[실전 예제/변화 탐지/PyTorch] 변화 탐지 튜토리얼: LEVIR 데이터셋으로 PyTorch 데이터셋 만들기

변화 탐지(Change Detection)란?

  변화 탐지(Change Detection)는 두 시점의 이미지를 비교하여 변화가 발생한 영역을 픽셀 단위로 분류하는 컴퓨터 비전 태스크입니다. 이번 시간에는 PyTorch를 이용하여 변화 탐지 데이터셋을 만드는 방법에 대해 알아보도록 하겠습니다.

 

변화 탐지 vs 의미론적 분할

• 변화 탐지
  • 입력: 시점이 다른 두 이미지
  • 출력: 픽셀별 변화 여부(0: 동일, 1: 변화)
  • 활용 분야: 리모트 센싱, 감시, 재난 대응
• 의미론적 분할 (Semantic)
  • 입력: 단일 이미지
  • 출력: 픽셀별 클래스
  • 활용 분야: 의료, 자율주행

 

대표 변화 탐지 데이터셋

LEVIR-CD

• 고해상도 항공 이미지 (1024×1024)
• 클래스: 변화 / 무변화 (2-class binary segmentation)
• 건물의 증/개축 변화에 특화
• 총 637 쌍 이미지 + 라벨

WHU-CD

• 도시 지역 항공사진 기반, 약 3,000 쌍
• 건물 변화 탐지에 활용
• 배경이 복잡하고 다양한 변화 패턴 포함

 

PyTorch용 LEVIR-CD Dataset 만들기

디렉토리 구조 예시

LEVIR-CD/
  train/
    A/      # T1 시점 이미지
    B/      # T2 시점 이미지
    label/  # 정답 마스크 (0/1)

 

PyTorch 코드 예제

from PIL import Image
import os
import torch
from torch.utils.data import Dataset
import torchvision.transforms as T

class ChangeDetectionDataset(Dataset):
    def __init__(self, dir_A, dir_B, label_dir, transform=None):
        self.dir_A = dir_A
        self.dir_B = dir_B
        self.label_dir = label_dir
        self.image_names = sorted(os.listdir(dir_A))
        self.transform = transform

    def __getitem__(self, idx):
        name = self.image_names[idx]
        img_A = Image.open(os.path.join(self.dir_A, name)).convert("RGB")
        img_B = Image.open(os.path.join(self.dir_B, name)).convert("RGB")
        label = Image.open(os.path.join(self.label_dir, name)).convert("L")

        if self.transform:
            img_A = self.transform(img_A)
            img_B = self.transform(img_B)
            label = T.ToTensor()(label).long().squeeze(0)

        return (img_A, img_B), label

    def __len__(self):
        return len(self.image_names)

 

변화 탐지 모델 구조

변화 탐지 모델은 대부분 다음과 같은 구조를 따릅니다.

1. 두 이미지를 각각 backbone (e.g., ResNet)으로 인코딩
2. Feature 차이 계산 또는 융합
3. 디코더로 변화 마스크 출력

대표 모델

• Siamese U-Net
• STANet
• BIT (Bi-Temporal Transformer)
• ChangeFormer (SOTA)

 

마무리

  PyTorch를 이용하여 변화 탐지 데이터셋을 어떻게 만드는지 살펴보았습니다. 다음 시간에는 모델 구성 및 학습 방법을 PyTorch로 작성하는 방법을 알아보도록 하겠습니다.

 

관련 내용

• 준비중