원격 감지 영상에서 픽셀 단위 선박 추출 과제에서 데이터 기준 부족 및 해석 정확도 저하 등의 문제를 해결하기 위해, 본 논문은 데이터셋과 네트워크 구조 두 측면에서 연구를 수행하였다. 충분한 수량, 다양한 유형, 광범위한 분포를 갖춘 선박 의미론적 분할 데이터셋(Ship Semantic Segmentation Dataset, SSSD)을 구축하였으며, 공동 이중 과제 및 이중 주의 메커니즘을 이용한 선박 추출 방법을 제안하였다. 데이터셋 측면에서는 전 세계 항구 지역을 합리적으로 선정하고 HRSC2016 데이터셋을 기반으로 SSSD를 구성하였으며, 최종 데이터셋은 훈련 영상 3,760장과 테스트 영상 923장을 포함한다. 네트워크 구조 측면에서는 다중 헤드 자기 주의 및 채널 주의를 융합하여 이중 주의 메커니즘을 설계하여 분할 정밀도를 효과적으로 향상시켰다. 또한, 경계 감독 분기를 보조 과제로 도입하여 의미 분할과 공동으로 이중 과제 네트워크 프레임워크를 형성하여 선박과 배경의 분리를 강화하였다. 실험 결과, 본 방법은 IoU에서 U-Net, ASPPUNet, DeepLabV3+, MANet 대비 각각 11.44%, 17.84%, 12.25%, 1.64% 향상시켰으며, 이중 주의 및 보조 과제 설계는 각각 2.02%, 1.36% 향상시켰다. 또한 일반화 실험에서 본 방법은 더욱 강한 적응성과 견고성을 보였다. 본 논문이 구축한 SSSD는 선박 픽셀 단위 해석을 위한 신뢰성 있는 데이터 기준을 제공하며, 제안한 선박 추출 방법은 주류 방법 대비 우수한 성능과 안정성, 일반화 능력을 갖는다.

원격 감지 영상; 선박 추출; 데이터셋; 주의 메커니즘; 이중 과제