원격감지 영상의 픽셀 단위 선박 추출 작업에서 기준 데이터 부족 및 해석 정확도 저하 등의 문제에 대응하여 본 논문은 데이터셋과 네트워크 구조 두 측면에서 연구를 진행하였다. 충분한 양과 다양한 유형, 광범위한 분포를 갖춘 선박 의미 분할 데이터셋(Ship Semantic Segmentation Dataset, SSSD)을 구축하고, 공동의 이중 과제와 이중 주의 메커니즘을 결합한 선박 추출 방법을 제안하였다. 데이터셋 측면에서는 전 세계 항구 지역을 합리적으로 선정하고 HRSC2016 데이터셋을 기반으로 SSSD를 구축하여 최종적으로 학습 영상 3,760장과 테스트 영상 923장을 포함하였다. 네트워크 구조 측면에서는 다중 헤드 자기주의와 채널 주의를 융합하여 이중 주의 메커니즘을 설계하여 분할 정확도를 효과적으로 향상시켰다. 또한 보조 과제로서 윤곽 감독 분기를 도입하여 의미 분할과 공동의 이중 과제 네트워크 프레임워크를 형성하여 선박과 배경의 분리 효과를 강화하였다. 실험 결과 본 방법은 U-Net, ASPPUNet, DeepLabV3+, MANet 대비 IoU를 각각 11.44%, 17.84%, 12.25%, 1.64% 향상시켰으며, 이중 주의와 보조 과제 설계가 각각 IoU를 2.02%와 1.36% 향상시켰다. 동시에 일반화 실험에서 본 방법은 더 강한 적응성과 견고함을 보였다. 본 논문에서 구축한 SSSD는 선박 픽셀 단위 해석을 위한 신뢰할 수 있는 데이터 기준을 제공하며, 제안한 선박 추출 방법은 주류 방법에 비해 더 우수한 성능과 안정성, 일반화 능력을 갖추고 있다.

원격감지 영상;선박 추출;데이터셋;주의 메커니즘;이중 과제