Core Concepts
기존 연도 데이터와 최신 데이터를 활용하여 토지 피복 매핑 정확도를 향상시킬 수 있다.
Abstract
이 연구는 토지 피복 매핑 정확도를 높이기 위해 서로 다른 시기의 원격 탐사 데이터와 참조 데이터를 활용하는 방법을 제안한다. 제안하는 REFeD 프레임워크는 도메인 간 특징을 분리하고 대조 학습을 통해 토지 피복 분류에 유용한 특징을 추출한다. 이를 통해 과거 수집된 참조 데이터를 활용할 수 있어 토지 피복 매핑 프로세스를 개선할 수 있다.
실험 결과, REFeD는 서로 다른 지역과 시기의 데이터를 활용하여 기존 방법들보다 우수한 성능을 보였다. 특히 농업 지역과 자연 식생 클래스에서 큰 향상을 보였다. 내부 특징 표현 분석에서도 REFeD가 다른 방법들에 비해 클래스 간 구분이 더 잘 되는 것을 확인할 수 있었다.
Stats
과거 데이터를 활용하면 토지 피복 매핑 프로세스에 투자된 재정 및 인력 노력을 다시 활용할 수 있다.
REFeD는 도메인 간 특징을 분리하고 대조 학습을 통해 토지 피복 분류에 유용한 특징을 추출할 수 있다.
REFeD는 다중 수준의 감독을 통해 특징 분리 과정을 더욱 강화한다.
Quotes
"기존 연도 데이터와 최신 데이터를 활용하여 토지 피복 매핑 정확도를 향상시킬 수 있다."
"REFeD는 도메인 간 특징을 분리하고 대조 학습을 통해 토지 피복 분류에 유용한 특징을 추출할 수 있다."
"REFeD는 다중 수준의 감독을 통해 특징 분리 과정을 더욱 강화한다."