신경망을 이용한 항공 사진의 구름 제거

大阪 대학교의 지속 가능한 에너지 및 환경 공학부의 연구자들과 과학자들은 생성적 적대적 신경망(GANs)을 이용하여 항공 사진에서 구름을 디지털로 제거할 수 있었다. 그 결과로 정확한 건물 이미지 마스크 데이터셋을 자동으로 생성할 수 있었다.

이 연구는 Advanced Engineering Informatics에 발표되었다.

연구 팀은 데이터 품질을 개선하기 위해 두 개의 인공 지능(AI) 네트워크를 대립시켰으며, 이전에 레이블이 지정된 이미지가 필요하지 않았다. 연구 팀에 따르면, 이러한 새로운 개발은 건설 공학과 같은 분야에서 컴퓨터 비전 기술이 중요한 분야에서 사용될 수 있다.

이미지 복원에 대한 기계 학습

기계 학습은 종종 구름으로 가려진 건물의 항공 사진과 같은 가려진 이미지를 복원하는 데 사용된다. 이 작업은 수동으로 수행할 수 있지만 시간이 많이 걸리고 기계 학습 알고리즘만큼 효과적이지 않다. 이미 사용 가능한 알고리즘은大量의 훈련 이미지 세트가 필요하므로 기술을さらに 발전시키는 것이 중요하다.

大阪 대학교의 연구자들이 생성적 적대적 신경망을 적용했을 때, 이것이 바로 그랬다. 하나의 네트워크는 “생성 네트워크”이며, 구름이 없는 재구성된 이미지를 제안한다. 이 네트워크는 “판별 네트워크”와 대립하며, 이는 합성곱 신경망을 사용하여 구름이 없는 실제 이미지와 디지털로 복원된 사진을 구별한다.

네트워크가 이过程를 진행함에 따라, 둘 다 점점 더 좋아지며, 이는 구름이 디지털로 지워진 매우 현실적인 이미지를 생성할 수 있게 한다.

카즈노스케 이케노는 이 논문의 첫 번째 저자이다.

“판별 네트워크를 속여 실제 이미지라고 생각하게 하는 생성 네트워크를 훈련시킴으로써, 더 자기 일관적인 재구성된 이미지를 얻을 수 있다”고 이케노는 말한다.

이미지: 2021 카즈노스케 IKENO 외, Advanced Engineering Informatics

시스템 훈련

팀은 3D 가상 모델과 공개 데이터셋의 사진을 사용하여 입력으로 사용했으며, 이를 통해 시스템이 재구성된 건물에 대한 디지털 “마스크”를 자동으로 생성할 수 있었다.

토모히로 후쿠다는 연구의 선임 저자이다.

“이 방법을 사용하면 레이블이 지정된 훈련 데이터가 없는 영역에서 건물을 감지할 수 있다”고 후쿠다 कहत다.

훈련된 모델은 0.651의 “교차 합” 값으로 건물을 감지할 수 있었다. 이 값은 재구성된 영역이 실제 영역과 얼마나 정확하게 일치하는지 측정하는 값이다.

연구 팀에 따르면, 이 방법은 가려진 이미지로 구성된 다른 데이터셋의 품질을 개선할 수 있으며, 이는 의료와 같은 분야에서 의료 이미징을 개선하는 데 사용될 수 있다.