DeepLabV3+와 Swin Transformer 모델을 이용한 Sentinel-2 영상의 구름탐지

강종구,박강현,김근아,윤유정,최소연,이양원,Kang, Jonggu,Park, Ganghyun,Kim, Geunah,Youn, Youjeong,Choi, Soyeon,Lee, Yangwon 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.6

Sentinel-2 can be used as proxy data for the Korean Compact Advanced Satellite 500-4 (CAS500-4), also known as Agriculture and Forestry Satellite, in terms of spectral wavelengths and spatial resolution. This letter examined cloud detection for later use in the CAS500-4 based on deep learning technologies. DeepLabV3+, a traditional Convolutional Neural Network (CNN) model, and Shifted Windows (Swin) Transformer, a state-of-the-art (SOTA) Transformer model, were compared using 22,728 images provided by Radiant Earth Foundation (REF). Swin Transformer showed a better performance with a precision of 0.886 and a recall of 0.875, which is a balanced result, unbiased between over- and under-estimation. Deep learning-based cloud detection is expected to be a future operational module for CAS500-4 through optimization for the Korean Peninsula.

DeepLabV3+ 모델을 이용한 PlanetScope 영상의 해상 유출유 탐지

강종구,윤유정,김근아,박강현,최소연,양찬수,이종혁,이양원,Kang, Jonggu,Youn, Youjeong,Kim, Geunah,Park, Ganghyun,Choi, Soyeon,Yang, Chan-Su,Yi, Jonghyuk,Lee, Yangwon 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.6

Since oil spills can be a significant threat to the marine ecosystem, it is necessary to obtain information on the current contamination status quickly to minimize the damage. Satellite-based detection of marine oil spills has the advantage of spatiotemporal coverage because it can monitor a wide area compared to aircraft. Due to the recent development of computer vision and deep learning, marine oil spill detection can also be facilitated by deep learning. Unlike the existing studies based on Synthetic Aperture Radar (SAR) images, we conducted a deep learning modeling using PlanetScope optical satellite images. The blind test of the DeepLabV3+ model for oil spill detection showed the performance statistics with an accuracy of 0.885, a precision of 0.888, a recall of 0.886, an F1-score of 0.883, and a Mean Intersection over Union (mIOU) of 0.793.

경제성장과 적정 소득불균등

강종구 ( Jonggu Kang ) 한국국제경제학회 2022 국제경제연구 Vol.28 No.2

본 연구는 경제성장에 대한 소득불균등의 영향과 관련하여 경제성장을 최대화하는 적정한 수준의 소득불균등도가 있으며 그 적정 수준은 각국의 경제 및 사회적 특성에 따라 다르다는 관점에서 접근한다. 본고는 이를 실증적으로 검증하기 위해 국가를 소득수준별로 나누어 패널회귀분석을 수행하였다. 실증분석을 수행한 결과, 저소득 국가 그룹의 경우 대체로 적정 소득불균등도가 실제 소득불균등도보다 낮으나, 고소득 국가에서는 적정 소득불균등도가 실제 소득불균등도와 유사하게 도출되었다. 적정 소득불균등도에 영향을 주는 요인에 관해 실증분석을 수행한 결과, 경제발전 정도의 상승은 저소득 국가와 고소득 국가 모두에서 적정 소득불균등도를 높이는 방향으로 영향을 주었다. 인구수의 증가는 저소득 국가에서 적정 소득불균등도를 높이지만, 고소득 국가에서는 이를 낮추는 효과가 있는 것으로 나타났다. 무역의존도의 상승은 고소득 국가에서 적정 소득불균등도를 낮추는 효과가 있으며, 민간부채의 증가는 저소득 국가를 중심으로 적정 소득불균등도를 낮추는 방향으로 영향을 주었다. Regarding effects of income inequality on economic growth, this paper approaches the subject from the point of view that there is an adequate level of income inequality that maximizes economic growth, and that the adequate level differs depending on the economic and social characteristics of each country. In order to empirically test this, this paper carried out a panel regression analysis by dividing countries with different income levels. The result of empirical analysis shows that the adequate level of income inequality is generally lower than the actual level of income inequality in the low-income countries, but in the high-income countries, the level of adequate income inequality is similar to the actual level of income inequality. The result of empirical analysis on factors affecting the adequate level of income inequality shows that an increase in the degree of economic development raises the level of adequate income inequality in both low and high income countries. An increase in population raises the adequate level of income inequality in low-income countries, but lowers it in high-income countries. An increase in trade openness lowers the adequate level of income inequality in high-income countries, and an increase in private debt lowers the adequate income inequality, mainly in low-income countries.

