다중 스케일 합성곱 신경망을 기반으로 한 고해상도 위성 이미지에서의 지리공간 객체 탐지

매일 대량의 항공 및 위성 이미지를 수집함으로써 이러한 이미지의 자동 해석이 용이해졌다. 그러한 해석 중 하나가 객체 탐지이다. 이 분야에서 큰 발전이 있었음에도 불구하고, 특히 고해상도 위성(HRS) 이미지에서 다중 스케일 객체, 특히 작은 객체의 탐지는 충분히 탐구되지 않았다. 그 결과 탐지 성능은 저조하다. 이 문제를 해결하기 위해, 우리는 HRS 이미지에서 지리공간 객체 탐지를 위한 통합된 다중 스케일 합성곱 신경망(CNN)을 먼저 제안한다. 이는 다중 스케일 객체 제안 네트워크와 다중 스케일 객체 탐지 네트워크로 구성되며, 두 네트워크 모두 다중 스케일 기본 네트워크를 공유한다. 기본 네트워크는 서로 다른 수용 필드를 가진 특성 맵을 생성하여 서로 다른 스케일의 객체를 책임지게 된다. 그런 다음 우리는 특성 맵에서 고품질 객체 제안을 생성하기 위해 다중 스케일 객체 제안 네트워크를 사용한다. 마지막으로, 이러한 객체 제안을 사용하여 다중 스케일 객체 탐지 네트워크로 좋은 객체 탐지기를 훈련시킨다. 공개적으로 이용 가능한 원격 탐지 객체 탐지 데이터 세트에 대한 포괄적인 평가와 여러 최첨단 접근 방식과의 비교는 제안된 방법의 효과를 입증한다. 제안된 방법은 89.6%의 최고의 평균 평균 정밀도(mAP) 값을 달성하며, GTX 1080Ti GPU에서 초당 10프레임(FPS)으로 실행된다.