표제지
목차
요약 11
Abstract 13
제1장 서론 16
1.1. 연구 배경 및 필요성 16
1.2. 연구 목적 및 범위 20
제2장 이론적 배경 및 연구 동향 22
2.1. 딥러닝 22
2.1.1. 분류를 위한 딥러닝의 학습 과정 22
2.1.2. 딥러닝 기반 특징 추출 및 분류 24
2.1.3. 딥러닝을 이용한 영상 분류 28
2.2. 훈련 자료의 확장 30
2.2.1. 능동학습 30
2.2.2. 준감독학습과 자가 훈련 32
2.3. 도메인 적응 34
2.3.1. 도메인 적응의 정의 34
2.3.2. 도메인 적응을 위한 딥러닝 기법 36
2.4. 연구 동향 분석 45
제3장 자가 훈련 기반 비지도 도메인 적응 프레임워크 48
3.1. 개요 48
3.2. 1단계: 단일 도메인으로 재구성을 위한 초기 훈련 후보자 추출 51
3.2.1. 개요 51
3.2.2. 초기 훈련 후보자 추출을 위한 비지도 도메인 적응 모델 선정 52
3.3. 2단계: 특정 조건을 이용한 훈련 후보자 갱신 53
3.3.1. 개요 53
3.3.2. 비지도 도메인 적응 모델의 불확실성 정보 이용 54
3.3.3. 초기 분류 결과의 공간 문맥 정보 이용 56
3.3.4. 농경지 지도의 필지 경계 정보 이용 58
3.4. 3단계: 최종 훈련 자료 결정 60
3.4.1. 개요 60
3.4.2. 자가 훈련 기반 반복 분류를 이용한 훈련 후보자 갱신 60
3.5. 최종 훈련 자료를 이용한 작물 분류 64
제4장 실험 설계 65
4.1. 연구 대상 지역 65
4.1.1. 고랭지 배추 재배지 66
4.1.2. 마늘/양파 재배지 66
4.2. 사용 자료 68
4.2.1. 무인기 영상 68
4.2.2. 현장 조사 자료 71
4.3. 제안 방법론의 도메인 적응 사례 정의 72
4.3.1. 시간 도메인 적응 사례 74
4.3.2. 공간 도메인 적응 사례 80
4.3.3. 시공간 도메인 적응 사례 82
4.4. 실험 설정 및 평가 방법 88
4.4.1. 훈련, 검증 및 테스트 자료 구성 88
4.4.2. 비지도 도메인 적응 모델 구조 및 하이퍼파라미터 정의 92
4.4.3. 제안 방법론의 평가 방법 96
제5장 실험 결과의 분석 및 고찰 99
5.1. 무인기 영상의 특징 비교 99
5.2. 제안 방법론의 비지도 도메인 적응 모델 선정 101
5.3. 훈련 자료 수에 따른 제안 방법론의 분류 결과 평가 103
5.4. 제안 방법론의 단계별 결과 평가 106
5.4.1. 단계별 훈련 후보자 추출 및 갱신 106
5.4.2. 훈련 후보자를 이용한 단계별 분류 결과 113
5.5. 제안 방법론의 적용성 평가 및 활용 가이드라인 제시 124
제6장 결론 126
6.1. 요약 126
6.2. 향후 연구 및 기대 효과 128
참고문헌 130
표 1. 딥러닝 기반 도메인 적응 기법의 유형 36
표 2. 도메인 불일치에 따른 제안 방법론의 필요성 및 목표 50
표 3. 카메라 센서별 밴드의 중심 파장 69
표 4. 제안 방법론의 적용성 평가를 위해 선정된 도메인 적응 유형 및 자료 73
표 5. 제안 방법론의 적용 사례별 훈련 자료와 테스트 자료 91
표 6. DRCN 모델의 최적 하이퍼파라미터 결정 94
표 7. DANN 모델의 최적 하이퍼파라미터 결정 94
표 8. DAN 모델의 최적 하이퍼파라미터 결정 95
표 9. 고랭지 배추 재배지 대상 JM거리를 이용한 두 도메인 간 분포 차이 100
표 10. 마늘/양파 재배지 대상 JM거리를 이용한 두 도메인 간 분포 차이 100
표 11. 고랭지 배추 재배지역의 사례에 대한 전체 정확도와 F-measure 116
표 12. 마늘/양파 재배지 사례에 대한 전체 정확도와 F-measure 117
표 13. 작물 분류에서 도메인 적응의 주요 특징 및 제안 방법론의 개선 사항 124
그림 1. 연구 범위 21
그림 2. 합성곱 신경망 구조 24
그림 3. 합성곱 연산과 풀링 연산 과정 25
그림 4. 기본 오토인코더(basic-autoencoder) 구조 27
그림 5. 오토인코더를 이용한 분류 27
그림 6. 딥러닝을 이용한 원격탐사 영상의 분류 유형 29
그림 7. Subpixel-pixel-superpixel-based 능동학습을 이용한 영상 분류 32
그림 8. Spatial-regulated self-training을 이용한 영상 분류 33
그림 9. 비지도 도메인 적응의 개념 35
