위성 이미지 시계열 분류를 위한 픽셀셋 인코더와 시계열 자기주의 주목(Attention)

위성 이미지 시계열은 그 보편적인 접근성 증가에 힘입어 국제 기관들이 자동화된 지구 관측을 위한 광범위한 노력의 핵심에 위치하고 있다. 특히 대규모 농지 관리 문제는 정치적·경제적으로 매우 중요한 과제로 부각되고 있다. 이와 관련하여 하이브리드 컨볼루션-순환 신경망 아키텍처는 위성 이미지 시계열의 자동 분류에 있어 유망한 성과를 보여주었다. 본 연구에서는 기존의 컨볼루션 계층을 대체하여, 일반적으로 공개된 위성 이미지의 낮은 해상도 특성을 효과적으로 활용할 수 있도록 무질서한 픽셀 집합을 처리하는 인코더를 도입하는 대안적 접근법을 제안한다. 또한 순환 네트워크 대신 자기 주목(self-attention) 기반의 맞춤형 신경망 아키텍처를 활용하여 시계열 특징을 추출하는 방안을 제안한다. 실험을 통해 제안한 방법이 정밀도 측면에서 기존 최고 수준의 기법들을 뛰어넘는 것은 물론, 처리 시간과 메모리 요구량을 크게 감소시킴을 입증하였다. 마지막으로, 향후 위성 이미지 시계열 연구를 위한 기준 데이터셋으로 활용할 수 있도록 대규모 오픈 애너테이션 데이터셋을 공개한다.