본 논문은 산업 배출 연기 분할을 위한 새로운 프레임워크인 CEDANet을 제시합니다. 산업 연기 분할은 대기 질 모니터링 및 환경 보호에 중요하지만, 실제 환경에서 픽셀 단위 주석의 높은 비용과 부족으로 어려움을 겪고 있습니다. CEDANet은 시민이 제공한 비디오 수준의 약한 레이블과 적대적 특징 정렬을 독특하게 통합하는 사람 중심의 클래스 인식 도메인 적응 프레임워크입니다. 시민 투표를 사용하여 소스에서 학습된 분할 모델이 생성한 의사 레이블을 개선하고, 클래스별 도메인 식별자를 사용하여 풍부한 소스 도메인 표현을 산업 도메인으로 전이합니다. SMOKE5K 및 사용자 정의 IJmond 데이터셋에 대한 실험 결과, CEDANet은 시민 피드백을 통해 F1 점수 0.414와 연기 클래스 IoU 0.261을 달성하여 기준 모델(F1 점수 0.083, IoU 0.043)을 크게 능가함을 보여줍니다. 이는 F1 점수 5배, 연기 클래스 IoU 6배 향상을 의미합니다. 특히, 시민 제약 의사 레이블을 사용한 CEDANet은 제한된 100개의 완전히 주석이 달린 이미지로 학습된 동일한 아키텍처와 비슷한 성능(F1 점수 0.418, IoU 0.264)을 달성하여 대상 도메인 주석 없이 소량 표본 완전 감독 수준의 정확도에 도달할 수 있음을 보여줍니다. 본 연구는 시민 과학과 약한 감독 도메인 적응을 결합하는 확장성과 비용 효율성을 검증하여 데이터 부족 환경 모니터링 애플리케이션에 대한 실용적인 솔루션을 제공합니다.
