항공 이미지 의미 분할에서 특징 추출의 단일 스케일, 세부 정보 손실, 경계 흐림 문제를 해결하기 위해 본 논문은 계층 간 상호작용과 방향 인지를 가진 항공 이미지 의미 분할 네트워크를 제안한다. 방향 탈결합 어텐션 전략을 통해 방향 인지 모듈을 구축하여 모델의 공간 방향 정보 처리 능력을 강화했고; 계층 간 상호작용 모듈을 설계하여 채널 간 특징 상호 융합을 수행하며 공간 인지 능력을 향상시켰고, 채널-공간 어텐션 메커니즘을 활용해 특징 추출 능력을 강화하여 복잡한 장면에서 세부 흐림 문제를 완화했다; 마지막으로 분할 헤드를 경량화 설계하여 중복 연산을 제거하고 연산량을 줄이면서 분할 성능을 보장했다. 실험 결과, 본 논문의 네트워크는 UAVid 데이터셋과 Aeroscapes 데이터셋에서 기준 모델 SegFormer 대비 평균 교집합비를 각각 1.7%, 1.3% 향상시켜 항공 이미지와 같이 복잡한 상황에서 의미 분할의 유효성을 입증했다. Human 카테고리는 기준 모델 대비 분할 정확도가 1.8% 향상되어 본 논문의 네트워크가 소규모 객체 분할에서도 우수함을 보였다. 여러 주류 네트워크와 비교했을 때, 본 방법은 두 데이터셋 모두에서 최고 분할 정확도를 달성하여 더욱 우수한 일반화 능력을 보였다.

계층 간 상호작용;의미 분할;항공 이미지;경량화;방향 탈결합