Deep Block의 개발사 옴니스랩스 주식회사는 최근 서울시의 다른 시간에 촬영된 두 항공 사진에서 시간에 따른 변화 탐지 영역을 추출할 수 있는 알고리즘의 실증 프로젝트를 수행했습니다. 이 프로젝트는 과세 목적과 건물 안전에 중요한 불법 건축물 건축 및 토지 용도 변경을 추적하는 데 있어 서울시가 직면한 문제를 해결하기 위한 것이었습니다. 기존에는 서울시는 연간 약 10억원의 예산을 들여 토지 및 옥상의 불법 용도 변경을 위한 항공사진 분석 작업을 수행했지만, 작은 불법 건축물 발견이 어려워 외주업체와 함께 이 업무를 수작업으로 진행했습니다.
서울시 공간정보과 담당자는 기존 프로세스가 시간이 많이 걸리고 비효율적이라고 말했습니다: "문제는 대부분의 불법 인공물이 너무 작아서 인식하기 어렵다는 점입니다. 따라서 가능한 높은 해상도의 항공 이미지를 보고, 그 안의 작은 변화 영역을 탐지해야 하는데, 이 경우 우선, 항공 사진의 해상도가 매우 커집니다. 이 사진을 일일이 보고, 대조하면서 수작업으로 이를 분석하는 데 많은 비용과 노력을 지출하고 있습니다."
Deep Block의 AI 기술은 서울시가 직면한 문제에 대한 잠재적인 해결책을 제시합니다. Deep Block의 알고리즘은 불법 건축과 토지 용도 변경을 자동으로 감지할 수 있어 수작업 분석에 비해 시간과 비용을 절약할 수 있습니다. 당사는 최딥러닝 기법에 기반한 시간 변화에 따른 변화 영역 감지 AI 모델을 사용해 실측 데이터의 변화를 추적하였습니다.
옴니스랩스의 대표이자 Deep Block을 개발한 문귀환 대표는 이 새로운 모델이 이전 실험에 비해 상당한 개선을 가져왔다고 말합니다: "서울시는 2022년에 다른 회사와 비슷한 변화 감지 모델을 개발하려다 실패한 연구 프로젝트에 대해 설명했습니다. 서울특별시 주무관님들은 저희에게 정밀도와 성능이 향상된 모델을 만들어달라고 요청했습니다. 조사 결과, 이전에 개발된 모델은 8년이 넘은 모델이었고, False Positive 케이스가 많아 실무자가 사용하기 부적합하다는 사실을 발견했습니다. 또한 이전 회사에서 만든 mAP 계산 공식이 역시 저희의 테스트 데이터 및 기존 모델 검증 과정에서 잘못되었다는 것도 발견했습니다. 계산 공식을 정확하게 수정한 이후, 기존의 업체가 개발한 모델의 mAP는 약 0.8 미만이었지만 당사는 약 0.89의 검증 mAP를 확보했습니다."
이어서 문귀환 대표는 "하지만 이 시간적 변화 감지 모델은 예상보다 민감도가 높았고, 아주 작은 영역의 변화를 찾아내는 문제가 있었습니다. 하지만, 서울특별시에서는 노이즈가 적고, 어느정도 무시할 수 있는 작은 변화 영역은 보지 않기를 원했고, 당사는 알고리즘에 후처리 알고리즘을 추가로 탑재하여, 무시할 수 있는 작은 변화 영역을 제거했습니다."
문귀환 대표에게는 서울특별시 공간정보과의 요구 사항도 흥미로운 도전 과제였습니다: "변화 영역이 실제 확인할 영역보다 약간 작게 표시되는 문제도 있는데, 이를 사람들이 쉽게 확인할 수 있게, 약간 더 탐지 영역이 크게 표시되면 좋을 것 같습니다."
이에, 옴니스랩스 주식회사의 연구진은 추론결과 확보한 마스킹 영역에 또다른 처리 알고리즘을 적용하였고, 실제 변경 영역보다 약간 더 크게 변경 영역을 표시하는데 성공했습니다. 이러한 후처리 결과는 아래 동영상에 나와 있습니다.
서울시의 항공사진에서의 시간에 따른 변화 영역과, 이를 AI 모델이 찾아내는 영상, 데이터 세트는 여기에서 확인할 수 있습니다.
공간정보과 담당자는 "시간에 따른 변화 영역 탐지 기술이 시 행정 업무에 적용될 수 있다면, 분석 프로세스를 대폭 자동화할 수 있을 것입니다."고 말했습니다. "단시간에 변화된 지역을 정확하게 식별하면, 분석의 초기 단계를 훨씬 빠르게 완료할 수 있습니다. 그런 다음 분석가들은 나머지 영역을 조사하여 모델이 놓쳤을 수 있는 변화 영역을 식별하는 데 집중할 수 있습니다. 그리고, False Positive 케이스가 적을수록, 모델의 신뢰도는 높아질 것입니다."
당사는 또한, 서울특별시에서, 드론 영상과 머신 러닝 기술을 결합하여, 교량을 조사하여 균열 및 기타 결함을 찾아내는 검사 및 유지 보수에 활용하는 기술을 연구하고 있다는 것을 들을 수 있었습니다.
당사가 이미 보유한 도로 추출 알고리즘을 응용한다면, 서울특별시는 이러한 업무도 자동화 할 수 있을 것으로 예상합니다.
당사가 이번에, 테스트를 진행한 시간에 따른 변화영역 탐지 기술은 또한 상수원과 삼림 지역, 해양 및 해안가의 변화를 추적하는 데에도 사용될 수 있습니다. Deep Block은 수자원 관리 기관, 산림청, 여러 부처, 국방부 등 비슷한 문제에 직면한 국내 다른 지자체와 기관에도 접근할 계획입니다. 문귀환 대표는 "Deep Block의 기술을 통해 지자체는 분석의 정확성을 높이면서 시간과 비용을 절약할 수 있습니다"고 말했습니다.
서울특별시의 항공 영상 분석 과정에서 AI 모델이 보여준 성능은 공간 정보 산업에서 인공지능의 잠재력을 보여줍니다. 옴니스랩스 주식회사는 더 많은 정부와 기관이 이 기술의 이점을 인식하고, 앞으로 이와 같은 파트너십과 프로젝트가 더 많아지길 기대합니다.
