LSKNet: 원격 탐사용 기반 경량 백본

원격 탐사 이미지는 고유한 복잡성으로 인해 후속 작업에 특별한 도전 과제를 제시한다. 원격 탐사 분류, 객체 탐지, 세분화와 같은 분야에 대해 상당한 연구가 진행되었지만, 대부분의 기존 연구는 원격 탐사 환경 내에 내재된 유용한 사전 지식을 간과해왔다. 이러한 사전 지식은 원격 탐사 객체가 충분히 긴 범위의 맥락을 참조하지 않을 경우 오인될 수 있다는 점에서 유용할 수 있다. 특히 다양한 객체에 따라 맥락의 특성이 달라질 수 있기 때문이다. 본 논문은 이러한 사전 지식을 고려하여 가벼운 대규모 선택적 커널 네트워크(Lightweight Large Selective Kernel Network, LSKNet) 백본을 제안한다. LSKNet은 원격 탐사 환경에서 다양한 객체의 거리 맥락을 더 잘 모델링할 수 있도록, 동적으로 큰 공간적 수용 영역을 조정할 수 있다. 현재까지 알려진 바에 따르면, 대규모 및 선택적 커널 메커니즘은 원격 탐사 이미지 분야에서 이전에 탐색된 바가 없다. 복잡한 기법 없이도, 우리의 가벼운 LSKNet은 표준 원격 탐사 분류, 객체 탐지, 세분화 벤치마크에서 새로운 최고 성능을 기록했다. 포괄적인 분석을 통해 제안된 사전 지식의 중요성과 LSKNet의 효과성 또한 확인되었다. 코드는 https://github.com/zcablii/LSKNet에서 공개되어 있다.