초록
항공 이미지에서 도로 추출은 원격 감지 이미지 분석 분야에서 주요 연구 주제 중 하나입니다. 본 논문에서는 잔차 학습과 U-Net의 장점을 결합한 의미 세그멘테이션 신경망을 제안하여 도로 영역을 추출합니다. 이 신경망은 잔차 유닛으로 구성되어 있으며 U-Net과 유사한 구조를 가지고 있습니다. 이 모델의 장점은 두 가지입니다: 첫째, 잔차 유닛은 깊은 네트워크의 훈련을 용이하게 합니다. 둘째, 네트워크 내부의 풍부한 스킵 연결(skip connections)은 정보 전달을 촉진하여, 적은 파라미터로도 더 우수한 성능을 가진 네트워크 설계가 가능합니다. 우리는 공개된 도로 데이터셋에서 우리의 신경망을 테스트하고 U-Net 및 다른 두 가지 최신 딥러닝 기반 도로 추출 방법들과 비교했습니다. 제안된 접근법은 모든 비교 방법보다 우수한 결과를 보여주어, 최근 개발된 최신 기술들에 비해 그 우월성을 입증하였습니다.