고광대역 데이터 분류를 위한 컨볼루션 신경망을 통한 깊은 감독 학습

광스펙트럼 영상 기술을 통해 여러 좁은 스펙트럼 대역에서 스펙트럼 관측을 수행하면 물질 및 객체 식별에 유용한 정보를 제공할 수 있으며, 이는 분류 문제로 간주할 수 있다. 기존의 대부분의 연구들은 복잡한 수작업 특징을 설계하는 전통적인 패턴 인식 프레임워크에 기반하고 있다. 그러나 이러한 특징 중 어떤 것이 특정 문제에 실제로 중요한지에 대해서는 잘 알려져 있지 않다. 반면, 본 연구에서는 자동적으로 계층적으로 고수준 특징을 구성하는 딥러닝 기반 분류 방법을 제안한다. 제안한 방법은 컨볼루션 신경망(Convolutional Neural Network, CNN)을 활용하여 픽셀의 스펙트럼적 및 공간적 정보를 인코딩하고, 다층 퍼셉트론(Multi-Layer Perceptron, MLP)을 통해 분류 작업을 수행한다. 다양한 기준 데이터셋을 활용한 실험 결과와 정량적 검증을 통해 제안된 방법이 고정밀한 하이퍼스펙트럼 데이터 분류에 매우 큰 잠재력을 지닌다는 것을 입증하였다.