DASNet: 고해상도 위성 이미지 변화 감지용 듀얼 주의력 완전 컨볼루션 시아메즈 네트워크

변화 탐지는 원격 감지 이미지 처리의 기본적인 작업입니다. 연구 목표는 관심 있는 변화 정보를 식별하고, 간섭 요소로서 관련 없는 변화 정보를 필터링하는 것입니다. 최근 딥러닝의 발전은 변화 탐지에 새로운 도구를 제공하여 인상적인 결과를 얻었습니다. 그러나 현재 사용 가능한 방법들은 주로 다시점 원격 감지 이미지 간의 차이 정보에 초점을 맞추고 있으며, 가짜 변화 정보에 대한 견고성이 부족합니다. 이러한 현상을 극복하기 위해 본 논문에서는 고해상도 이미지에서의 변화 탐지를 위한 새로운 방법인 이중 주의 완전 컨볼루션 시아메즈 네트워크(Dual Attentive Fully Convolutional Siamese Networks, DASNet)를 제안합니다. 이중 주의 메커니즘을 통해 장거리 의존성을 포착하여 더 구분력 있는 특성 표현을 얻어 모델의 인식 성능을 향상시키는 데 기여합니다. 또한, 변화 탐지에서 샘플 불균형은 심각한 문제로, 즉 변하지 않은 샘플이 변한 샘플보다 훨씬 많다는 점이 가짜 변화 발생의 주요 원인 중 하나입니다. 우리는 이 문제를 해결하기 위해 변하지 않은 특성 쌍에 대한 주의력을 처벌하고, 변한 특성 쌍에 대한 주의력을 증가시키는 가중치 더블 마진 대조 손실(Weighted Double Margin Contrastive Loss)을 제안하였습니다. 우리의 방법을 변화 탐지 데이터셋(CDD)과 건물 변화 탐지 데이터셋(BCDD)에 적용한 실험 결과는 다른 베이스라인 방법들과 비교하여 F1 점수에서 각각 최대 2.1%와 3.6%의 개선을 실현하였음을 보여줍니다. 우리의 PyTorch 구현은 https://github.com/lehaifeng/DASNet에서 이용 가능합니다.