소규모 IT 서비스 기업 비즈니스 특성을 고려한 정보자산 유형분류 설계연구

강종구(Jonggu Kang),임재환(Jaehwan Lim),이홍주(Hongjoo Lee),장항배(Hangbae Chang) 한국전자거래학회 2011 한국전자거래학회지 Vol.16 No.4

소규모 IT 서비스 기업은 대기업에 비하여 상대적으로 한정된 자원과 인력으로 기업 활동을 수행하고 있으며, 실제 가치를 창출하는 방법에 따라 다양하게 분류될 수 있다. 그러나 현재까지의 정보보호에 관한 연구는 기업규모 및 비즈니스 특성을 고려하지 않은 일반적인 정보보호 대책수립 과정을 진행하여 왔다. 따라서 본 연구에서는 보안대책 수립에 기초가 되는 핵심 정보자산식별 과정을 소규모라는 기업규모와 IT 서비스라는 비즈니스 특성을 고려하여 추출 분류하였다. 세부적으로 정성적 관찰 작업을 통하여 비즈니스 서비스 시나리오 설계에 따른 핵심 정보자산을 식별하고, 통계적 방법을 통하여 식별된 핵심 정보자산에 대한 검증작업을 수행하였다. 향후 본 연구는 소규모 IT 서비스 기업을 위한 특화된 정보보호 대책 개발과정에서 기초자료로 활용될 수 있을 것으로 예상된다. Small IT service organizations operate their business with limited resources and workforce in comparison with large enterprises, and they could be categorized in various types based on the method of value creation. But the recent studies on information security have been conducted and they were focused on the construction of general information security countermeasure, without considering size of the business and characteristic. Hence we have undergone the process of classifying information assets. Then we extracted and categorized the information assets considering characteristics of small organization’s size and business process. Specifically we have classified the information assets according to business scenario design through qualitative observation method. Then we have validated the classified information assets by utilizing statistical method. We may anticipate that this study results could be basic data for developing the differentiated information security countermeasures for small IT service organization.

PlanetScope 영상을 이용한 해양 유출유의 색상 특성 분석

강종구 ( Jonggu Kang ),윤유정 ( Youjeong Youn ),김서연 ( Seoyeon Kim ),정예민 ( Yemin Jeong ),최소연 ( Soyeon Choi ),임윤교 ( Yungyo Im ),서영민 ( Youngmin Seo ),이양원 ( Yangwon Lee ) 대한원격탐사학회 2023 大韓遠隔探査學會誌 Vol.39 No.5

이 단보에서는 PlanetScope 영상을 사용하여 Red-Green-Blue (RGB) 히스토그램 (histogram) 분석을 통해 해양 유출유의 색상 특성과 유종 구분에 대한 실험을 수행하였다. 해양 유출유의 히스토그램은 각 밴드 화소값 분포에 따라 세 가지 카테고리(어두운 검은색 톤, 밝은 은색 톤, 밝은 무지개색 톤)로 나눌 수 있으며, 어두운 검은색 톤의 두꺼운 기름층은 중유(heavy oil)로 구분할 수 있고, 밝은 은색 및 무지개색 톤의 얇은 기름층은 경유(light oil)로 구분할 수 있다. 향후 보다 많은 영상에 대한 분석이 이루어진다면, 이러한 유출유 탐지와 유종 구분이 보다 더 일반화되고 신뢰도를 높일 수 있을 것으로 사료된다. In this letter, we used PlanetScope imagery to conduct experiments on the color characteristics for oil type classification of marine oil spills through Red-Green-Blue (RGB) histogram analysis. The histograms of marine oil spills can be divided into three categories (dark black tones, light silver tones, and light rainbow tones) according to the distribution of pixel values in each band. Thick oil layers with dark black tones can be classified as heavy oil, while thin oil layers with light silver and rainbow tones can be classified as light oil. As more images are analyzed in the future, these oil spill detection and classification methods will become more generalized and reliable.

이동 플랫폼을 위한 실내외 위치 기반 서비스 프레임워크

강종구(Jonggu Kang),김대영(Daeyoung Kim),김은조(Eunjo Kim),김영수(Youngsoo Kim) 한국정보과학회 2007 한국정보과학회 학술발표논문집 Vol.34 No.2A

딥러닝을 이용한 광학위성영상 유출유 탐지

강종구(Jonggu Kang),이양원(Yangwon Lee) 한국해양환경·에너지학회 2022 한국해양환경·에너지학회 학술대회논문집 Vol.2022 No.11

Landsat 8 기반 SPARCS 데이터셋을 이용한 U-Net 구름탐지

강종구 ( Jonggu Kang ),김근아 ( Geunah Kim ),정예민 ( Yemin Jeong ),김서연 ( Seoyeon Kim ),윤유정 ( Youjeong Youn ),조수빈 ( Soobin Cho ),이양원 ( Yangwon Lee ) 대한원격탐사학회 2021 大韓遠隔探査學會誌 Vol.37 No.5

