항공영상에서 나무를 하나하나 세는 일은 산림 조사나 도시 수목 관리에서 늘 수요가 있다. DeepForest는 RGB 영상만으로 수목 후보를 사각형으로 잡아 주는 공개 모델이라 시작점으로 쓰기 좋다. 다만 이런 탐지 결과를 GIS에 가져올 때 가장 자주 터지는 문제는 탐지 품질보다 좌표다. 상자가 화소 좌표로 저장된 채 좌표계만 붙어 있으면, 파일은 멀쩡히 열리는데 영상과 전혀 겹치지 않는다.
이번 회차가 바로 그 문제를 겪고 고친 기록이다. NaGeoAI의 DeepForest 수목 탐지로 RGB 예제 영상에서 후보를 만들고, 저장된 도형의 좌표계와 영상 정합을 확인했다. 점수 임계값 0.3에서 후보 55개가 나왔고, 저장 도형은 WGS84 UTM 17N EPSG:32617로 모두 유효하며 입력 영상 범위 안에 들어왔다. 이 숫자는 실제 나무 수나 탐지 정확도를 검증한 값이 아니다.
1. 좌표 수정판 설치
환경은 Windows, QGIS 3.44.12, NaGeoAI 1.9.1 좌표 변환 수정판, DeepForest 2.1.0, PyTorch 2.14.0+cu126이다. PyTorch가 CUDA 빌드여도 이번 실행 장치는 cpu로 지정했다. 라이브러리에 CUDA가 들어 있다는 것과 실제로 GPU를 썼다는 것은 다른 이야기다.
- NaGeoAI-1.9.1-coordinate-fix-20261005.zip 수정판 다운로드로 ZIP을 받는다. 압축은 풀지 않는다.
- 플러그인 → 플러그인 관리 및 설치 → ZIP에서 설치에서 ZIP을 골라 설치한다. 기존 설치가 있으면 프로젝트를 저장하고 QGIS를 닫은 뒤 업데이트한다.
- QGIS를 다시 열어 NaGeoAI가 켜져 있는지 보고, NaGeoAI → 필수 환경·모델 설치...에서 빠진 항목만 준비한다.
- DeepForest 모델은 수목 분할 패널의 모델 불러오기로 준비한다. 처음에는 인터넷 연결과 모델 다운로드가 필요하고, 캐시가 있어도 모델 설정 확인 요청이 나갈 수 있다.
수정판은 메타데이터 버전을 1.9.1로 두고 파일명으로만 구분했다. 공개 v1.9.1 ZIP과 다른 파일이므로 이번 실습은 반드시 수정판으로 해야 한다. 원본 GeoAI의 MIT 라이선스와 저작권 고지는 ZIP 안에 그대로 있다. 이번에는 설치된 수정본을 썼고 재설치 화면은 새로 찍지 않았다. 설치 화면은 이전 설치 실습 1편에 있다.
2. 예제 영상 준비
- OSBS-029.tif 다운로드에서 파일을 받는다. 브라우저가 파일을 화면에 띄우면 다운로드 기능으로 저장하고, 확장자가 .tif인지 확인한다.
- 별도 폴더에 둔다. 여기서는
D:/QGIS_Plugin/SampleData/NaGeoAI/OSBS-029.tif를 썼다. QGIS_Play.qgz를 연 뒤 레이어를 넣기 전에 프로젝트 → 다른 이름으로 저장으로 복사본을 만든다. 이번 복사본은QGIS_Play_NaGeoAI_20261005_trees_verified.qgz이고, 같은 이름이 있으면 접미사를 붙인다.- TIFF를 지도 창에 끌어놓거나 레이어 → 레이어 추가 → 래스터 레이어 추가로 올린다. 레이어 이름은
OSBS-029 RGB로 했다. - 레이어 속성의 정보에서 400×400 화소, RGB 3밴드, 0.1 m 격자, EPSG:32617을 확인한다. 프로젝트 CRS도 EPSG:32617로 맞췄는데, 이는 표시 설정일 뿐 영상을 재투영한 것이 아니다.
영상 범위는 X 404211.9~404251.9 m, Y 3285102.9~3285142.9 m로 약 40×40 m다. 이 범위를 적어 두면 뒤에서 탐지 결과의 좌표를 검증할 때 그대로 기준이 된다. 분석은 배경지도가 아니라 이 RGB 영상으로 했다.
자료는 DeepForest 배포 예제이자 opengeos GeoAI 예제 자료다. 받은 파일은 설치된 DeepForest 안의 OSBS_029.tif와 해시가 같았다. DeepForest 배포의 MIT 라이선스와 공식 샘플 자료 안내를 확인했다. 자체 자료로 할 때는 공개·이용 조건을 따로 봐야 한다.

3. 모델과 입력 영상 설정
도구 모음의 나무 아이콘 수목 분할로 DeepForest 패널을 연다. 이름은 '분할'이지만 이 모델이 내놓는 것은 수관의 화소 경계가 아니라 수목 후보를 둘러싼 사각형 탐지 상자다. DeepForest 공식 설명도 RGB 영상에서의 bounding box 탐지라고 설명한다. 결과를 수관 면적으로 오해하기 쉬운 지점이다.
- 모델 탭에서
weecology/deepforest-tree를 고른다. - 리비전에
cc21436bc5d572dde8ff5f93c1e71a32f563cace를 넣는다. main을 쓰면 모델이 갱신될 때 결과가 달라질 수 있어 커밋을 고정했다. - 장치를
cpu로 두고 모델 불러오기를 누른다. 상태가Model: weecology/deepforest-tree loaded로 바뀌면 된다. - 입력 레이어
OSBS-029 RGB를 고르고 레이어에서 영상 설정을 누른다. 아래 상태에 영상 이름과 400×400 화소이 뜨는지 본다.
모델 정보와 MIT 라이선스는 Hugging Face 모델 카드에 있다. 모델 카드의 학습 자료나 다른 지역 성능 수치를 이번 영상의 정확도로 옮겨 쓰지 않는다.

