• 대한원격탐사학회지
• /
• 제39권1호
• /
• pp.87-97
• /
• 2023

Unmanned aerial vehicles (UAVs) can capture high-resolution imagery from a variety of viewing angles and altitudes; they are generally limited to collecting images of small scenes from larger regions. To improve the utility of UAV-appropriated datasetsfor use with deep learning applications, multiple datasets created from variousregions under different conditions are needed. To demonstrate a powerful new method for integrating heterogeneous UAV datasets, this paper applies a combined segmentation network (CSN) to share UAVid and semantic drone dataset encoding blocks to learn their general features, whereas its decoding blocks are trained separately on each dataset. Experimental results show that our CSN improves the accuracy of specific classes (e.g., cars), which currently comprise a low ratio in both datasets. From this result, it is expected that the range of UAV dataset utilization will increase.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.967-978
• /
• 2023

본 연구에서는 다양한 드론 영상 데이터셋을 효과적으로 학습하여 의미론적 분할의 정확도를 향상시키기 위한 combined segmentation network (CSN)를 제안하고 검증하였다. CSN은 세 가지 드론 데이터셋의 다양성을 고려하기 위하여 인코딩 영역의 전체를 공유하며, 디코딩 영역은 독립적으로 학습된다. CSN의 경우, 학습 시 모든 데이터셋에 대한 손실값을 고려하기 때문에 U-Net 및 pyramid scene parsing network (PSPNet)으로 단일 데이터셋을 학습할 때보다 학습 효율이 떨어졌다. 그러나 국내 자율주행 드론 영상에 CSN을 적용한 결과, CSN이 PSPNet에 비해 초기 학습 없이도 영상 내 화소를 적절한 클래스로 분류할 수 있는 것을 확인하였다. 본 연구를 통하여 CSN이 다양한 드론 영상 데이터셋을 효과적으로 학습하고 새로운 지역에 대한 객체 인식 정확성을 향상시키는 데 중요한 도구로써 활용될 수 있을 것으로 기대할 수 있다.

• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1777-1783
• /
• 2021

대단위 신재생 에너지 발전단지의 효율적인 유지관리를 위해 드론의 활용이 점차 증가하고 있다. 오래전부터 태양광 패널을 드론으로 촬영하여 패널의 유실 및 오염 등을 관리하고 있다. 본 논문에서는 열화상카메라를 장착한 드론을 이용하여 획득된 태양광패널 이미지에서 아크, 단선, 크랙 등의 고장 유무를 판별하기 위해 시멘틱세그멘테이션 기법을 이용한 분류모델을 제안한다. 또한 적은 데이터셋으로도 강인한 분류 성능을 보이는 U-Net의 튜닝을 통해 효율적인 분류모델을 구현하였다.