화재에 주목하기: 화재 심각도 예측을 위한 다중 채널 딥러닝 모델

화재는 유럽연합(EU)이 코페르니쿠스 EMS 지구관측 프로그램을 통해 지속적으로 모니터링하고 있는 자연재해 중 하나로, 이러한 대규모 재난 사건과 관련된 공공 정보를 지속적으로 제공하고 있다. 이러한 화재는 단기적 및 장기적 피해를 초래하므로, 그 영향을 최소화하고 복구 과정을 계획하기 위해서는 당국의 신속한 대응이 필요하다. 이러한 대응을 강화하기 위해 위성 영상과 자동 화재 피해 지역 추출 기법을 활용할 수 있으며, 이는 대응 속도와 의사결정 과정을 가속화할 수 있다. 본 연구에서는 최신의 딥러닝 프레임워크를 활용하여 화재 피해 지역의 심각도 추정 문제를 분석한다. 실험 결과는 매우 큰 실세계 Sentinel-2 위성 데이터셋을 기반으로 다양한 모델 아키텍처와 손실 함수를 비교하였다. 또한, 예측 행동을 해석하고 모델의 해석 가능성을 제공하기 위해 새로운 다중 채널 주의 기반 분석 기법을 제안한다. 더불어, 주의 기반 DS-UNet에 대한 편차 메커니즘을 적용하여 다양한 도메인 기반 채널 그룹이 피해 심각도 추정에 기여하는 정도를 평가한다.