고해상도 원격탐사 영상에서 건물 추출 시 목표 스케일 범위가 크고 상위층 텍스처가 복잡하며 배경 환경의 간섭으로 인해 기존 모델은 대형 건물 추출 시 내부 공극이 쉽게 발생하고 소형 목표는 경계 기하학적 특성을 잃기 쉽다는 문제를 해결하기 위해, 본 논문은 다중 스케일 지역 특징과 전역 공간 표현을 융합한 이중 스트림 네트워크 아키텍처를 제안한다. 완전 대칭형 U-Net을 토폴로지 기반으로 하는 혼합 네트워크를 구축하였으며, 인코딩 단계에서는 계층적 특징 피라미드를 설계해 다중 해상도 지역 텍스처 정보를 추출하고, 원본 크기의 1/16 공간 해상도를 가지는 가장 깊은 층에 Vision Transformer 모듈을 삽입하여 다중 헤드 자기 주의 메커니즘으로 장거리 의존성을 모델링한다; 디코딩 단계에서는 적응형 이중 주의 재보정 메커니즘을 도입하여 캐스케이드 합성곱 블록 주의 모듈(CBAM)을 통해 공간 및 채널 차원에서 스킵 연결로 전달되는 특징의 노이즈를 억제하고, 교차 주의 모듈을 융합해 다중 스케일 특징을 정렬한다; 네트워크 끝단에서는 분할 및 경계 예측 병렬 다중 작업 출력 분기를 구축하고 경계 손실 함수를 이용해 공동 최적화한다. WHU 항공 영상 데이터셋에서 본 모델은 교집합비(IoU) 89.48%, F1 점수 94.45%, 정밀도 90.12%, 재현율 99.21%를 달성했으며, U-Net 구조와 비교해 IoU와 F1 점수가 각각 13.95%, 14.05% 향상되었다. 복잡한 배경의 ISPRS Potsdam 데이터셋에서는 모델 재현율이 안정적으로 90.48%에 머무른다. 소거 실험 결과 전역 자기 주의 모듈 도입으로 IoU가 6.67% 향상되어 목표 내부 특징 손실 현상을 효과적으로 개선했다. 해당 네트워크 아키텍처는 통제된 계산 비용 내에서 다중 스케일 건물 공간 토폴로지 및 지역 윤곽선의 효과적 추출을 구현하며, 2D 합성곱 모델의 지역 수용 영역 한계를 보완해 도시 공간 진화 모니터링 및 지리 기초 데이터베이스 갱신 등의 공학적 응용에 실질적인 배치 가치를 가진다.

건물 추출; 의미 분할; 다중 헤드 자기 주의 메커니즘; 특징 재보정; 다중 작업 학습