CDUNet: 원격 감지 이미지를 위한 구름 탐지 UNet

구름 탐지는 광학 위성 원격 감지 이미지의 전처리 과정에서 중요한 단계입니다. 기존 문헌에서 구름 탐지 방법은 대체로 임계값 방법과 딥러닝 방법으로 나눌 수 있습니다. 전통적인 임계값 방법의 대부분은 구름의 스펙트럼 특성에 기반하고 있어, 반사율이 높은 영역에서 공간 위치 정보가 손실되기 쉬워 오분류를 초래합니다. 게다가 일반화 부족으로 인해 전통적인 딥러닝 네트워크 또한 구름 탐지에 직접 적용되면 세부사항과 공간 정보를 쉽게 잃게 됩니다. 이러한 문제를 해결하기 위해, 우리는 구름 탐지를 위한 딥러닝 모델인 Cloud Detection UNet (CDUNet)을 제안합니다. 네트워크의 특징은 구름 층의 경계 조정을 정제하고 공간 위치 정보를 캡처할 수 있다는 것입니다. 제안된 모델에서는 구름 경계를 정제하고 단편화된 구름을 예측하기 위해 고주파 특징 추출기(HFE)와 다중 스케일 합성곱(MSC)을 도입했습니다. 또한, 얇은 구름 탐지의 정확성을 향상시키기 위해 공간 사전 자기 주의(SPSA) 메커니즘을 도입하여 구름의 공간 위치 정보를 구축했습니다. 추가적으로, 모델 내에서 중복 정보를 줄이고 모델의 전반적인 성능을 향상시키기 위한 이중 주의 메커니즘이 제안되었습니다. 실험 결과는 우리 모델이 복잡한 구름 덮개 장면에 대처할 수 있으며 구름 데이터셋과 SPARCS 데이터셋에 대해 우수한 성능을 보임을 보여주었습니다. 그 구분 정확성은 기존 방법보다 우수하며, 이는 구름 탐지 관련 작업에 큰 의미가 있습니다.