Foreground-Aware Relation Network for Geospatial Object Segmentation in High Spatial Resolution Remote Sensing Imagery 고해상도 원격 감지 영상에서 지리 공간 객체 분할을 위한 전경 인식 관계 네트워크

지리공간 객체 분할은 고 공간 해상도(HSR) 원격 감측 영상에서 큰 규모의 변화, 배경 내의 큰 클래스 변동성, 그리고 전경-배경 불균형이라는 문제를 항상 직면하고 있는 특정한 의미 분할 작업입니다. 그러나 일반적인 의미 분할 방법들은 주로 자연 환경에서의 규모 변화에 초점을 맞추고 있으며, 대규모 지구 관측 환경에서 자주 발생하는 나머지 두 가지 문제에 대한 고려가 부족합니다. 본 논문에서는 이러한 문제들이 전경 모델링 부족으로 인해 발생한다고 주장하며, 관계 기반과 최적화 기반의 전경 모델링 관점에서 이 두 가지 문제를 완화하기 위한 전경 인식 관계 네트워크(Foreground-aware Relation Network, FarSeg)를 제안합니다. 관계의 측면에서 FarSeg는 학습을 통해 전경-장면 관계를 연결하여 전경 관련 맥락을 강화함으로써 전경 특징의 구분력을 향상시킵니다. 한편, 최적화의 측면에서는 학습 과정 중에 전경 예제와 배경의 어려운 예제에 집중하는 전경 인식 최적화 방법을 제안하여 균형 잡힌 최적화를 실현합니다. 대규모 데이터셋을 사용한 실험 결과는 제안된 방법이 최신 일반적인 의미 분할 방법들보다 우수하며, 속도와 정확성 사이에서 더 나은 균형을 이루고 있음을 시사합니다. 코드는 다음과 같은 URL에서 제공됩니다: \url{https://github.com/Z-Zheng/FarSeg}.