주제 3: 국립공원 내 시설물 변화 탐지

주제 안내

• 본 페이지는 “2026 국립공원 위성 모니터링 AI 챌린지” 중 주제3에 해당합니다

➡️ 다른 주제도 보고 싶다면? → 2026 국립공원 위성 모니터링 AI 챌린지 대회 페이지 바로가기

개요

• 대회명: 2026 국립공원 위성 모니터링 AI 챌린지

• 대회 주제: 

  • 우리의 국립공원은 지금도 기후변화와 각종 환경 훼손의 영향을 받으며 조금씩 변해가고 있습니다. 넓은 자연을 인력 중심의 순찰만으로 지켜내기에는 한계가 있으며, 그 한계를 보완할 기술이 바로 여러분이 만들 위성영상·AI 기반 모니터링 모델입니다.

  • 이번 대회에서는 1) 기후변화 지표종, 2) 산사태, 3) 불법 시설물, 4) 해안 쓰레기라는 4개 주제를 다루어, 참가자께서 관심 분야에 집중하며 문제 이해도와 모델 성능을 함께 높일 수 있는 기회를 제공합니다. 

  • 본 대회에서는 실제 위성영상을 다루며, 원격탐사·컴퓨터비전·기후 AI 분야에서 여러분의 실력을 현장 수준의 과제로 검증할 수 있습니다. 또한 우수한 모델은 심사에 그치지 않고 실제 모니터링 업무에 적용되어, 여러분의 결과물이 현장에서 살아 움직이는 레퍼런스가 됩니다.

  • 기술로 자연을 지키는 일에 지금 함께해 주세요!

참가 방법

• 신청 방법: 

  • 인공지능팩토리 로그인 *플랫폼 신규 이용자는 회원가입 필수

  • 상단 배너 내 '참여하기' 클릭

  • 참가 접수폼 작성 및 제출

  • 팀으로 참가 시 팀원 모두 개별적으로 접수폼을 제출하신 후 본 페이지의 ‘팀’ 탭에서 팀 빌딩을 진행 필수

  • *미성년자의 경우 접수폼 제출과 별도로 아래 링크를 통해 서식을 다운로드 받아 작성 및 날인 후 cs@aifactory.page로 전달해주시기 바랍니다.
     미성년자 참가접수서식

규칙

1. 참가자의 부정행위 방지 

   • 본 대회에 제출한 결과물이 타 대회 입상작, 저작권 침해, 도용, 모방, 허위 등에 해당하는 사실이 발견될 경우 참가자의 수상 이후에도 수상은 취소되며, 참가자는 상금을 반환해야 합니다. 

   • 이외 부정한 방법으로 당선된 경우에는 수상 이후에도 수상은 취소되고 참가자는 상금을 반환해야 합니다. 

2. 외부 데이터 이용 관련

   • 본 대회는 외부데이터 사용을 허용합니다.

   • 수상작은 상금 지급과 함께 학습된 모델(가중치 및 파생 결과물 포함)에 대한 양도양수 계약을 체결합니다. 양도 대상은 모델에 한하며, 학습에 사용한 데이터셋 자체는 양도·재판매 대상에 포함되지 않습니다.

   • 참가자는 외부데이터 및 사전학습 가중치 사용 시 라이선스가 다음을 충족하는지 확인해야 합니다.

     • 상업적 이용·파생물 작성·재배포가 명확히 허용된 개방 데이터

     • 상업 위성 사업자(Maxar, Planet, Airbus 등)의 영상은, 참가자가 상업적 이용·파생·양도가 가능한 라이선스를 별도로 확보한 경우에 한하여 사용할 수 있으며, 그 입증 책임은 참가자에게 있습니다.

     • 공공데이터를 사용 시 상업적 이용이 허용되는 공공누리 유형에 한하며 사용 가능합니다.

   • 외부데이터를 사용한 경우 상위권 팀은 코드 설명서에 외부데이터의 출처와 라이선스 정보를 아래 ‘코드 설명서 관련’ 제공된 서식의 본문에 따라 기재해야 합니다. 기재 내용에 대한 정확성에 대한 책임은 참가자에게 있습니다. 

   • 참가자는 외부데이터 사용 시 관련 법령을 준수하고 저작권·라이선스·개인정보·이용약관을 위반하지 않아야 하며, 위반에 따른 모든 책임은 참가자에게 있습니다.

   • 위 라이선스 요건은 외부데이터뿐 아니라 외부에서 제공되는 사전학습 가중치(pretrained weight)에도 동일하게 적용됩니다. 원 데이터셋 또는 해당 가중치가 비상업적 이용으로 제한된 경우 사용할 수 없으며, 해당 가중치가 학습에 사용한 데이터의 라이선스가 최종 모델에 부과하는 제한까지 참가자가 확인해주셔야 합니다.

   • 수상 후 외부데이터 관련 위반 사실이 확인될 경우, 주최/운영 측은 수상 취소 및 상금 환수를 할 수 있으며, 이로 인해 주최 측 또는 제3자에게 발생한 손해에 대해 참가자가 책임을 부담합니다.

