核心概念
본 연구는 소량의 라벨링된 데이터와 설명 가능한 AI를 활용하여 드론 이미지에서 침입종 및 외래종 나무를 효과적으로 감지하는 워크플로우를 제시합니다.
要約
침입종 및 외래종 나무 감지를 위한 설명 가능한 퓨샷 학습 워크플로우: 브라질 대서양림 사례 연구
본 연구는 브라질 대서양림에서 드론으로 촬영한 RGB 이미지를 사용하여 침입종 및 고유종 나무를 식별하는 효과적인 퓨샷 학습 기반 방법을 제시하는 것을 목표로 합니다.
본 연구에서는 먼저 드론 영상에서 개별 나무 캐노피를 자동으로 추출하는 객체 감지 모델(Netflora)을 사용하여 연구 지역의 UAV 정사영상에서 나무 캐노피 타일을 생성했습니다. 이러한 타일은 Reforestree 벤치마크 데이터 세트의 타일과 결합되어 Siamese 네트워크를 사전 학습하는 데 사용되었습니다. Siamese 네트워크는 얕은 CNN 기반 네트워크와 MobileNet 백본 기반 네트워크, 두 가지 유형으로 구축되었습니다. 퓨샷 학습 설정에서는 연구 지역의 새로운 침입종 및 고유종을 나타내는 소수의 라벨링된 샘플을 사용하여 사전 학습된 Siamese 네트워크를 미세 조정했습니다. 마지막으로, 분류 결과를 설명하기 위해 사례 기반 설명 전략을 사용했습니다.