Основні поняття
Cut-and-Paste 데이터 증강 기법을 위성 영상 의미 분할에 적용하여 모델 성능을 크게 향상시킬 수 있다.
Анотація
이 연구는 위성 영상 의미 분할 작업에서 Cut-and-Paste 데이터 증강 기법의 효과를 평가한다.
- 먼저 의미 분할 레이블에서 개별 객체를 추출하는 전처리 단계를 거친다.
- 이후 학습 중 무작위로 추출한 객체를 원본 영상에 붙여넣는 방식으로 데이터를 증강한다.
- DynamicEarthNet 데이터셋과 U-Net 모델을 사용하여 실험한 결과, Cut-and-Paste 증강을 적용하면 mIoU 성능이 37.9에서 44.1로 크게 향상되었다.
- 이는 이 기법이 위성 영상 의미 분할 모델의 일반화 능력을 높일 수 있음을 보여준다.
- 특히 불균형 클래스나 레이블 데이터 부족 문제를 완화하는 데 효과적이다.
Статистика
위성 영상 의미 분할 모델의 mIoU 성능이 기존 37.9에서 Cut-and-Paste 증강을 적용하면 44.1로 향상되었다.
Цитати
"Cut-and-Paste 데이터 증강 기법은 위성 영상 의미 분할 모델의 일반화 능력을 크게 향상시킬 수 있다."
"이 기법은 레이블 데이터 부족이나 클래스 불균형 문제를 완화하는 데 효과적이다."