3. 제출 관련 

   • 결과물 제출은 팀당 1일 3회로 제한되며, 재제출 제한은 5분입니다

   • 추론 실패 시 ‘디버그’ 모드를 활용하여 제출환경 에러 등에 대한 피드백을 받을 수 있으며, 이는 팀당 1일 10회까지 사용 가능합니다. 디버그 모드는 제출물 구성과 입출력 경로 처리, 결과 파일 형식이 맞는지 확인하는 용도이며, 점수는 리더보드에 반영되지 않고 본 제출 횟수에도 포함되지 않습니다.

   • 디버그 모드 사용법: 제출 명령에 --debug 옵션 추가 (e.g. %aifactory submit --api-key <발급 받은키> --model-name my-model --debug)

4. 코드 설명서 관련

   • 리더보드 상위팀은 검증 기간 내 코드 설명서를 필수적으로 제출해야 합니다. 

   • 제공된 서식을 다운로드 후 작성하여 기한 내 cs@aifactory.page 로 제출합니다.

동의사항

• 공모전에 제출된 응모작에 대한 권리는 응모자에게 있으며, 입상작에 한해 저작물에 대한 기술 양도양수 계약(저작재산권 및 사업화 권한의 양도 및 제3자에 대한 이용허락)을 체결하게 됩니다.

• 본 경진대회의 주최자는 응모작들 중 입상하지 않은 응모작에 대해서는 어떠한 권리도 취득할 수 없습니다.

• 공모전에 응모된 응모작과 관련하여 주최 측과 참가자 사이에 분쟁이 발생할 경우, 주최 측과 참가자는 우선적으로 대화와 협상을 통하여 분쟁을 해결하도록 최선을 다해야 합니다.

• 데이터셋 파일 및 데이터에 대한 설명 등 제공된 일체의 정보는 주최사 및 주관사의 자산이며 해당 정보는 본 대회의 참가 목적으로만 사용해야 하고, 그 외 용도로 타인에게 양도 및 대여, 재배포, 2차적 저작 및 상업적 용도로 이용할 수 없습니다.

• 그 밖의 산출물에 대한 권리 등 법적 권리에 관한 사항은 문체부 ‘창작물 공모전 가이드라인’을 준용합니다.

• 표절 및 저작권 관련한 부분은 관련 법규 및 규정을 준수합니다.

문의처

• 대회 페이지 Q&A 탭을 활용해주세요

• 14세 이상 대한민국 국민 누구나

• 개인 및 최대 인원 5인 팀으로 참가 가능

• 4개 주제 교차 신청 및 참가 가능 (복수 수상 허용)

1) 평가 산식

채점 단위는 전/후 쌍입니다. 쌍에 그 클래스의 변화가 있는지를 맞혔는가(F1)와, 있는 쌍에서 범위를 얼마나 맞혔는가(형상 점수)의 두 층으로 채점합니다. 증축과 벌목은 같은 산식으로 각각 계산한 뒤 평균합니다.

 클래스 점수 = 0.5 × F1  +  0.5 × 형상 점수

 최종 점수 = 0.5 × 증축 점수  +  0.5 × 벌목 점수

모든 값은 0에서 1 사이이며, 평가 쌍 전체에 대해 계산합니다

F1: 쌍 단위 존재 판정

정답에 그 클래스의 폴리곤이 있으면 그 쌍은 해당 클래스의 양성(positive), 없으면 음성(negative)입니다. 예측 폴리곤을 모두 합친 면적이 20화소 이상이면 양성 예측, 그 미만이면 음성 예측으로 봅니다. 양성 클래스의 F1과 음성 클래스의 F1을 각각 구해 평균합니다(macro F1). 변화가 없는 쌍에 양성 예측을 내면 양성 클래스의 FP이자 음성 클래스의 FN이 되어 두 쪽에서 감점됩니다.

형상 점수: 경계 1화소 허용 F-score의 평균

정답에 그 클래스의 변화가 있는 쌍마다 예측 폴리곤의 합집합과 정답 폴리곤의 합집합을 비교합니다. 경계에서 1화소 이내의 어긋남은 맞은 것으로 칩니다. 예측 면적 중 정답을 1화소 넓힌 도형 안에 든 비율을 정밀도, 정답 면적 중 예측을 1화소 넓힌 도형 안에 든 비율을 재현율로 두고 둘의 조화평균을 그 쌍의 점수로 합니다. 분모는 정답이 있는 쌍 전체이며, 양성 예측을 내지 않은 쌍의 점수는 0입니다.

|·|는 다각형 면적이고, dil1는 도형의 경계를 바깥으로 1화소 넓힌 것입니다(모서리는 뾰족하게 연장). 축과 나란한 도형에서는 화소 격자를 3×3으로 팽창한 것과 같은 범위가 됩니다.

공통 규칙

• 두 클래스는 따로 채점하며 같은 화소를 두 클래스에 모두 내는 것은 규칙 위반이 아닙니다