컴퓨터 비전 기술이 위성영상에 적용되면서, 최근 들어 딥러닝 영상인식을 이용한 구름 탐지가 관심을 끌고 있다. 본연구에서는 SPARCS (Spatial Procedures for Automated Removal of Cloud and Shadow) Cloud Dataset과 영상자료증대 기법을 활용하여 U-Net 구름탐지 모델링을 수행하고, 10폴드 교차검증을 통해 객관적인 정확도 평가를 수행하였다. 512×512 화소로 구성된 1800장의 학습자료에 대한 암맹평가 결과, Accuracy 0.821, Precision 0.847, Recall 0.821, F1-score 0.831, IoU (Intersection over Union) 0.723의 비교적 높은 정확도를 나타냈다. 그러나 구름그림자 중 14.5%, 구름 중 19.7% 정도가 땅으로 잘못 예측되기도 했는데, 이는 학습자료의 양과 질을 보다 더 향상시킴으로써 개선 가능할 것으로 보인다. 또한 최근 각광받고 있는 DeepLab V3+ 모델이나 NAS (Neural Architecture Search) 최적화 기법을 통해 차세대중형위성 1, 2, 4호 등의 구름탐지에 활용 가능할 것으로 기대한다. With a trend of the utilization of computer vision for satellite images, cloud detection using deep learning also attracts attention recently. In this study, we conducted a U-Net cloud detection modeling using SPARCS (Spatial Procedures for Automated Removal of Cloud and Shadow) Cloud Dataset with the image data augmentation and carried out 10-fold cross-validation for an objective assessment of the model. As the result of the blind test for 1800 datasets with 512 by 512 pixels, relatively high performance with the accuracy of 0.821, the precision of 0.847, the recall of 0.821, the F1-score of 0.831, and the IoU (Intersection over Union) of 0.723. Although 14.5% of actual cloud shadows were misclassified as land, and 19.7% of actual clouds were misidentified as land, this can be overcome by increasing the quality and quantity of label datasets. Moreover, a state-of-the-art DeepLab V3+ model and the NAS (Neural Architecture Search) optimization technique can help the cloud detection for CAS500 (Compact Advanced Satellite 500) in South Korea.

드론영상과 YOLOv7x 모델을 이용한 활성산불 객체탐지

박강현,강종구,최소연,윤유정,김근아,이양원,Park, Ganghyun,Kang, Jonggu,Choi, Soyeon,Youn, Youjeong,Kim, Geunah,Lee, Yangwon 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.6

Active fire monitoring using high-resolution drone images and deep learning technologies is now an initial stage and requires various approaches for research and development. This letter examined the detection of active fire objects using You Look Only Once Version 7 (YOLOv7), a state-of-the-art (SOTA) model that has rarely been used in fire detection with drone images. Our experiments showed a better performance than the previous works in terms of multiple quantitative measures. The proposed method can be applied to continuous monitoring of wide areas, with an integration of additional development of new technologies.

YOLO를 이용한 SAR 영상의 선박 객체 탐지: 편파별 모델 구성과 정확도 특성 분석

임윤교,윤유정,강종구,김서연,정예민,최소연,서영민,이양원,Yungyo Im,Youjeong Youn,Jonggu Kang,Seoyeon Kim,Yemin Jeong,Soyeon Choi,Youngmin Seo,Yangwon Lee 대한원격탐사학회 2023 大韓遠隔探査學會誌 Vol.39 No.5

Ship detection at sea can be performed in various ways. In particular, satellites can provide wide-area surveillance, and Synthetic Aperture Radar (SAR) imagery can be utilized day and night and in all weather conditions. To propose an efficient ship detection method from SAR images, this study aimed to apply the You Only Look Once Version 5 (YOLOv5) model to Sentinel-1 images and to analyze the difference between individual vs. integrated models and the accuracy characteristics by polarization. YOLOv5s, which has fewer and lighter parameters, and YOLOv5x, which has more parameters but higher accuracy, were used for the performance tests (1) by dividing each polarization into HH, HV, VH, and VV, and (2) by using images from all polarizations. All four experiments showed very similar and high accuracy of 0.977 ≤ AP@0.5 ≤ 0.998. This result suggests that the polarization integration model using lightweight YOLO models can be the most effective in terms of real-time system deployment. 19,582 images were used in this experiment. However, if other SAR images,such as Capella and ICEYE, are included in addition to Sentinel-1 images, a more flexible and accurate model for ship detection can be built.