4. 예측 실행
- 예측 탭에서 모드를
Single Image로 한다. 400×400의 작은 예제라 이 모드를 썼다. - 점수 임계값은
0.30. 이 값 이상인 후보만 남기는 기준이지, 실제 나무라는 보증이 아니다. - 예측 실행을 누르고 상태와 완료 메시지를 기다린다. 도는 동안 버튼을 다시 누르거나 QGIS를 닫지 않는다.



5. GeoPackage로 저장하고 좌표를 확인
- 출력 탭에서 형식을
Vector (GeoPackage)로 하고 지도에 추가를 켠다. - 출력 경로는
D:/QGIS_Plugin/SampleData/NaGeoAI/verification/trees_osbs_20261005_gui_verified.gpkg. 폴더는 미리 만들고, 같은 파일이 있으면 이름을 바꾼다. - 결과 저장을 누르고 영구 출력 레이어가 올라오는지 본다. 실행 직후 자동 표시된 임시 결과와 이 파일은 별개다.
- 출력 레이어 속성에서 EPSG:32617과 범위를 본다. X 404211.9~404251.9 m, Y 3285102.9~3285142.9 m, 즉 입력 영상 범위 안이어야 한다. 좌표가 0~400 근처인데 EPSG:32617만 붙어 있다면 화소 좌표가 그대로 저장된 것이다. 이번 회차에서 실제로 겪은 문제가 이것이다.
- 레이어를 오른쪽 클릭해 속성 테이블 열기로 총 피처 55개, label=Tree, score, xmin/ymin/xmax/ymax 필드를 확인한다. xmin 같은 속성은 모델이 낸 화소 상자 값이고, 도형은 변환된 지도 좌표다. 둘을 섞어 쓰지 않는다.
QGIS API와 별도 파일 읽기로 같이 확인한 결과, 55개 도형이 모두 유효하고 입력 범위 안에 있었다. score는 최소 0.303308, 최대 0.798669로, 화면에 반올림된 0.303~0.799와 맞았다.


6. 좌표가 어긋났던 원인
앞선 실행에서는 QGIS 자체 Python에 rasterio가 없었는데 저장 코드가 그 예외를 그냥 삼켰다. 그래서 지도 좌표로 바꾸지 않은 화소 상자에 EPSG:32617만 붙여 저장했고, 파일은 생겼지만 영상과 겹치지 않았다. 모델을 돌리는 별도 Python 환경에는 rasterio가 있었기 때문에 QGIS 쪽에도 있으리라 생각하기 쉬웠던 것이다. 플러그인이 외부 Python 환경을 따로 쓰는 구조라면 두 환경의 패키지를 따로 확인해야 한다.
수정판은 QGIS에 들어 있는 GDAL로 입력 영상의 GeoTransform 계수와 CRS를 읽고, 상자의 네 꼭짓점을 지도 좌표로 바꾼다. 변환 계수나 CRS를 확인할 수 없으면 저장을 중단한다. 틀린 파일을 조용히 만드는 것보다 멈추는 편이 낫기 때문이다. 화소→지도 좌표 변환은 GDAL GeoTransform 문서의 기준을 따랐다. 다만 이번 수정이 막은 것은 이 기능의 벡터 출력에서 생기는 화소 좌표 저장이고, 다른 래스터 출력 기능의 rasterio 의존성까지 없앤 것은 아니다.
수정 후 QGIS Python 런타임에서 회귀 테스트 7개를 통과했고, 이 글의 화면은 그다음 QGIS를 새로 열어 모델을 다시 돌린 결과다. 테스트 통과와 실제 GUI 실행은 별개로 확인했다.

프로젝트를 저장하기 전에 자동 표시된 임시 레이어의 자료 참조를 영구 GeoPackage로 바꿔 두었다. 프로젝트가 임시 결과가 아니라 저장된 파일을 가리키도록 하기 위해서다.
7. 실무에 쓰기 전에
이번 결과는 공식 예제 한 장에 대한 실행과 출력 정합 검증이다. 현장 정답 자료와 비교하지 않았으므로 탐지 정확도, 재현율, 실제 개체 수, 수관 면적은 말할 수 없다. 그림자, 수종, 촬영 조건, 공간해상도가 바뀌면 오탐과 누락을 따로 검토해야 하고, 겹치는 사각형을 합산해 수관 면적을 내는 것도 안 된다.
큰 영상은 Large Tile 모드와 타일 조건을 별도로 검증해야 하며, 이번 Single Image 결과를 대용량 처리 성능으로 일반화하지 않는다. 어떤 영상이든 후속 분석 전에 출력이 영상과 겹치는지, CRS가 맞는지, 도형과 속성이 일관되는지는 먼저 확인한다.
작업 메모
2026년 10월 5일 QGIS 데스크톱에서 모델 불러오기부터 저장·검증까지 실행했고, 그림 8개는 그때의 QGIS 화면이다. 도형 검사와 프로젝트 저장 확인은 Python 콘솔로 했다. 작업은 복사본(QGIS_Play_NaGeoAI_20261005_trees_verified.qgz)에서 했으며, 저장 후 QGIS를 정상 종료했고 원본 QGIS_Play.qgz는 바뀌지 않았다. 원본 영상, 모델 가중치, 개인정보가 담긴 로그는 올리지 않았고 그림 주소는 커밋에 고정했다. SHA-256: 수정판 ZIP D2ED20F65B56…, OSBS-029.tif 8521DBB5E806….
댓글 없음:
댓글 쓰기