이 연구에서는 보레알 숲의 지형 분류를 위한 새로운 데이터셋인 BorealTC를 소개한다. BorealTC는 Husky A200 무인 지상 차량을 이용하여 기록된 116분 분량의 관성 측정 장치(IMU), 모터 전류, 바퀴 속도계 데이터를 포함한다. 특히 눈, 얼음, 실트질 양토와 같은 보레알 숲의 전형적인 지형을 다룬다.
BorealTC와 기존 Vulpi 데이터셋을 활용하여 합성곱 신경망(CNN)과 새로운 상태 공간 모델(SSM) 기반 Mamba 아키텍처의 성능을 평가하였다. 흥미롭게도 CNN은 각각의 데이터셋에서 Mamba보다 우수한 성능을 보였지만, 두 데이터셋을 결합하면 Mamba가 더 높은 정확도를 달성하였다. 또한 Mamba의 학습 능력이 데이터 양이 증가함에 따라 CNN보다 우수함을 보였다.
두 데이터셋을 결합하면 지형의 특성을 잘 반영하는 잠재 공간이 생성됨을 확인하였다. 이는 데이터셋 병합이 지형 분류에 미치는 영향을 보여준다.
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問