본 논문은 드론으로 촬영한 RGB 영상과 심층 학습 모델을 이용한 개별 나무 수관 분할의 정확성을 평가하기 위해 지상 기반 레이저 스캐닝(TLS) 데이터를 이용하여 고정밀 검증 레이블을 생성하는 연구입니다. 혼합되지 않은 북방림과 지중해 숲의 드론 영상에 대해 두 가지 널리 사용되는 심층 학습 모델인 DeepForest (RetinaNet)와 Detectree2 (Mask R-CNN)의 성능을 평가하고, 수동으로 라벨링된 지중해 숲 데이터와 비교 분석합니다. TLS 데이터를 기반으로 한 검증 결과, 모델 성능은 유사한 생태 환경의 수동 라벨링 데이터 기반 평가 결과보다 현저히 낮았으며, 특히 엄격한 IoU 임계값에서는 위치 정확도가 매우 낮았습니다. 이러한 결과는 폐쇄된 수관림에서 항공 기반 분할 기법의 근본적인 한계를 시사합니다.
