항공 이미지 의미 분할에서 특징 추출 스케일 단일화, 세부 정보 손실 및 경계 모호 문제를 해결하기 위해, 본 논문에서는 계층 간 상호작용과 방향 인식을 갖춘 항공 이미지 의미 분할 네트워크를 제안한다. 방향 분리 주의 전략을 통해 방향 인식 모듈을 구축하여 모델의 공간 방향 정보 처리 능력을 강화하였으며; 채널 간 특징 상호작용 융합을 위한 계층 간 상호작용 모듈을 설계하여 공간 인식 능력을 향상시키고, 채널-공간 주의 메커니즘을 활용하여 특징 추출 능력을 강화하며 복잡한 장면에서 세부 정보 흐림 문제를 완화하였다; 마지막으로 분할 헤드를 경량화 설계하여 중복 연산을 제거함으로써 계산량을 줄이면서 분할 성능을 보장한다. 실험 결과 본 네트워크는 UAVid 데이터셋과 Aeroscapes 데이터셋에서 평균 교차 비율(IoU)을 각각 베이스라인 모델 SegFormer 대비 1.7% 및 1.3% 향상시켜, 복잡한 항공 이미지 상황에서 의미 분할의 효과를 입증하였다. Human 클래스의 분할 정확도는 베이스라인 대비 1.8% 향상되어 작은 객체 분할에서도 우수한 성능을 보였다. 여러 주류 네트워크와 비교하여 본 방법은 두 데이터셋 모두에서 가장 높은 분할 정확도를 달성하여 우수한 일반화 능력을 나타냈다.

계층 간 상호작용;의미 분할;항공 이미지;경량화;방향 분리