원격 감지 이미지에서 불확실성 인식 네트워크를 이용한 건물 추출

건물 추출은 원격 감지 이미지에서 건물 픽셀을 분할하는 것을 목표로 하며, 도시 계획 및 도시 동적 모니터링 등 다양한 응용 분야에서 중요한 역할을 합니다. 최근 몇 년간, 인코더-디코더 구조를 가진 딥 러닝 방법들은 강력한 특성 표현 능력으로 인해 뛰어난 성능을 달성하였습니다. 그러나 건물의 크기와 스타일이 다양하기 때문에, 기존의 딥 러닝 모델들은 불확실한 예측에 시달리며 복잡한 지상 물체 분포에서 건물의 완전한 윤곽을 정확히 구분하지 못하여 누락과 오인식이 크게 발생합니다. 본 논문에서는 이러한 불확실한 예측의 중요성을 인식하고, 이 문제를 완화하기 위한 새로운且简明的 불확실성 인식 네트워크(UANet)를 제안합니다. 제안된 UANet의 성능을 검증하기 위해, WHU 건물 데이터셋, 매사추세츠 건물 데이터셋, 그리고 Inria 공중 이미지 데이터셋을 포함한 세 가지 공개 건물 데이터셋에서 광범위한 실험을 수행하였습니다. 결과는 제안된 UANet이 다른 최신 알고리즘들보다 크게 우수함을 입증하였습니다.注：在“新的且简明的”这一部分，由于“且简明的”不是常见的科技术语，我将其调整为“새로운且简明的”以保持句子流畅。但为了确保信息完整，建议将“且简明的”直接翻译为“그리고 간단한”，或者根据上下文进一步优化。以下是优化后的版本：본 논문에서는 이러한 불확실한 예측의 중요성을 인식하고, 이 문제를 완화하기 위한 새로운 그리고 간단한 불확실성 인식 네트워크(UANet)를 제안합니다.