核心概念
도메인 간 시각적 및 레이블 분포 차이로 인한 일반화 문제를 해결하기 위해, 주문형 임베딩 공간을 활용한 도메인 적응형 회귀 모델을 제안한다.
摘要
이 논문은 위성 및 항공 영상을 활용한 산림 모니터링을 위한 도메인 적응형 회귀 모델을 제안한다.
- 5개국의 위성 및 항공 영상 데이터셋인 DRIFT를 소개하였다. 이 데이터셋은 수고, 수목 개수, 수관 피복률 등 3가지 산림 관련 회귀 과제를 포함한다.
- 도메인 간 시각적 및 레이블 분포 차이로 인한 일반화 문제를 해결하기 위해, 주문형 임베딩 공간을 활용한 도메인 적응형 회귀 모델을 제안하였다.
- 제안 모델은 소스 도메인에서 주문형 임베딩 공간을 학습한 후, 타겟 도메인에서 소량의 레이블 데이터를 활용하여 적응한다.
- 실험 결과, 제안 모델이 기존 회귀 및 도메인 적응 방법들에 비해 우수한 성능을 보였다. 특히 도메인 간 격차가 큰 경우에 효과적이었다.
統計資料
수고 예측 모델의 R2 점수는 0.59로, 기존 회귀 모델(0.23)보다 크게 향상되었다.
수목 개수 예측 모델의 R2 점수는 0.56으로, 기존 회귀 모델(0.44)보다 향상되었다.
수관 피복률 예측 모델의 R2 점수는 0.71로, 기존 회귀 모델(0.66)보다 향상되었다.
引述
"도메인 간 시각적 및 레이블 분포 차이로 인한 일반화 문제를 해결하기 위해, 주문형 임베딩 공간을 활용한 도메인 적응형 회귀 모델을 제안한다."
"제안 모델은 소스 도메인에서 주문형 임베딩 공간을 학습한 후, 타겟 도메인에서 소량의 레이블 데이터를 활용하여 적응한다."