[논문 리뷰] Enhanced Archaeological Predictive Modelling in Space Archaeology

Li Chen, Carey E. Priebe외 4명|arXiv (Cornell University)|2013. 01. 13.

Archaeological Research and Protection참고 문헌 10인용 수 4

한 줄 요약

이 논문은 다중스펙트럼 및 고도 정보 원격 감지 데이터를 활용하여 현장에서 수집한 환경 요소에 의존하는 전통적인 APMs의 한계를 극복하고, 사이트 탐지 정확도를 향상시키며 거짓 음성 비율을 감소시키는 기계학습 기반의 아르케올로지 예측 모델인 APM_{enhanced}을 소개한다. 밴드 변환, 주성분 분석(PCA)을 통한 특징 추출, 그리고 LDA 또는 (k,l)-NN를 이용한 분류를 통합함으로써, 특히 낮은 거짓 음성 비율에서 뛰어난 성능을 발휘하며, WorldView-2와 기울기 데이터로부터 유도된 36개의 밴드 차분 비율이 최적의 결과를 도출한다.

ABSTRACT

Identifying and preserving archaeological sites before they are destroyed is a very important issue. In this paper, we develop a greatly improved archaeological predictive model $APM_{enhanced}$ that predicts where archaeological sites will be found. This approach is applied to remotely-sensed multispectral bands and a single topographical band obtained from advanced remote sensing technologies such as satellites and Airborne Laser Scanning (ALS). Our $APM_{enhanced}$ is composed of band transformation, image analysis, feature extraction and classification. We evaluate our methodology on the sensor bands over Ft.Irwin, CA, USA. A nested bi-loop cross-validation and receiver operating characteristics curves are used to assess the performance of our algorithm. We first validate our method on the east swath of Ft.Irwin and then test on a separate dataset from the west swath of Ft.Irwin. A convex combination of two methodologies: $APM_{conventional}$, which has been used among archaeologists for many years, and our $APM_{enhanced}$, is demonstrated to yield superior classification performance compared to either alone at low false negative rates. We compare the performance of our methodology on different band combinations, chosen based on the archaeological importance for these sensor bands. We also compare the two types of $APM$s in the aspects of input data, output values, practicality and transferability.

연구 동기 및 목표

• 고도화된 원격 감지 데이터를 활용하여 고정확도, 저거짓 음성 비율의 아르케올로지 예측 모델을 개발한다.
• 현장에서 수집한 환경 요소에 의존하고 이식 가능성이 낮은 기존 APMs의 한계를 극복한다.
• 다중스펙트럼 및 고도 정보 밴드의 고차원적 특징에 대한 통계적 학습을 통해 예측 성능을 향상시킨다.
• APM_{conventional}과 APM_{enhanced} 간의 입력 데이터, 출력 정밀도, 실용성, 이식 가능성 간의 상호 교환 관계를 평가한다.
• 낮은 거짓 음성 비율에서 APM_{conventional}과 APM_{enhanced}의 볼록 조합이 분류 성능에서 열등함을 입증한다.

제안 방법

• APM_{enhanced}는 위성 및 ALS 데이터로부터 다중스펙트럼 밴드(예: WorldView-2, KTT)와 단일 고도 밴드(기울기)를 처리한다.
• 밴드 변환을 통해 밴드 차분 비율(BDR)을 생성하였으며, 기울기 + 8개의 WorldView-2 밴드로 구성된 36개의 BDR이 최적으로 확인되었다.
• 주성분 분석(PCA)을 통해 차원을 감소시켰으며, 최적의 성분 수는 최소 오차율 또는 95% 분산 기준으로 선정되었다.
• 분류는 LDA와 (k,l)-최근접 이웃 규칙을 사용하였으며, 성능 평가에는 중첩 이중 루프 교차검증 및 ROC 곡선이 활용되었다.
• 전체 분류 정확도를 향상시키기 위해 APM_{conventional}과 APM_{enhanced}의 볼록 조합을 사용하였다.
• 모델은 포트 아이언의 동부 스위프에서 학습하고 서부 스위프에서 테스트하여 공간 영역 간 일반화 능력을 확보하였다.

실험 결과

연구 질문

• RQ1 기계학습 기반의 APM은 기존 APMs에 비해 분류 정확도를 향상시키고 거짓 음성 비율을 감소시킬 수 있는가?
• RQ2 다중스펙트럼 및 고도 정보 밴드의 어떤 조합이 아르케올로지 사이트 탐지에서 가장 높은 예측 성능을 내는가?
• RQ3 밴드 차분 비율의 차원 수가 모델 정확도와 노이즈 민감도에 어떤 영향을 미치는가?
• RQ4 APM_{conventional}과 APM_{enhanced}를 조합함으로써 예측 성능이 얼마나 향상되는가, 특히 낮은 거짓 음성 비율에서의 성능 향상은 어떠한가?
• RQ5 입력 데이터, 출력 정밀도, 실용성, 이식 가능성 측면에서 APM_{enhanced}는 APM_{conventional}에 비해 어떻게 비교되는가?

주요 결과

• 기울기 + 8개의 WorldView-2 밴드로 구성된 36개의 밴드 차분 비율(BDR)이 가장 높은 분류 정확도를 기록하였으며, 15-, 66-, 78-BDR 구성보다 뛰어났다.
• APM_{enhanced}는 APM_{conventional}에 비해 오차율이 낮고 특히 중요한 임계값에서 거짓 음성 비율이 크게 감소하였다.
• (k,l)-최근접 이웃 분류기는 LDA에 비해 PCA 오차율이 낮았지만, 편향-분산 트레이드오프의 영향으로 LDA가 전체 예측 성능에서 더 우수하였다.
• APM_{conventional}과 APM_{enhanced}의 볼록 조합은 개별 모델보다 뛰어난 분류 성능을 보였으며, 특히 낮은 거짓 음성 비율에서 두드러졌다.
• APM_{enhanced}는 높은 이식 가능성을 보였으며, 포트 아이언의 동부에서 학습한 결과가 서부 스위프에서 잘 일반화되었다.
• 연속 확률 점수 기반의 모델 출력은 APM_{conventional}의 이산화된 출력에 비해 더 정밀한 임계값 설정과 더 나은 거짓 음성 비율 제어를 가능하게 하였다.