아프리카의 작물 유형에 대한 의미 세분화: 새로운 데이터셋과 딥러닝 방법에 대한 분석

자동화되고 정확한 작물 유형 지도는 특히 현장 조사가 드문 개발도상국에서 식량 시스템을 이해하는 데 전례 없는 정보를 제공할 수 있다. 그러나 기존의 방법들이 이러한 데이터 부족 환경에 적용된 사례는 거의 없으며, 이와 같은 환경은 불규칙한 모양의 농지, 자주 발생하는 구름 덮개, 소규모 농지, 그리고 훈련 데이터의 극심한 부족이라는 독특한 과제를 안고 있다. 이 문헌적 공백을 해결하기 위해, 우리는 가나와 남수단의 소규모 농가를 대상으로 한 최초의 작물 유형 세분화 데이터셋을 제공한다. 또한 우리는 소규모 농가의 세분화에 있어 고해상도·고빈도 위성 데이터를 최초로 활용한다. 이러한 도전에도 불구하고, 가나에서는 평균 F1 스코어와 전체 정확도가 각각 57.3%, 60.9%를 기록하였고, 남수단에서는 69.7%, 85.3%의 성과를 달성하였다. 더불어, 독일과 같은 데이터가 풍부한 환경에서도 기존 최고 수준의 방법보다 F1 스코어에서 8점 이상, 정확도에서 6점 이상 우수한 성능을 보였다. 코드와 데이터셋 접근 링크는 공개되어 있으며, https://github.com/roserustowicz/crop-type-mapping 에서 확인할 수 있다.