위성 영상의 의미론적 분할을 위한 확장된 심층 신경망 연결 모델

Abstract

위성 영상에서 의미론적 분할 성능을 향상시키기위한 인코더-디코더 구조의 새로운 심층 신경망 모델을 제안한다. 기존 의미론적 분할은 얕은 구조로 인해특징 압축과 확장 중에 생기는 손실이 크다. 이에 따라 분할 정확도가 줄어들며 물체를 제대로 구별하지못하는 문제가 발생한다. 제안하는 확장 연결 모델은이러한 문제를 해결하기 위해, 기존 인코더-디코더 모델을 확장시켜 여러 계층의 특징을 가져와 디코더에연결한 구조를 만들어 특징 정보의 손실을 개선한 모델이다. 이러한 확장 연결 모델은 특징 학습 과정에서의 정보 손실을 개선하고 업샘플링 과정에서 잔차학습을 사용하여 의미론적 분할의 정확도를 향상시켰다. 실험결과, 제안하는 확장 연결 모델이 기존 의미론적분할 모델보다 크게 향상된 성능을 보여준다.