초록
고분광 이미지 분류에서 샘플의 수동 라벨링이 비용이 많이 들고 인력이 많이 필요한 문제를 해결하기 위해, 많은 수의 레이블이 없는 샘플들이 효과적으로 활용되지 못하고 분류 성능이 만족스럽지 못한 점을 목표로, 유의미한 샘플을 제공하고 컨볼루션 신경망을 활용하여 스펙트럼-공간 특징을 추출하여 분류하는 방법을 제안한다. 본 연구에서는 소규모 샘플 분류에서 우수한 성능을 보이는 서포트 벡터 머신(SVM)을 활용하여 반복적으로 불확실성이 가장 높은 샘플을 선택하고 이를 라벨링함으로써 가치 있는 학습 샘플 집합을 구성하는 능동 학습(Active Learning) 기법을 도입한다. 이후 3차원 컨볼루션 신경망(3D CNN)을 사용하여 고분광 이미지의 스펙트럼-공간 특징을 효과적으로 추출한다. 인디안 파인스(Indian Pines) 및 파비아U(PaviaU) 데이터셋을 이용한 고분광 이미지 분류 실험 결과, 제안한 방법(3D VS-CNN)이 기존의 전통적 분류 방법보다 우수한 성능을 보였다.