초록
원격 감지 이미지의 의미 분할은 정밀 농업, 환경 보호 및 경제 평가 등에서 핵심적인 역할을 한다. 최근 들어 고해상도 원격 감지 이미지가 대량으로 제공되면서 의미 분할 기술의 발전이 가속화되고 있다. 그러나 해상도가 높아짐에 따라 정보의 복잡성이 증가함에 따라 최첨단 딥러닝 알고리즘은 일반적으로 복잡한 네트워크 아키텍처를 사용하여 분할을 수행하게 되며, 이로 인해 계산 복잡도가 크게 증가한다. 특히, 합성곱 신경망(Convolutional Neural Network, CNN)의 높은 성능은 세밀한 공간적 세부 정보(고해상도)와 충분한 맥락 정보(큰 수용 영역)에 크게 의존하는데, 이러한 두 가지 요소는 모두 높은 계산 비용을 초래한다. 이는 실시간 처리가 요구되는 실제 응용 환경에서의 적용 가능성과 활용 가능성을 크게 제한한다. 본 논문에서는 이 문제를 해결하기 위해 이중 브랜치 구조를 가진 주의 메커니즘 기반 이중 맥락 신경망(Attentive Bilateral Contextual Network, ABCNet)을 제안한다. 제안된 ABCNet은 최신 기술 대비 뛰어난 계산 효율성을 보이며, 동시에 경쟁력 있는 정확도를 유지한다. 코드는 https://github.com/lironui/ABCNet 에서 공개되어 있다.