BDANet: 위성 이미지에서 건물 피해 평가를 위한 다중 스케일 컨볼루션 신경망과 교차 방향 주의 메커니즘

자연재해(예: 지진, 허리케인 등)가 발생할 때 신속하고 효과적인 대응이 필요합니다. 구호 활동을 시작하기 전에 위성 영상을 이용한 건물 피해 평가는 매우 중요합니다. 사전 및 사후 재난 위성 영상 한 쌍을 사용하여 건물 피해 평가는 건물의 피해 정도를 예측하는 것을 목표로 합니다. 특징 표현 능력이 뛰어난 딥 뉴럴 네트워크는 건물 피해 평가에 성공적으로 적용되어 왔습니다. 기존 연구 대부분은 사전 및 사후 재난 영상을 단순히 연결하여 딥 뉴럴 네트워크의 입력으로 사용하며, 이들 사이의 상관관계를 고려하지 않았습니다. 본 논문에서는 건물 피해 평가를 위한 새로운 두 단계 컨볼루션 신경망 모델인 BDANet을 제안합니다. 첫 번째 단계에서는 U-Net을 사용하여 건물 위치를 추출합니다. 이후 첫 번째 단계에서 얻은 네트워크 가중치를 두 번째 단계에서 공유하여 건물 피해 평가를 수행합니다. 두 번째 단계에서는 사전 및 사후 재난 영상을 각각 입력받기 위해 다중 스케일 U-Net을 백본으로 사용하는 두 가지 분기 구조를 채택하였습니다. 또한, 사전 및 사후 재난 영상 간의 상관관계를 탐색하기 위해 교차 방향 주의 모듈(cross-directional attention module)을 제안하였습니다. 더불어, CutMix 데이터 증강 기법을 활용하여 어려운 클래스 문제를 해결하였습니다. 제안된 방법은 대규모 데이터셋 xBD에서 최고 수준의 성능을 달성하였으며, 코드는 https://github.com/ShaneShen/BDANet-Building-Damage-Assessment에서 확인할 수 있습니다.