그림 10. Deep reconstruction-classification network 38
그림 11. MMD를 이용한 분포 일치 기반 도메인 적응의 개념 40
그림 12. Two-stage deep domatin adaptation 개념 41
그림 13. Domain adversarial neural networks 모델 개요 43
그림 14. Adversarial disriminative domain adaptation 44
그림 15. 제안 프레임워크의 적용 절차 49
그림 16. 도메인 불일치 문제가 큰 경우 단일 도메인 분류로 재구성 52
그림 17. 불확실성 정보를 이용한 훈련 후보자 갱신 55
그림 18. 공간 문맥 정보를 이용한 훈련 후보자 갱선 57
그림 19. 필지 경계 정보를 이용한 훈련 후보자 갱신 58
그림 20. 자가 훈련을 이용한 훈련 후보자 갱신 61
그림 21. 자가 훈련 기반 반복 분류에 이용한 얕은 구조의 합성곱 신경망 62
그림 22. 연구 대상 지역 65
그림 23. 히스토그램 매칭 개념 70
그림 24. 팜맵 기반 농경지 지도를 이용한 현장 조사 자료 구축 과정 71
그림 25. 사례 1에서 세 번째 시기의 소스 도메인 및 대상 도메인의 무인기 영상 및 현장 조사 자료 75
그림 26. 사례 1에서 세 번째 시기의 소스 도메인 및 대상 도메인 영상의 작물별 반사율 분포 76
그림 27. 사례 2에서 두 번째 시기의 소스 도메인 및 대상 도메인의 무인기 영상 및 현장 조사 자료 77
그림 28. 사례 2에서 두 번째 시기의 소스 도메인 영상과 대상 도메인 영상의 작물별 반사율 분포 78
그림 29. 사례 3에서 소스 도메인 및 대상 도메인의 무인기 영상 및 현장 조사 자료 79
그림 30. 사례 3에서 소스 도메인 영상과 대상 도메인 영상의 작물별 반사율 분포 80
그림 31. 사례 4에서 소스 도메인 및 대상 도메인의 무인기 영상 및 현장 조사 자료 81
그림 32. 사례 4에서 소스 도메인 영상과 대상 도메인 영상의 작물별 반사율 분포 82
그림 33. 사례 5에서 두 번째 시기의 소스 도메인 및 대상 도메인의 무인기 영상 및 현장 조사 자료 84
그림 34. 사례 5에서 두 번째 시기의 소스 도메인 영상과 대상 도메인 영상의 작물별 반사율 분포 85
그림 35. 사례 6에서 소스 도메인 및 대상 도메인의 무인기 영상 및 현장 조사 자료 86
그림 36. 사례 6에서 소스 도메인 영상과 대상 도메인 영상의 작물별 반사율 분포 87
그림 37. 훈련 자료의 임의 샘플링 과정 89
그림 38. 제안 방법론의 비지도 도메인 적응 모델 선정을 위한 분류 성능 비교 102
그림 39. 소스 도메인과 대상 도메인의 훈련 자료 수에 따른 제안 방법론의 분류 성능 104
그림 40. 대상 도메인의 훈련 자료 수에 따른 제안 방법론의 분류 성능 105
그림 41. 6개 사례에서 제안 방법론의 단계별 훈련 후보자의 정분류 비율 107
그림 42. 사례 1의 필지 경계 지도와 제안 방법론의 단계별 훈련 후보자의 의사라벨에 포함된 오류 108
그림 43. 사례 3의 필지 경계 지도와 제안 방법론의 단계별 훈련 후보자의 의사라벨에 포함된 오류 109
그림 44. 사례 2의 필지 경계 지도와 제안 방법론의 단계별 훈련 후보자의 의사라벨에 포함된 오류 110
그림 45. 사례 4의 필지 경계 지도와 제안 방법론의 단계별 훈련 후보자의 의사라벨에 포함된 오류 111
그림 46. 사례 5의 필지 경계 지도와 제안 방법론의 단계별 훈련 후보자의 의사라벨에 포함된 오류 112
그림 47. 사례 6의 필지 경계 지도와 제안 방법론의 단계별 훈련 후보자의 의사라벨에 포함된 오류 113
그림 48. 사례 1에 대한 소스 베이스라인, 대상 베이스라인 및 제안 방법론의 단계별 분류 결과 118
그림 49. 사례 1에 대한 소스 베이스라인, 대상 베이스라인 및 제안 방법론의 단계별 분류 결과 119
그림 50. 사례 2에 대한 소스 베이스라인, 대상 베이스라인 및 제안 방법론의 단계별 분류 결과 120
그림 51. 사례 4에 대한 소스 베이스라인, 대상 베이스라인 및 제안 방법론의 단계별 분류 결과 121
그림 52. 사례 5에 대한 소스 베이스라인, 대상 베이스라인 및 제안 방법론의 단계별 분류 결과 122
그림 53. 사례 6에 대한 소스 베이스라인, 대상 베이스라인 및 제안 방법론의 단계별 분류 결과 123