Core Concepts
다양한 환경의 산림 포인트 클라우드 데이터를 활용하여 일반화된 개별 나무 분할 모델을 개발할 수 있다.
Abstract
이 연구는 개별 나무 분할을 위한 딥러닝 기반 모델의 일반화 능력을 평가하였다.
먼저, 기존에 공개된 라벨링된 산림 포인트 클라우드 데이터셋을 확장하였다. 두 선행 연구에서 제공한 개별 나무 라벨을 전체 포인트 클라우드로 전파하여 공개하였다.
이후 TreeLearn이라는 개별 나무 분할 모델을 다양한 환경의 데이터로 학습하고 평가하였다.
UAV 데이터만 사용한 경우: 침엽수 우세 산림에서 훈련된 모델이 활엽수 우세 산림에서도 좋은 성능을 보였다.
MLS/TLS 데이터만 사용한 경우: 활엽수 우세 산림에서 훈련된 모델이 저해상도 UAV 데이터에서는 성능이 크게 저하되었다.
모든 데이터를 사용한 경우: 다양한 환경에서 안정적인 성능을 보였다.
이를 통해 다양한 환경의 데이터를 활용하여 일반화된 개별 나무 분할 모델을 개발할 수 있음을 확인하였다. 특히 저해상도 데이터를 포함하는 것이 중요한 것으로 나타났다.
Stats
산림 포인트 클라우드의 레이저 스캐닝 특성과 수종 구성이 다양한 환경에서 개별 나무 분할 모델의 성능이 달라진다.
Quotes
"이 연구는 다양한 환경의 산림 포인트 클라우드 데이터를 활용하여 일반화된 개별 나무 분할 모델을 개발할 수 있음을 보여준다."
"저해상도 UAV 데이터를 포함하여 학습하는 것이 모델의 일반화 성능 향상에 중요한 것으로 나타났다."