본 논문은 지진파 이미지의 의미론적 분할을 위해 EarthAdaptNet (EAN)이라는 심층 신경망 아키텍처를 제안합니다. 기존의 팽창 합성곱 대신 전치 잔차 유닛을 사용하여 데이터 부족 현상을 겪는 소수 클래스에 대한 성능을 향상시켰습니다. 네덜란드 해상 F3 블록 3D 데이터셋(소스 도메인)과 캐나다 Penobscot 3D 탐사 데이터(타겟 도메인)를 사용하여 실험을 수행하였으며, EAN은 픽셀 단위 정확도 84% 이상, 소수 클래스에 대해 70%의 정확도를 달성했습니다. 또한, 레이블 데이터가 없는 경우를 위해 CORAL 방법을 EAN에 도입하여 비지도 심층 도메인 적응 네트워크 (EAN-DDA)를 구축하여 F3와 Penobscot의 지진 반사 분류에 적용하였으며, Penobscot의 클래스 2에 대해 최대 99%의 클래스 정확도를 달성했습니다.
