DeepSat V2: 특성 강화된 합성곱 신경망을 이용한 위성 이미지 분류

위성 영상 분류는 원격 감지, 컴퓨터 비전, 기계 학습의 교차점에 위치한 어려운 문제입니다. 위성 데이터에 내재된 높은 변동성 때문에 대부분의 현재 객체 분류 접근법이 위성 데이터셋을 처리하는 데 적합하지 않습니다. 또한 여러 클래스 라벨을 가진 단일 라벨링된 고해상도 데이터셋 부족으로 인해 위성 영상 분석의 발전이 저해되어 왔습니다. 이 연구의 초안에서 우리는 두 개의 새로운 고해상도 위성 영상 데이터셋(SAT-4와 SAT-6)을 소개하고, '수작업' 특징과 심층 신념 네트워크(DBN)를 기반으로 하는 DeepSat 프레임워크를 제안했습니다. 현재 논문은 확장된 버전으로, 개선된 아키텍처를 활용하여 수작업 특징과 컨벌루션 신경망(CNN)을 결합한 분류용 엔드투엔드 프레임워크를 제시합니다. 우리의 프레임워크는 수작업 특징에서 얻은 융합된 공간 정보와 CNN 특징 맵에 접근할 수 있으며, SAT-4와 SAT-6에서 각각 99.90%와 99.84%의 정확도를 달성하여 다른 모든 최신 결과들을 능가하였습니다. 분포 분리 가능성을 기준으로 한 통계적 분석은 우리 접근법이 위성 영상을 더 나은 표현으로 학습하는 데 있어 견고함을 입증합니다.