫 번째로, 메모리 측면에서 기존 기법보다 약 27% 더 효율적인 새로운 feature map 추출 네트워크를 사용한다. 제안하는 네트워크는 딥러닝 네트워크의 중간까지 크기 축소를 수행하지 않아, 3D 포인트 클라우드 재구축에 필요한 중요한 정보가 유실되지 않았다. 축소되지 않은 이미지 크기로 인해 발생하는 메모리 증가 문제는 채널의 개수를 줄이고 딥러닝 네트워크의 깊이를 얕게 효율적으로 구성하여 해결하였다. 두 번째로, 2D 이미지의 고해상도 feature를 보존하여 정확도를 기존 기법보다 향상시킬 수 있도록 하였다. 축소되지 않은 이미지로부터 추출한 feature map은 기존의 방법보다 자세한 정보가 담겨있어 3D 포인트 클라우드의 재구축 정확도를 향상시킬 수 있다. 세 번째로, 촬영 정보를 필요로 하지 않는 divergence loss를 사용한다. 2D 이미지뿐만 아니라 촬영 각도가 학습에 필요하다는 사항은 그만큼 데이터셋이 자세한 정보를 담고 있어야 하며 데이터셋의 구축을 어렵게 만드는 단점이다. 본 논문에서는 추가적인 촬영 정보 없이 무작위성을 통해 정보의 다양성을 늘려 3D 포인트 클라우드의 재구축 정확도가 높아질 수 있도록 하였다. 제안하는 기법의 성능을 객관적으로 평가하기 위해 ShapeNet 데이터셋을 이용하여 비교 논문들과 같은 방법으로 실험한 결과, 본 논문에서 제안하는 기법의 CD 값이 5.87, EMD 값이 5.81 FLOPs 값이 2.9G로 산출되었다. 한편, CD, EMD 수치가 낮을수록, 재구축한 3D 포인트 클라우드가 원본에 근접하는 정확도가 향상된 결과를 나타낸다. 또한, FLOPs 수치가 낮을수록 딥러닝 네트워크에 필요한 메모리가 적게 소요되는 결과를 나타낸다. 따라서, 제안하는 기법의 CD, EMD, FLOPs 성능평가 결과가 다른 논문의 기법들보다 메모리 측면에서 약 27%, 정확도 측면에서 약 6.3% 향상된 결과를 나타내어 객관적인 성능이 입증되었다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.925-938
• /
• 2022

농업용 저수지는 전국적으로 중요한 수자원으로 기후변화에 따른 가뭄과 같은 이상기후의 영향에 취약한 특성을 가지며 적절한 운영을 위해 강화된 관리가 필요하다. 지속적인 모니터링을 통한 수위 추적(water level tracking)이 필요하지만 현실적인 문제로 현장 실측 및 관측이 어려운 실정이다. 본 연구는 저수지 수표면적을 측정하기 위해 광역 모니터링이 가능한 위성레이더 자료를 이용하여 4가지 AI 모델 간의 수체 탐지 성능에 대해 객관적인 비교를 제시한다. 위성 레이더자료는 Sentinel-1 SAR 이미지를 사용하였으며, 광학영상과 달리 기상환경에 영향을 적게 받기 때문에 장기 모니터링에 적합하다. 드론 이미지, Sentinel-1 SAR 그리고 DSM 데이터를 사용하여 Support Vector Machine (SVM), Random Forest (RF), Artificial Neural Network (ANN), Automated Machine Learning (AutoML)의 4가지 AI 모델을 구축했다. 연구대상 저수지는 총 22개소로 유효저수량이 30만톤 미만의 중소형 저수지이다. 총 45개 이미지가 모델 훈련과 검증에 사용되었으며, 연구 결과 AutoML 모델이 Accuracy=0.92, mIoU=0.81로 다른 3가지 모델에 비해 수체 픽셀 분류에서 0.01-0.03 더 나은 것을 보여주었다. 해당 결과는 SAR 영상으로부터 AutoML을 이용한 중소형 저수지 대상의 수체 분류 기법이 기존의 머신러닝 기법만큼의 성능을 보이는 것을 보여주었고, 학습을 통한 수표면적 분류 기술의 저수지 모니터링에 대한 적용 가능성을 보여주었다.