본 논문에서는 희소한 지상 진실 데이터의 제약을 극복하기 위해 다중 작업 작물 수확량 예측 네트워크(MT-CYP-Net)를 제안합니다. MT-CYP-Net은 공유 백본 네트워크에서 추출된 특징을 작물 수확량 예측 디코더와 작물 분류 디코더가 동시에 활용하고, 이들 간의 정보 융합이 가능하도록 하는 효과적인 다중 작업 특징 공유 전략을 도입합니다. 이는 매우 희소한 작물 수확량 점 레이블과 작물 유형 레이블로도 상세한 픽셀 단위 작물 수확량 지도를 생성할 수 있게 합니다. 2023년 중국 Heilongjiang성 8개 농장의 콩, 옥수수, 벼 작물을 대상으로 수집된 1,859개의 수확량 점 레이블과 해당하는 작물 유형 레이블 및 위성 이미지를 사용하여 희소 작물 수확량 레이블 데이터셋을 구성하고, 기존 기계 학습 및 심층 학습 방법과 비교 실험을 수행했습니다. 실험 결과 MT-CYP-Net이 여러 작물 유형에서 기존 방법보다 우수하며, 특히 제한된 데이터 레이블을 가지고도 정밀한 픽셀 단위 작물 수확량 예측에 심층 네트워크의 잠재력을 보여줍니다.
