인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
건물은 지붕 색상과 규모가 다양하고 옆면이 노출되어 경계 인식이 어려워, 원격탐사 영상에서의 의미론적 분할에는 많은 학습데이터가 요구된다. 그러나 대규모 데이터를 확보하기 어려운 현실을 고려하여, 본 연구는 데이터 증강 기법을 통해 학습데이터 부족 상황에서 모델 정확도를 향상시키는 방안에 관한 연구가 필요하다. 이를 위해, Rotation, Flipping, Mosaic(무작위·균등 크기), MixUp, Copy and paste 등 주요 공간적 증강 기법을 적용하고, MobileNet 기반 U-Net 모델을 통해 탐지 정확도를 비교하였다. 실험 결과, Random-sized mosaic와 Copy and paste 기법은 f1-score 기준 최대 약 1.35%, 1.29%의 정확도 향상을 보였으며, 특히 Random-sized mosaic 증강법의 경우, 증강 데이터의 양과 긍정적인 상관성이 있는 것으로 확인하였다. 본 연구는 건물 추출이라는 특수한 의미론적 분할 과제에서 다양한 증강 기법의 효용과 한계를 실험적으로 검증하였으며, 향후 더 많은 증강 기법과 의미론적 분할 모델을 적용함으로써 학습데이터 부족 문제에 대한 일반화된 지침을 제시할 수 있을 것으로 기대한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092590076
