**변화 탐지(Change Detection)**는 시간의 변화에 따른 이미지 또는 비디오 시퀀스의 변화를 식별하는 컴퓨터 비전 분야 종류 중 하나입니다. 변화 탐지 모델은 서로 다른 두 시점의 이미지를 입력으로 받아 변화된 영역을 출력으로 반환합니다.
t1 시점의 이미지(입력)
t2 시점의 이미지(입력)
변화된 영역(출력)
변화 탐지는 언뜻 보기엔 Segmentation Task와 비슷해 보이지만, 서로 다른 두 시점의 이미지를 입력으로 받는 만큼 모델 연산 과정에서 입력 데이터의 시계열적인 특성을 고려해야 한다는 차이점이 있습니다. 따라서 변화 탐지 분야는 이미지의 공간 및 시간 정보를 추출하고, 둘을 효과적으로 혼합하여 처리하는 방법에 대한 연구가 계속되고 있습니다.
2010년 아이티 지진 Change Detection(초록색 : 파괴 x, 빨간색 : 파괴) 이미지 출처 : https://www.terrisei.com/change-detection/
2001년 방글라데시 홍수 지역 Change Detection 이미지 출처 : http://www.irea.cnr.it/en/index.php?option=com_k2&view=item&id=137:tecniche-di-change-detection&Itemid=127
변화 탐지 기술의 주 적용 대상은 고해상도 위성 또는 항공 영상입니다. 원격 탐사 기술을 활용하여 얻은 고해상도 위성과 항공 영상은 직접 방문하거나 주기적 관측이 어려운 지역을 분석하는 데에 큰 도움이 됩니다. 따라서, 위 그림과 같이 전쟁과 자연재해(지진, 해일, 홍수, 산불 등)에 따른 매우 넓은 지역의 변동을 탐지할 때 유용하게 사용될 수 있습니다.
이렇게 얻은 정보들은 재해로 인한 피해 정도 추정 및 산출, 또는 해당 지역의 자연 과학적 특징을 파악하는 데에 큰 도움이 됩니다. 그렇기에 최근에는 원격 탐사 분야를 비롯한 여러 자연 과학 분야에서도 변화 탐지에 대한 연구가 활발히 진행되고 있습니다.
다양한 분야에서 꼭 필요한 방법임에도 불구하고, 변화 탐지 분야의 연구 및 활용은 다른 컴퓨터 비전 분야에 비해 활발하게 이뤄지고 있지 않습니다. 위성 영상은 활용도가 매우 높아 정말 다양한 분야 및 산업에 적용할 수 있음에도 활발한 연구가 진행되고 있지 않은데요.
본 프로젝트는 **“왜 변화 탐지 모델의 활용 및 적용이 어려울까?”**라는 질문으로부터 시작했습니다. 가장 먼저 주목한 점은 바로 데이터였는데요. 현재 변화 탐지 분야에서 사용되는 대부분의 Benchmark 데이터 셋은 0.5m/pixel 이하의 고해상도 위성 또는 항공 영상으로, 이와 같은 양질의 영상은 수집 주기가 길거나 영상 구매에 비용이 소모되어 접근성이 떨어진다는 한계가 있었습니다. 또한 위성 영상 다운로드 과정 자체가 번거롭고 복잡하며 영상 수집 후에 딥러닝 학습을 위한 추가적인 전처리 과정이 필요합니다.
본 연구에서는 위와 같은 문제점들을 해결하는 가장 좋은 방법이 원활한 데이터 수급 파이프라인 구축이라고 판단했습니다. 원하는 지역, 시간을 입력하면 그 시간대에 촬영된 Sentinel-2 위성 이미지를 자동으로 다운로드한 뒤 변화 탐지까지 한 번에 진행함으로써, 변화 탐지 연구 및 활용에 유용한 딥러닝 파이프라인을 제공하는 것을 최종 목표로 프로젝트를 시작했습니다.
<aside> 💡 Sentinel-2 위성
이미지 출처 : https://sentinel.esa.int/web/sentinel/missions/sentinel-2
Sentinel-2는 유럽 우주 기구(ESA)에서 개발한 지구 관측 위성 집합으로, 2015년에 발사되어 현재까지 양질의 데이터를 제공하고 있습니다. 공간 해상도는 10~60m/pixel로 기존의 변화 탐지에서 사용되던 데이터의 해상도보다 낮지만, API를 활용해 무료로 얻을 수 있어 접근성이 높습니다.
</aside>
파이프라인에 사용할 변화 탐지 모델은 원활한 파이프라인 구축을 위해 Efficient Self-Attention 기법과 FFC(Fast Fourier Convolution)을 적용하여 개발하였습니다. 모델 개발은 2022년 소개된 변화 탐지 모델, TinyCD를 기반으로 하였으며 이를 위성 데이터 수집 파이프라인과 결합해 보다 쉬운 변화 탐지가 가능하도록 하였는데요.
TinyCD 구조도