원격 탐사 이미지에서 건물의 효율적인 추출은 도시 계획, 재난 구조, 군사 정찰 등 분야에서 중요한 역할을 합니다. 심층 학습 기반 건물 추출 방법은 매우 높은 정밀도를 가지지만, 복잡한 합성곱 연산과 거대한 네트워크 모델로 구현되어 추출 속도가 느리고 실제 요구를 충족하기 어렵습니다. 이에 원격 탐사 이미지 건물의 빠른 추출 방법을 설계하였습니다. STTNet 모델의 특징 추출 네트워크에 다중 스케일 합성곱을 도입하여 동일 합성곱 층 내에서 다중 스케일 특징을 추출하여 모델의 특징 추출 능력을 더욱 향상시켰습니다. 공간 희소 특징 추출기 구조를 개선하여 공간 주의력 가중치가 있는 특징 맵에 채널 주의력을 적용하여 채널 주의력 가중치를 효과적으로 학습하고, 백본 네트워크 출력 특징 맵 학습 시 채널 주의력 가중치 변동 문제를 해결하였습니다. 모델의 파라미터 수를 줄이고 연산 속도를 높이기 위해 STTNet 모델을 병렬 구조에서 직렬 구조로 변경하였습니다. INRIA 건물 데이터셋에서의 실험 결과 본 방법은 정확도와 IoU를 보장하면서 STTNet 대비 18.3% 속도가 향상되었으며 주류 방법보다 우수한 성능을 보였습니다.

원격 탐사 이미지;건물 추출;다중 스케일 합성곱;희소 특징 추출기