Remote Sensing and Drone-Based Land Cover Classification, Crop Anomaly Detection, and Vision-Language Learning Strategy Research
연구 내용
원격탐사·드론 멀티스펙트럴 데이터를 기반으로 토지피복을 분류하고 작물 이상을 탐지하며 비전-언어 학습 전략을 정리·적용하는 연구
원격탐사 및 드론 기반 영상에서 토지피복을 정확히 분류하고, 작물 생육의 이상을 조기에 탐지하는 연구를 수행합니다. 단일 모델 성능의 한계를 보완하기 위해 딥 앙상블 네트워크를 활용하고, 토지피복의 공간적·채널별 특성을 동시에 반영하도록 채널 어텐션과 공간 어텐션을 결합한 듀얼 어텐션 구조를 적용합니다. 또한 드론 멀티스펙트럴 입력을 대상으로 트랜스포머 기반 탐지를 통해 이상 패턴을 추정하는 방향으로 확장합니다. 더불어 비전-언어 모델에 대한 체계적 서베이를 수행해 파인튜닝, 프롬프트 엔지니어링, 어댑터 관점의 학습 전략을 정리하고 후속 응용에 연결하는 차별성을 보유하고 있습니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
2024년에는 토지피복 분류에서 딥 앙상블 네트워크를 적용해 분류 성능을 향상시키는 방향으로 연구를 시작했습니다. 2025년에는 채널과 공간 어텐션을 함께 사용하는 듀얼 어텐션 네트워크로 토지피복의 차별적 패턴을 더 정교하게 학습하도록 확장했습니다. 같은 해 드론 기반 멀티스펙트럴 입력을 대상으로 트랜스포머 기반 이상 탐지를 수행해 작물 생육의 비정상 신호를 추정했습니다. 또한 2025년에는 비전-언어 모델 전반에 대한 서베이를 수행하며 후속 멀티모달 학습 전략을 체계화하는 흐름으로 연구를 확장했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Enhancing land cover classification via deep ensemble network
A comprehensive survey of Vision–Language Models: Pretrained models, fine-tuning, prompt engineering, adapters, and benchmark datasets
DLAN: A dual attention network for effective land cover classification in remote sensing
Transformer-based detection of abnormal rice growth using drone-based multispectral imaging