• AI글쓰기 2.1 업데이트
  • AI글쓰기 2.1 업데이트
  • AI글쓰기 2.1 업데이트
  • AI글쓰기 2.1 업데이트
PARTNER
검증된 파트너 제휴사 자료

산림복원 대상 후보지 추출을 위한 딥러닝 접근법

방대한 850만건의 자료 중 주제별로 만들수 있는 최적의 산출물을 해피 캠퍼스에서 체험 하세요 전문가의 지식과 인사이트를 활용하여 쉽고 폭넓게 이해하고 적용할수 있는 기회를 놓치지 마세요
12 페이지
어도비 PDF
최초등록일 2023.04.03 최종저작일 2022.12
12P 미리보기
산림복원 대상 후보지 추출을 위한 딥러닝 접근법
  • * 본 문서는 배포용으로 복사 및 편집이 불가합니다.

    미리보기

    서지정보

    · 발행기관 : 경상대학교 농업생명과학연구원
    · 수록지 정보 : 농업생명과학연구 / 56권 / 6호
    · 저자명 : 손은희, 하의린, 송정은, 박천희, 박윤선, 김형호

    목차

    초록
    Abstract
    서론
    재료 및 방법
    1. 연구자료 및 대상지
    2. 연구체계
    3. 산림복원 대상 후보지 선정
    4. U-Net 학습
    5. 전이학습 모델선정 및 학습 환경설정
    6. 정확도 평가
    결과 및 고찰
    1. 전체 분류정확도 산정
    2. 항목별 분류정확도 산정
    감사의 글
    References

    초록

    이미지 인식에 특화된 CNN (Convolutional Neural Network) 기반의 딥러닝 기법은 영상의 항목별 분류가 필요한 다양한 연구에 적용되고 있다. 본 연구는 건물, 도로, 논, 밭, 산림, 나지의 6가지 항목을 산림복원 대상 후보지로 정의하고 CNN 기반의 산림복원 대상 후보지 추출 및 분류의 최적 방법론을 탐색하였다. 6,640개의 데이터셋을 75:25의 비율로 훈련(4,980개) 및 검증(1,660개)로 구분하여 구축하고 학습에 활용하였다. 모델별 정확도는 픽셀정확도(PA), 평균 교차 겹침 결합(Mean IoU)을 이용하여 평가하였다. 픽셀정확도는 90.6%, 평균 교차 겹침 결합은 80.8%로 산정되어 Inception-Resnet-v2 모델이 세 모델 중 가장 산림복원 대상 후보지 추출에 뛰어난 정확도를 보였다. 이 결과는 기존의 산림복원 대상 후보지 현장조사 혹은 항공사진을 활용한 조사에 비해 시공간적 이점을 가지며, 향후 산림복원 대상지 선정 자료로 적용 가능성이 있다고 판단된다.

    영어초록

    Many studies using aerial photography and deep learning are increasing for efficient monitoring of the forest resources. We defined six semantic classes of buildings, roads, paddy fields, fields, forests, and barren as forest restoration target sites and explored the optimal methodology for extracting and classifying target sites for forest restoration based on CNN. The datasets (6,640) were divided at a ratio of 75:25 into training (4,980) and validation datasets (1,660). The accuracy of each model was evaluated using pixel accuracy (PA) and Mean Intersection over union (Mean IoU). PA was calculated as 90.6% and Mean IoU was 80.8%, and the Inception-Resnet-v2 model showed excellent accuracy in extracting target sites for forest restoration among the three models. This result has a Spatio-temporal advantage over the existing field survey for forest restoration sites or surveys using aerial photographs by manually. This study will be able to contribute to the classification of forest restoration sites efficiently and support forest restoration.

    참고자료

    · 없음
  • 자료후기

      Ai 리뷰
      지식판매자가 등록한 자료는 매우 유익하고, 주제가 잘 정리되어 있어 학습에 큰 도움이 됩니다. 특히 자료의 품질이 높고, 내용이 풍부하여 많은 정보를 얻을 수 있었습니다. 앞으로도 이러한 유익한 자료가 계속 등록되기를 기대합니다!
    • 자주묻는질문의 답변을 확인해 주세요

      해피캠퍼스 FAQ 더보기

      꼭 알아주세요

      • 본 학술논문은 (주)코리아스칼라와 각 학회간에 저작권계약이 체결된 것으로 AgentSoft가 제공 하고 있습니다.
        본 저작물을 불법적으로 이용시는 법적인 제재가 가해질 수 있습니다.
      • 해피캠퍼스는 구매자와 판매자 모두가 만족하는 서비스가 되도록 노력하고 있으며, 아래의 4가지 자료환불 조건을 꼭 확인해주시기 바랍니다.
        파일오류 중복자료 저작권 없음 설명과 실제 내용 불일치
        파일의 다운로드가 제대로 되지 않거나 파일형식에 맞는 프로그램으로 정상 작동하지 않는 경우 다른 자료와 70% 이상 내용이 일치하는 경우 (중복임을 확인할 수 있는 근거 필요함) 인터넷의 다른 사이트, 연구기관, 학교, 서적 등의 자료를 도용한 경우 자료의 설명과 실제 자료의 내용이 일치하지 않는 경우

    “농업생명과학연구”의 다른 논문도 확인해 보세요!

    문서 초안을 생성해주는 EasyAI
    안녕하세요 해피캠퍼스의 20년의 운영 노하우를 이용하여 당신만의 초안을 만들어주는 EasyAI 입니다.
    저는 아래와 같이 작업을 도와드립니다.
    - 주제만 입력하면 AI가 방대한 정보를 재가공하여, 최적의 목차와 내용을 자동으로 만들어 드립니다.
    - 장문의 콘텐츠를 쉽고 빠르게 작성해 드립니다.
    - 스토어에서 무료 이용권를 계정별로 1회 발급 받을 수 있습니다. 지금 바로 체험해 보세요!
    이런 주제들을 입력해 보세요.
    - 유아에게 적합한 문학작품의 기준과 특성
    - 한국인의 가치관 중에서 정신적 가치관을 이루는 것들을 문화적 문법으로 정리하고, 현대한국사회에서 일어나는 사건과 사고를 비교하여 자신의 의견으로 기술하세요
    - 작별인사 독후감
    • EasyAI 무료체험
    해캠 AI 챗봇과 대화하기
    챗봇으로 간편하게 상담해보세요.
    2025년 10월 13일 월요일
    AI 챗봇
    안녕하세요. 해피캠퍼스 AI 챗봇입니다. 무엇이 궁금하신가요?
    8:49 오후