이중 입력을 이용한 개선된 U-Net 모델 기반 위성 영상의 의미론적 분할

Abstract

본 논문은 고해상도 위성 영상을 이용한 의미론적분할을 수행하는 새로운 딥러닝 기반 모델을 제안한다. 현존하는 딥러닝 기반 의미론적 분할 모델들은인코더에서 얻어진 특징 정보가 제한적이므로, 이 정보가 디코더로 전달되어 정확도가 손상되는 문제를가지고 있다. 이러한 한정된 특징 추출과 정확도의저하는 예측의 비효율성을 초래하며, 이는 부정확한결과를 유발한다. 본 연구에서는 이와 같은 한계를극복하고자, 다양한 크기의 입력을 동시에 처리 가능하게 설계하여 기존 모델보다 향상된 인코더-디코더구조를 제안한다. 이를 통해, 다양하고 풍부한 특징정보를 효과적으로 추출하며 디코더로 더욱 효율적으로 정보들을 전달할 수 있고 의미론적 분할의 정확도를 향상시켜 성능을 높일 수 있다.