SWIR/NIR 밴드 최적화와 맥락 학습 기반 데이터 증강을통한 멀티 스펙트럴 산불 탐지 기법
Multispectral Wildfire Detection via SWIR/NIR Band Optimization and Context-Aware Data Augmentation
4
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 산불로 인한 피해가 급증하고 있어 피해를 방지하기 위해 산불 발생을 빠르게 감지하는 것이 중요하다. 기존의 산불 탐지는주로 RGB 이미지를 이용하지만, 최근에는 멀티 스펙트럴 영상을 활용해 산불 탐지를 수행한다. 본 논문은 인공지능을 활용한 멀티스펙트럴 영상에서 산불 탐지 성능 향상을 위한 두 가지 핵심 방법론을 제안한다. 첫째, 통계적, 정보 이론적 지표를 기반으로 산불탐지에 최적화된 밴드 조합을 선별하는 방법을 소개한다. 상호 정보(MI)와 효과 크기(Cohen’s d) 분석 결과 단파 적외선 밴드가 산불 영역을 식별하는 데 효과적임을 입증하였고, 단파 적외선 밴드와 근적외선 밴드를 함께 조합했을 때 탐지 성능이 개선되는 것을확인하였다. 둘째, 산불 클래스의 심각한 불균형 문제를 완화하고 주변 맥락 정보를 같이 학습하기 위해 패치 기반의 copy-paste데이터 증강 기법을 제안하여 Intersection over Union(IoU) 지표 기준으로 기존 주변 영역을 고려하지 않은 copy-paste 증강대비 14.54%, 베이스라인 대비 2.75%의 성능 향상을 달성하였다.
Abstract
With the recent surge in damage from wildfires, rapid detection of wildfire outbreak has become crucial forprevention. While conventional wildfire detection has primarily relied on RGB images, recent approaches nowutilize multispectral imagery. This paper proposes two key methodologies for enhancing the performance ofAI-based wildfire detection using multispectral images. First, we introduce a method for selecting optimal bandcombinations for wildfire detection based on statistical and information-theoretic metrics. An analysis usingMutual Information (MI) and effect size (Cohen’s d) demonstrated that the short-wave infrared (SWIR) band iseffective for identifying wildfire areas. We also confirmed that combining the SWIR band with the near-infrared(NIR) band further improves detection performance. Second, to mitigate the severe class imbalance problem of thewildfire class and to incorporate surrounding contextual information, we propose a patch-based copy-paste dataaugmentation technique. On an Intersection over Union (IoU) metric, this method achieved a 14.54% performanceincrease compared to conventional copy-paste augmentation, which does not consider surrounding areas, and a2.75% increase over the baseline.