다중 분광 항공 영상에서의 위장 잡초 검출을 위한 매개변수 효율적인 합성곱 접근법
A Parameter-efficient Convolutional Approach for Camouflaged Weed Detection in Multispectral Aerial Imagery
본 논문에서는 위장 잡초 검출을 위해 설계된 효율적인 모델인 FCBNet을 소개한다. 이 아키텍처는 완전히 고정된(frozen) ConvNeXt 백본, 특징(feature) 정제를 위해 효율적인 합성곱을 활용하는 제안된 특징 교정 블록(Feature Correction Block, FCB), 그리고 경량 디코더를 기반으로 한다. FCBNet은 RGB 및 다중 분광(multispectral) 양식 모두에서 WeedBananaCOD 및 WeedMap 데이터셋을 통해 평가되었으며, mIoU 측면에서 85%를 초과하여 U-Net, DeepLabV3+, SK-U-Net, SegFormer, WeedSense와 같은 모델들을 능가하는 동시에, 학습(training)에 단 0.06~0.2시간만을 필요로 하여 뛰어난 연산 효율성을 달성함을 보여준다. 또한, 백본 고정 전략을 통해 학습 가능한 매개변수 수를 90% 이상 줄여 메모리 요구량을 크게 낮춘다. 코드는 https://github.com/Leo-Thomas/fcbnet 에서 확인할 수 있다.