초록
최근 몇 년간 딥 러닝 기술은 원격 감지 데이터 처리 방식을 혁신적으로 변화시켰습니다. 고광역 데이터 분류 역시 예외는 아니지만, 이는 다른 광학적 데이터에 비해 딥 러닝의 적용이 직관적이지 않은 고유한 특성을 가지고 있습니다. 본 논문에서는 이전의 머신 러닝 접근법들의 최신 연구 동향을 소개하고, 현재 제안되고 있는 다양한 딥 러닝 접근법들을 검토하며, 이 작업을 위해 딥 신경망을 구현할 때 발생하는 문제와 어려움들을 식별합니다. 특히 공간 및 스펙트럼 해상도, 데이터 양, 멀티미디어 이미지에서 고광역 데이터로의 모델 전환 등과 관련된 이슈들이 다루어집니다. 또한 다양한 네트워크 아키텍처 가족들의 비교 연구가 제공되며, 이러한 방법들을 실험할 수 있도록 소프트웨어 도구 상자가 공개됩니다. 본 논문은 고광역 데이터에 관심이 있는 데이터 과학자들과 자신의 데이터셋에 딥 러닝 기술을 적용하길 원하는 원격 감지 전문가들에게 모두 의도되었습니다.