원격 탐사 및 컴퓨터 비전 분야에서 합성 개구 레이더(SAR) 이미지는 환경 모니터링부터 재난 관리 및 방위 산업에 이르기까지 다양한 영역에 귀중한 통찰력을 제공하는 혁신적인 데이터로 부상했습니다. SAR 이미지 분석 업무 중, 물체 감지는 중요한 작업을 자동화하고, 중요한 정보를 추출하는 강력한 도구로 주목받고 있습니다. 그러나 SAR 이미지에서 물체 감지를 위한 정확하고 효율적인 컴퓨터 비전 모델을 훈련하는 것은 노이즈와 낮은 가시성과 같은 SAR 영상 고유의 특성으로 인해 많은 과제를 안고 있습니다.
시작하기
이 가이드에서는 Deep Block을 활용하여, SAR 이미지에서 물체를 탐지하는 AI 모델을 어떻게 구축할 수 있는 지 확인해보고, 기존 컴퓨터 비전 기술의 한계와 SAR 영상 분석 과정에서 발생하는 다양한 기술적 도전 과제들을 살펴보겠습니다. 데이터 준비과 학습 데이터 구축부터 모델 훈련, 평가, 배포에 이르는 전체 워크플로우를 살펴보고 SAR 이미지에서 물체를 감지하는 기술을 마스터할 수 있도록 안내합니다.
SAR 이미지 이해: 합성 개구 레이더(SAR)는 전자기파를 방출하고, 지구 표면에서 반사되는 전자기파를 분석하여, 이미지를 생성해내는 기술입니다. 기존의 광학 이미지와 달리 SAR 영상은 지구의 60% 이상을 가리고 있는 구름의 영향을 받지 않기 때문에, 기상의 영향을 받지 않고, 밤과 낮에 관계없이 지상의 객체들을 영상화 할 수 있다는 장점을 가지고 있습니다. 하지만, 현재 SAR 영상 생성 기술은 구현의 어려움으로 인해, 일반적인 전자광학 위성 영상에 비해, 분해능이 떨어지며, 그 이미지 역시 시각적으로 이해하기가 더욱 어렵다는 한계가 있습니다.
사물 인식의 힘: 객체 감지는 이미지 내에서 찾고자 하는 객체를 식별하고 위치를 파악하는 컴퓨터 비전 기술입니다. SAR 이미지에 객체 감지 AI 기술을 적용하면 건물, 선박 또는 자연 지형과 같은 주요 요소를 감지하고 위치를 찾을 수 있습니다. 물체 감지AI 기술은 인프라 모니터링, 수자원 관리, 재난 대응, 방위 산업 등 다양한 산업 전반에 걸쳐 다양한 용도로 활용되고 있습니다. Deep Block을 활용하여, 초고용량 위성, 항공 영상을 분석하는 AI를 만드는 방법에 대해서 더 자세히 알아보세요.
SAR 영상에서의 사물 인식 기술 구현의 어려움: 일반적인 항공, 위성 영상을 분석하는 것도 어렵지만, SAR 영상용 사물 인식 AI 기술 구현은 더욱 어렵습니다. 그 용량과 해상도는 광학 영상처럼 크지만, 분해능은 일반적인 광학 영상에 비해 매우 떨어지며, 사물들 역시 합성된 영상에서 매우 가시성이 떨어지고, 영상 데이터에는 많은 노이즈가 존재하기 때문입니다. SAR 영상의 유일한 이점은 날씨와 시간의 영향을 받지 않기 때문에, 사물 자체는 사진에서 가려지지 않는다는 점입니다. 어쨌든, 낮은 퀄리티의 영상에서 사물을 식별하는 것은 일반적인 이미지용 컴퓨터 비전 모델을 구현하는 것에 비해 훨씬 도전적이며, SAR 영상은 사람도 사물을 식별하는 데 어려움을 겪을 정도로 사물을 식별하기 어려운 경우가 많습니다.
Deep Block으로, 코딩없이 SAR 영상용 사물 인식 AI 모델을 훈련하세요.
Deep Block은 SAR 이미지용 사물 인식 AI 모델을 구축하는 프로세스를 코딩없이 수행할 수 있는 인터페이스를 제공하는 노코드 AI 플랫폼입니다. 이 플랫폼은 모델 선택, AI 학습 데이터 구축, 다양한 공간정보 영상용 데이터 파이프라인, 최적화된 워크플로우를 제공하며, GEOTIFF 형식의 초고용량 위성, 항공 영상을 지원합니다.
