リモートセンシング画像は、その固有の複雑性から、下流タスクにおいて特有の課題を呈する。リモートセンシング分類、オブジェクト検出、セマンティックセグメンテーションに関する多くの研究が行われてきたが、これらの多くはリモートセンシングシーンに内在する貴重な事前知識を無視している。このような事前知識は、異なるオブジェクトに対して変化する十分な長距離コンテキストを参照しない場合、オブジェクトの誤認識が生じる可能性があるため、有用である。本論文では、こうした事前知識を考慮し、軽量型の大域的選択的カーネルネットワーク（Lightweight Selective Kernel Network, LSKNet）を提案する。LSKNetは、リモートセンシングシーンにおける多様なオブジェクトの距離的コンテキストをより適切にモデル化するため、空間的受容野を動的に調整可能である。本研究の知見によれば、大規模かつ選択的カーネル機構は、これまでリモートセンシング画像においては検討されていなかった。装飾的な要素を一切用いずに、本研究で提案する軽量型LSKNetは、標準的なリモートセンシング分類、オブジェクト検出、セマンティックセグメンテーションのベンチマークにおいて、新たなSOTA（最先端）スコアを達成した。さらに包括的な分析を通じて、同定された事前知識の重要性およびLSKNetの有効性が裏付けられた。コードは https://github.com/zcablii/LSKNet にて公開されている。