전이 학습 및 GNN 기반 산사태 탐지

산사태 발생 시 신속한 탐지는 비상 대응에 필수적이나, 단기간에 충분한 데이터를 확보하기 어렵다는 문제가 있습니다. 본 연구는 이러한 데이터 부족 상황을 극복하고 산사태 탐지 정확도를 높이기 위해 전이 학습과 그래프 신경망(GNN)을 활용한 딥러닝 모델을 제안합니다. 제안된 모델은 어텐션 메커니즘, 다중 스케일 연결, 그리고 GNN을 통합하여 문맥 정보를 포착하고 산사태 탐지에 중요한 특징을 추출합니다. 특히 GNN은 픽셀을 노드로, 연결성을 엣지로 하는 그래프 구조를 통해 전역 및 지역적 관계를 명시적으로 모델링하여 분할 일관성을 향상시킵니다. 모델은 대규모 산사태 데이터셋에서 사전 학습된 후, 중국 냥냥바 및 일본 홋카이도 산사태 사례 연구에 전이 학습 및 미세 조정을 거쳤습니다. 통제된 실험 결과, 제안된 방법은 데이터가 풍부한 조건에서 최고의 F1-점수를 달성했습니다. 또한, 데이터가 제한적인 조건에서도 전이 학습을 적용한 딥러닝 모델이 데이터가 풍부한 조건의 모델과 유사한 성능을 보였습니다. 이러한 결과는 전이 학습이 새로운 지역에서 적은 데이터로도 산사태 탐지 성능을 크게 향상시킬 수 있음을 시사합니다. 본 연구는 산사태 탐지 평가를 개선할 잠재적인 방법을 제시하며, 특히 데이터 확보가 어려운 환경에서 그 활용 가치가 높을 것으로 기대됩니다.