מושגי ליבה
본 연구는 반지도 도메인 적응 기법을 활용하여 산불 탐지 성능을 향상시키는 새로운 접근법을 제안한다.
תקציר
본 논문은 산불 탐지를 위한 새로운 반지도 도메인 적응 프레임워크를 제안한다. 주요 내용은 다음과 같다:
기존 HPWREN 데이터셋의 레이블 다양성을 30배 이상 증가시킨 새로운 데이터셋을 제안했다. 이를 통해 산불 탐지 모델의 성능 향상을 도모했다.
산불의 위치 의존적 특성을 활용하기 위해 Coordinate Convolution 레이어를 도입한 Location-Aware Semi-Supervised Domain Adaptation (LADA) 모델을 제안했다. 이 모델은 소스 도메인의 풍부한 데이터와 타겟 도메인의 소량의 레이블 데이터를 활용하여 성능을 향상시킨다.
실험 결과, LADA 모델은 기존 최신 모델 대비 3.8%p 향상된 mAP 성능을 보였다. 특히 타겟 도메인의 레이블 데이터가 1% 밖에 없는 상황에서도 우수한 성능을 달성했다.
סטטיסטיקה
제안된 레이블 정책을 사용하면 기존 HPWREN 데이터셋 대비 최대 10.9%p의 mAP 성능 향상을 달성할 수 있다.
LADA 모델은 소스 도메인 전용 모델 대비 3.8%p의 mAP 성능 향상을 보였다.
타겟 도메인의 레이블 데이터가 1%인 경우에도 LADA 모델은 14.0%의 mAP 성능을 달성했다.
ציטוטים
"본 연구는 반지도 도메인 적응 기법을 활용하여 산불 탐지 성능을 향상시키는 새로운 접근법을 제안한다."
"제안된 레이블 정책을 사용하면 기존 HPWREN 데이터셋 대비 최대 10.9%p의 mAP 성능 향상을 달성할 수 있다."
"LADA 모델은 소스 도메인 전용 모델 대비 3.8%p의 mAP 성능 향상을 보였다."