<aside> 📌 프로젝트를 위해 공부 했던 'SC-GCN' 에 대해 정리하고자 한다. 이번 포스팅에서는 'SC-GCN'을 처음 소개했던 'Spatial context-aware method for urban land use classification using street view images' 논문의 내용을 바탕으로 참고 자료와 함께 다시 정리하였다.

</aside>

0. Preliminaries

Difference Homogeneous Graph and Heterogeneous Graph

• Homogeneous Graph는 node, edge의 종류가 한 가지인 것을 의미
• 이와 달리 Heterogeneous Graph는 node와 edge의 타입이 여러 개인 것을 의미
• Homogeneous Graph의 aggregate method와 달리 개별 타입에 feature aggregation 적용하는 것이 가장 큰 차이점

1. Introduction

1.1 Limitations of land use classification using remote sensing images

• 토지이용은 자연환경과 인간 활동 간의 상호 작용을 반영하며 토지 자원 소비의 목적과 상태를 보여줌
• 또한 도시 내부 구조와 기능을 이해하는 데 도움 되며 도시 계획 상태 관리 및 환경 평가를 위한 중요한 정보
• 선행 연구들에서 딥러닝을 활용한 항공이미지를 통해 토지 이용을 분류하는 시도가 많음
• 물리적으로 토지를 덮은 것과 달리 토지이용은 사회, 경제적 속성이 반영 되기 때문에 항공 이미지 만으로는 충분한 정보를 제공하지 못하는 한계

1.2 Limitations of land use classification using SVI (Street View Image)

• 선행연구에서 SVI는 도시 물리적 공간을 담아 설명함으로써, 토지이용 분류 모형에 대한 큰 잠재력 보임
• SVI를 각 구획에 매핑하여 토지이용 유형을 식별하기 위한 근사로 활용
• 하지만, SVI 가 거의 없는 토지구획에서는 토지이용과 관련 없는 노이즈로 작용 할 수 있으며, 없는 경우 토지이용 추론이 불가한 한계

1.3 Propose of this paper

• 주거 지역은 일반적으로 부분적으로 클러스터링 되는데, 이는 도시 계획과 인간 활동의 공간적 현지화의 패턴
• 이와 같이 토지 구획의 토지이용 유형이 공간상에서 상관관계가 존재함