본 논문은 제한된 볼츠만 머신(RBM)과 딥 신념 네트워크(DBN)의 적응형 구조 학습 방법을 개발하여, 항공 사진 데이터로부터 도로 네트워크 시스템을 자동으로 인식하는 RoadTracer에 적용했습니다. 특히 복잡한 도로 특징을 효과적으로 감지하기 위해 Adaptive DBN의 Teacher-Student 기반 앙상블 학습 모델을 제안했습니다. 이 모델은 실험 결과에서 7개 주요 도시의 도로 인식 정확도를 평균 40.0%에서 89.0%로 향상시켰습니다. 또한 자연재해로 인한 산사태 발생 시 가용 도로 감지를 위해 이 방법을 적용했으며, 빠른 추론을 위해 경량화된 딥 러닝을 위해 소형 임베디드 엣지 장치에 작은 크기의 모델을 구현했습니다. 일본 강우 재해 전후의 위성 이미지에 대한 감지 결과를 보고했습니다.
