광학 및 SAR 원격 탐사 영상을 이용한 건물 높이 추정은 도시 형태를 이해하고 도시 공간을 최적화하는 데 매우 중요합니다. 하지만 기존 데이터셋은 여러 한계가 있습니다. 샘플 수가 적어 딥러닝 기반 원격 탐사 정보 추출 요구를 충족하기 어렵고, 샘플이 커버하는 영역이 제한되어 충분한 지리적 다양성과 공간적 특성 대표성을 제공하지 못하며, 특히 중국 지역을 대상으로 한 대규모 건물 높이 데이터셋이 부족합니다. 또한 데이터셋의 개방성이 부족하여 보다 광범위한 연구에서 활용 및 검증에 제한이 있습니다. 이러한 문제를 해결하기 위해 본 논문에서는 Sentinel 영상을 기반으로 한 딥러닝용 건물 높이 데이터셋 BHDSI(Building Height Estimation Dataset Based on Sentinel Imagery)를 구축하였습니다. 이 데이터셋은 중국 62개 도시 중심지구를 포함하며 총 5606개의 샘플이 도시 및 농촌 등 다양한 장면을 포함하고 있어 현재 중국 지역에서 가장 넓은 면적을 커버하는 건물 높이 데이터셋입니다. 데이터셋에는 Sentinel-1 및 Sentinel-2 원격 탐사 영상과 실제 건물 높이 값이 포함되어 있으며, 샘플 크기는 256×256으로 64×64 크기 데이터셋에 비해 건물 높이 추정 연구에 중요한 보완 선택지를 제공합니다. 다른 데이터셋과 비교했을 때, 본 데이터셋은 샘플 수가 많고, 적용 범위가 넓으며, 접근성이 좋고, 건물 높이 분포가 합리적이라는 특징이 있어 딥러닝 네트워크 학습 요구를 더욱 잘 충족합니다. 이를 바탕으로 본 논문에서는 동일한 딥러닝 네트워크를 통해 BHDSI 데이터셋 및 유사한 데이터셋을 평가하고, 여러 네트워크가 BHDSI 데이터셋을 사용할 때 건물 높이 회귀 과제에서의 성능을 비교하며 각 네트워크의 장단점을 심층 분석하였습니다. 결과는 BHDSI 데이터셋이 건물 높이 회귀 과제에서 다른 데이터셋보다 우수한 성능을 나타냄을 보여주었습니다. 추가 분석 결과, BHDSI 데이터셋 사용 시 건물 높이가 낮은 영역에서 추정 정확도가 상대적으로 높았습니다. 또한, U-Net 디코더를 사용한 건물 높이 추정 네트워크 훈련이 더 높은 정확도를 달성할 수 있음을 확인하였습니다. 종합하면 BHDSI 데이터셋은 향후 건물 높이 추정 연구에 중요한 지원을 제공합니다.

sentinel 이미지; 건물 높이; 데이터셋; 딥러닝; 합성곱 신경망