[논문] ROSA‑TFormer: 북부 산시 산소나무 농장 분류를 위한 레이더·광학 센서 인식 시계형 트랜스포머 (GEE 기반 Sentinel‑1/2 시계열)

출처: arXiv - 2606.19204v1

개요

핀스 sylvestris var. mongolica의 정확한 식별은 북부 산시 지역의 조림 품질 모니터링과 생태계 복구에 필수적입니다. 본 논문은 Google Earth Engine에서 생성된 Sentinel‑1/2 시계열 데이터를 활용해 P. sylvestris를 분류하는 레이더·광학 센서 인식 시계열 Transformer인 ROSA‑TFormer를 제안합니다. 이 모델은 별도 SAR 및 광학 임베딩 브랜치를 통합하고, 센서 인식 게이트와 시계열注意 풀링을 통해 다중 원천 계절 특성을 포착합니다. 월간 및 반월 점-레벨 데이터셋에 대한 실험 결과 ROSA‑TFormer는 높은 분류 성능을 보이며, 전체 정확도 99.67%, 매크로 F1 99.56%, HalfMonth‑dataBig 데이터셋에서 P. sylvestris F1 98.91%를 달성했습니다. 공간 블록 검증 및 아블레이션 결과는 레이더·광학 시계열 융합과 센서 인식 모델링의 효과를 더욱 입증합니다. 본 결과는 ROSA‑TFormer가 점-레벨 P. sylvestris 식물원 분류에 큰 잠재력을 보임을 보여주지만, 광역(전체) 검증은 여전히 필요합니다.

주요 공헌

본 논문은 다음 분야의 연구를 제시합니다:

• cs.CV

방법론

자세한 방법については 전체 논문을 참고하십시오.

실용적 의미

본 연구는 cs.CV 분야의 발전을 기여합니다.

저자

• Nengbo Zhang
• Chang sheng

논문 정보

• arXiv ID: 2606.19204v1
• 카테고리: cs.CV
• 발간일: 2026년 6월 17일
• PDF: PDF 다운로드