Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Oil Spill Segmentation using Deep Encoder-Decoder models

Created by
  • Haebom

저자

Abhishek Ramanathapura Satyanarayana, Maruf A. Dhali

개요

본 논문은 심층 인코더-디코더 모델을 이용한 원격 해상 유류 유출 감지 가능성을 검증합니다. 세계 경제와 운송 부문에 필수적인 원유의 수요 증가에 따라 유류 유출 사고는 불가피하며, 이의 신속한 감지는 매우 중요합니다. 본 연구는 고차원 위성 합성 개구 레이더(SAR) 영상 데이터를 사용하여 여러 분할 모델의 성능을 비교 분석했습니다. 실험 결과, ResNet-50 인코더와 DeepLabV3+ 디코더를 결합한 모델이 가장 우수한 성능을 보였으며, 기존 모델 대비 유류 유출 영역에 대한 IoU(Intersection over Union) 지표를 개선했습니다. (기존 모델: 평균 IoU 65.05%, 유류 유출 클래스 IoU 53.38%; 본 연구 모델: 평균 IoU 64.868%, 유류 유출 클래스 IoU 61.549%)

시사점, 한계점

•
시사점:
◦
심층 학습 기반의 원격 유류 유출 감지 모델의 실현 가능성을 제시.
◦
ResNet-50 인코더와 DeepLabV3+ 디코더 조합의 효과성을 확인.
◦
기존 모델 대비 유류 유출 클래스 IoU 지표 개선.
•
한계점:
◦
기존 최고 성능 모델 대비 평균 IoU 지표는 다소 낮음.
◦
실제 현장 적용을 위한 추가적인 연구 필요.
◦
다양한 유형의 SAR 영상 데이터 및 유출 환경에 대한 추가적인 검증 필요.
👍
Made with Slashpage