Deep Block의 이점: Deep Block은 초고해상도 SAR 이미지를 처리 및 표시하고 사용자에게 원활한 AI 모델 구축 인터페이스를 제공합니다:
- 15GB 파일 지원(일반적인 이미지 뿐만 아니라 png, GEOTIFF, jpg, svg, tiff, bmp, gif, ico, jp2도 지원)
- 코드가 필요 없는 인터페이스 - 키보드와 마우스만 있으면 누구나 Deep Block을 사용할 수 있습니다.
- 최대 120,000 x 120,000 픽셀 이미지 해상도 지원.
- 빠른 데이터 처리 속도: 물체 인식 시 최대 초당 15GB. (문의)
- 고정밀 물체 감지 알고리즘: 평균 0.9 mAP, 0.9 Recall (선박인식 데이터셋 기준)
SAR 데이터 세트에서 학습 데이터 구축하기 : 모델을 훈련하는 데 있어 가장 중요한 단계는 SAR 이미지 데이터 세트를 준비하고 AI 모델이 기억을 할 수 있도록, 찾고자 하는 객체들을 정확히 라벨링하는 것입니다. Deep Block의 플랫폼은 초고용량 GEOTIFF 포맷의 SAR 이미지를 화면에 표시하고, 상자나 다각형을 그리고, 다양한 클래스로 구분할 수 있는 학습 데이터 라벨링 도구를 지원합니다. 사용자들은 다양한 객체를 이미지에 표시하고, 이를 통해, AI 모델을 특정 사물을 인식할 수 있도록 훈련시킬 수 있습니다.
버튼 한 번 클릭으로 모델 학습: 학습 단계는 AI 모델링 파이프라인의 핵심입니다. Deep Block 플랫폼은 이 과정을 전처리와 실행의 두 가지 모듈로 간소화합니다. 전처리 단계에서 학습 데이터를 준비하면, 사용자들은 AI 모델을 여러 epoch에 걸쳐 훈련시킬 수 있으며, 이 과정에서는 하드웨어도 필요하지 않으며, 브라우저나 컴퓨터를 종료하더라도, Deep Block 클라우드 안에서 모델을 학습시킬 수 있습니다.
모델 평가하기: 모델이 학습된 후에는 검증 데이터셋을 활용한 모델 성능 평가를 수행할 수도 있습니다. 사물 인식 데이터셋 기준으로는, mAP, recall, F1 점수 등 유용한 평가 지표를 모두 제공하며, IoU는 0.5를 기준으로 성능 지표를 제공합니다. 이러한 지표는 모델의 정확도를 객관적으로 평가하는 데 도움이 되며, 외부 벤치마크 데이터셋을 활용할 수 있도록, 표준 COCOJSON 업로드 기능 역시 서비스에서 제공합니다.
모델 추론: 훈련된 모델을 배포하기 전에, Deep Block 대시보드 상에서, 모델의 추론 결과를 확인해보실 수도 있습니다. 테스트하고자 하는 SAR 이미지를 Predict 탭에 업로드하고, 버튼을 누르면, 사용자들은 학습된 모델이 찾아낸 객체들을 확인할 수 있습니다. Deep Block 플랫폼은 드래그&드롭, 버튼 클릭 인터페이스를 제공하여, 코딩을 전혀 할 수 없거나 인공지능 기술을 모르는 사용자들도, AI 모델을 구축하고, 모델의 추론 결과를 확인할 수 있는 혁신적인 인터페이스를 제공합니다. Threshold는 낮게 시작할 경우, 노이즈가 많지만, 이 스코어를 추론 결과를 바탕으로 적절히 조절하면, 모델의 추론 결과를 최적화 할 수 있습니다.
구축된 AI 모델은 초고용량 공간정보 영상의 경우, API 형식으로 기업 혹은 기관 고객에게도 지원됩니다. 자세한 사항은 이 페이지를 통해 문의하세요.
SAR 이미지에서의 사물 인식 기술은 앞으로도 발전 가능성이 높은 분야입니다. Iceye의 경우, 0.25m 분해능의 SAR 위성 발사 계획을 갖고 있으며, 다른 위성 업체들 역시 SAR 위성을 계속 발사하고 있으며, 더 좋은 SAR 영상 구축 기술과 센서가 계속 개발되고 있습니다. SAR 위성 영상 분석을 위해 엄청난 노력과 시간을 소모할 필요없이, Deep Block 을 통하여 지금 무료로 여러분만의 AI 모델을 구현하여 보세요.
