Analysis of economic situation through image learning using satellite images
(Object of interest detection, building outline extraction, road outline extraction, cloud extraction, radar image water system extraction)
Object-Reading-SI 프로젝트는 위성 이미지를 학습하여 경제 상황을 분석하는 시스템을 개발하는 것을 목표로 합니다. 이 프로젝트는 특히 아리랑 위성 영상을 활용하여 5종의 학습 데이터셋을 구축하며, 재난, 환경, 에너지, 자원, 안보, 식량 등 다양한 분야에서 위성 영상을 효율적으로 분석하고 활용할 수 있도록 합니다.
- 관심객체 검출: 위성 영상에서 관심있는 객체를 검출하고, 객체의 길이와 방향을 포함한 정보를 회전된 바운딩 박스(rotated bounding box) 형태로 추출합니다.
- 건물 윤곽 추출: 위성 영상에서 건물의 윤곽을 추출하고, 다각형 형태의 건물 윤곽을 geojson 형식으로 제공합니다.
- 도로 윤곽 추출: 위성 영상에서 도로의 윤곽을 추출하고, 이를 geojson 형태로 제공합니다.
- 구름 추출: 위성 영상에서 구름 영역을 추출합니다.
- 레이더 영상 수계 추출: 레이더 영상을 분석하여 수계(물체계)의 윤곽을 추출합니다.
- 데이터 출처: 한국항공우주연구원
- 데이터 구축년도: 2020년
- 구축량:
- 관심객체 검출: 50만 건 이상
- 건물 윤곽 추출: 20만 건 이상
- 도로 윤곽 추출: 6000km 이상
- 구름 추출: 4000장 이상
- 수계 추출: 2400장 이상
| 측정항목 | AI TASK | 학습모델 | 지표명 | 기준값 점수 | 측정값 점수 |
|---|---|---|---|---|---|
| 관심객체 검출 및 인식 | Object Detection | RoI Transformer | mAP | 40% | 50% |
| 건물 검출 성능 (Binary Class) | Object Detection | FCN-ResNet101 | mIoU | 50% | 62% |
| 건물 검출 성능 (Multi class) | Object Detection | FCN-ResNet101 | mIoU | 30% | 30% |
| 도로 검출 성능 (Binary Class) | Object Detection | NL-LinkNet | mIoU | 50% | 81% |
| 도로 검출 성능 (Multi class) | Object Detection | NL-LinkNet | mIoU | 30% | 42% |
| 구름 검출 성능 | Object Detection | DeepLab v3 | mIoU | 50% | 63.8% |
| 수계 검출 성능 | Object Detection | HRNet v2 | mIoU | 50% | 82.23% |
- 관심객체 검출: 객체의 길이와 방향을 포함한 회전된 바운딩 박스(rotated bounding box)를 geojson 형태로 제공
- 형식: [중심좌표 x, y, 박스크기 H, W, 회전각 θ]
- 건물 윤곽 추출: 다각형 형태의 건물 윤곽을 geojson 형태로 제공
- 형식: Polygon (닫힌 도형)
- 도로 윤곽 추출: 도로 윤곽과 종류를 geojson 형태로 제공
- 형식: Polygon (닫힌 도형)
- 프로젝트를 클론합니다.
git clone https://github.com/kordokrip/Object-Reading-SI.git - 필수 라이브러리를 설치합니다.
pip install -r requirements.txt - 모델을 실행하여 위성 영상을 분석합니다.
python src/detect_and_extract.py
새로운 기능 추가나 버그 수정에 기여하려면, 먼저 이슈를 생성하거나 기존 이슈를 참고해주세요.
Pull Request를 통해 기여할 수 있습니다.
감사합니다! 프로젝트에 대한 관심과 기여를 환영합니다!
Building-detection
Roads-detection
