• 대한원격탐사학회지
• /
• 제36권5_2호
• /
• pp.867-879
• /
• 2020

본격적인 우주기술 활용시대가 전망되는 현재의 시점에서 고해상도 영상취득이 가능한 국토관측위성의 발사가 2021년으로 예정되어 있다. 이에 따라 국토관측위성의 지상국의 핵심설계요소로 영상사용자의 위성영상 활용성과 작업자의 처리효율성 증대가 강조되어 왔다. 이에 대응하여, 국토관측위성의 수집, 처리, 저장, 관리 및 활용을 위한 핵심기술과 국토관측위성 지상국의 운영시스템을 개발하는 국토관측위성 수집 및 활용기술개발 연구사업이 진행되었다. 본 논문에서는 상기 연구개발사업의 성과로 개발된 국토관측위성 활용핵심기술과 지상국 운영시스템 개발결과를 소개한다. 개발된 지상국 운영시스템은 한반도 전역의 GCP(Ground Control Point) chip DB(Database)와 DEM(Digital Elevation Model) DB를 시스템 내에 구축하여 자동화된 방식으로 정밀정사영상을 생성하기 위한 기술 및 시스템을 구현하였다. 나아가 생성된 정밀정사영상을 1:5,000 도엽단위로 분할한 도엽정사영상을 생산하여 향후 분석준비자료 (ARD(Analysis Ready Data)) 체계로 발전할 수 있도록 개발하였다. 또한 정밀정사영상 및 도엽정사영상으로부터 DSM(Digital Surface Model)자료, 변화탐지지도, 객체추출지도 등 다양한 활용산출물이 체계적으로 생산될 수 있도록 활용산출물 생산 SW를 지상국 운영시스템과 연동시킬 수 있게 개발하였다. 본 연구진이 개발한 국토위성정보 활용기술 및 운영시스템은 국내 최초로 한반도 GCP chip DB구축을 통해서 자동화된 정밀정사영상생성 기술을 확보하고 다양한 활용산출물의 생산을 위성지상국 운영시스템에 접목했다는 점에서 의의가 있다고 판단된다. 개발된 국토위성정보 운영시스템은 국토관측위성의 주 활용부처인 국토지리정보원 국토위성정보활용센터에 설치되었으며, 향후 동 센터의 업무에 크게 기여할 것으로 바라보고 있다. 또한, 향후 발사예정인 여러 저궤도 지구관측위성의 지상국 시스템에 대한 기준을 제시할 수 있을 것으로 기대한다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.27-65
• /
• 2020

많은 정보통신기술 기업들은 자체적으로 개발한 인공지능 기술을 오픈소스로 공개하였다. 예를 들어, 구글의 TensorFlow, 페이스북의 PyTorch, 마이크로소프트의 CNTK 등 여러 기업들은 자신들의 인공지능 기술들을 공개하고 있다. 이처럼 대중에게 딥러닝 오픈소스 소프트웨어를 공개함으로써 개발자 커뮤니티와의 관계와 인공지능 생태계를 강화하고, 사용자들의 실험, 적용, 개선을 얻을 수 있다. 이에 따라 머신러닝 분야는 급속히 성장하고 있고, 개발자들 또한 여러가지 학습 알고리즘을 재생산하여 각 영역에 활용하고 있다. 하지만 오픈소스 소프트웨어에 대한 다양한 분석들이 이루어진 데 반해, 실제 산업현장에서 딥러닝 오픈소스 소프트웨어를 개발하거나 활용하는데 유용한 연구 결과는 미흡한 실정이다. 따라서 본 연구에서는 딥러닝 프레임워크 사례연구를 통해 해당 프레임워크의 도입 전략을 도출하고자 한다. 기술-조직-환경 프레임워크를 기반으로 기존의 오픈 소스 소프트웨어 도입과 관련된 연구들을 리뷰하고, 이를 바탕으로 두 기업의 성공 사례와 한 기업의 실패 사례를 포함한 총 3 가지 기업의 도입 사례 분석을 통해 딥러닝 프레임워크 도입을 위한 중요한 5가지 성공 요인을 도출하였다: 팀 내 개발자의 지식과 전문성, 하드웨어(GPU) 환경, 데이터 전사 협력 체계, 딥러닝 프레임워크 플랫폼, 딥러닝 프레임워크 도구 서비스. 그리고 도출한 성공 요인을 실현하기 위한 딥러닝 프레임워크의 단계적 도입 전략을 제안하였다: 프로젝트 문제 정의, 딥러닝 방법론이 적합한 기법인지 확인, 딥러닝 프레임워크가 적합한 도구인지 확인, 기업의 딥러닝 프레임워크 사용, 기업의 딥러닝 프레임워크 확산. 본 연구를 통해 각 산업과 사업의 니즈에 따라, 딥러닝 프레임워크를 개발하거나 활용하고자 하는 기업에게 전략적인 시사점을 제공할 수 있을 것이라 기대된다.