Основні поняття
다양한 지역에서 작물 유형 매핑을 위한 기반 모델의 일반화 가능성을 연구하였다. 기반 모델 중 Sentinel-2 영상에 특화된 SSL4EO-S12가 가장 우수한 성능을 보였으며, 제한된 지역 데이터에서 OOD 데이터를 활용하는 것이 효과적임을 확인하였다.
Анотація
이 연구는 작물 유형 매핑을 위한 기반 모델의 일반화 가능성을 조사하였다. 6개의 작물 분류 데이터셋을 5개 대륙에서 수집하고 조화시켜 통합 데이터셋을 구축하였다. 이를 바탕으로 3가지 기반 모델(SSL4EO-S12, SatlasPretrain, ImageNet)을 사용하여 in-distribution(ID) 및 out-of-distribution(OOD) 평가를 수행하였다.
실험 결과, Sentinel-2 영상에 특화된 SSL4EO-S12 모델이 가장 우수한 성능을 보였다. 또한 제한된 ID 데이터에서 OOD 데이터를 활용하는 것이 효과적이었다. ID 데이터가 증가함에 따라 OOD 데이터의 이점은 감소하였지만, 데이터가 부족한 지역에서는 여전히 OOD 데이터 활용이 도움이 되었다.
이 연구는 작물 유형 매핑을 위한 기반 모델의 일반화 가능성을 체계적으로 분석하였으며, 데이터 부족 지역에서의 활용 가능성을 확인하였다. 향후 연구에서는 다양한 데이터셋 조합을 통한 성능 향상 방안을 모색할 수 있을 것이다.
Статистика
제한된 ID 데이터에서 OOD 데이터를 활용하면 성능이 71.31%에서 77.74%로 향상된다.
900개의 ID 데이터를 사용하면 CDL 데이터셋에서 85.05%의 정확도를 달성할 수 있다.
AgriFieldNet 데이터셋은 클래스 불균형으로 인해 다른 데이터셋에 비해 낮은 성능을 보였다.
Цитати
"다양한 지역에서 작물 유형 매핑을 위한 기반 모델의 일반화 가능성을 연구하였다."
"기반 모델 중 Sentinel-2 영상에 특화된 SSL4EO-S12가 가장 우수한 성능을 보였다."
"제한된 지역 데이터에서 OOD 데이터를 활용하는 것이 효과적임을 확인하였다."