위성 이미지를 활용한 클라우드 구조의 분류 및 이해: EfficientUNet을 이용한 방법

기후 변화는 여러 해 동안 공통의 관심사로, 중요한 정치적 논의와 결정의 중심에 서 있었습니다. 얕은 구름은 지구 기후를 이해하는 데 중요한 역할을 하지만, 기후 모델에서 이들을 해석하고 표현하는 것은 어려운 작업입니다. 이러한 구름 구조를 분류함으로써 구름의 물리적 구조를 더 잘 이해할 수 있는 가능성이 높아지며, 이는 기후 모델 생성을 개선하여 기후 변화 예측이나 날씨 예보를 더욱 정확하게 할 수 있게 합니다. 구름은 다양한 형태로 조직되므로, 전통적인 규칙 기반 알고리즘을 사용하여 구름 특성을 분리하는 것이 어렵습니다. 본 연구에서는 EfficientNet이라는 이름의 확장된 컨볼루셔널 신경망(Convolutional Neural Network, CNN)을 인코더로, UNet을 디코더로 사용하여 구름 조직 패턴을 분류하였습니다. 이들 모델은 세부 특징 맵의 특징 추출기 및 재구성기로 작동하며, 이를 통해 전문가들이 구름이 미래 기후를 어떻게 형성할 것인지 이해하는 데 도움이 됩니다. 분류 작업에 세그멘테이션 모델을 사용함으로써, 좋은 인코더와 UNet를 함께 사용하면 이 데이터셋에서 우수한 성능을 얻을 수 있다는 것을 보여주었습니다. 최종 평가 지표로 다이스 계수(Dice coefficient)가 사용되었으며, Kaggle 경쟁에서 공개 리더보드와 비공개(테스트 세트) 리더보드 각각 66.26%와 66.02%의 점수를 얻었습니다.