변화 유도 네트워크: 원격 탐사 영상에서 변화 탐지에 변화 사전 지식을 통합하는 방법

자동화된 인공지능 알고리즘과 원격 탐사 장비의 급속한 발전은 변화 탐지(change detection, CD) 작업에 큰 도움을 주고 있다. 그러나 정밀한 변화 탐지, 특히 변화 특징의 경계 유지성과 내부 구멍 현상에 대한 연구 여지가 여전히 많다. 이러한 문제를 해결하기 위해 우리는 기존 방법에서 일반적으로 사용되는 전통적인 U-Net 구조의 변화 특징 표현 능력 부족 문제를 해결하기 위해 Change Guiding Network(CGNet)를 제안한다. 이로 인해 경계 탐지 정확도 저하와 내부 구멍 현상이 발생하는 문제를 완화할 수 있다. 풍부한 의미 정보를 갖춘 깊은 특징에서 생성된 변화 지도를 사전 정보로 활용하여 다중 해상도 특징 융합을 안내함으로써 변화 특징의 표현 능력을 향상시킨다. 동시에, 픽셀 간의 장거리 의존성을 효과적으로 포착하고 기존 합성곱 신경망의 수용 영역(Receptive Field) 부족 문제를 극복할 수 있는 자기 주의(self-attention) 모듈인 Change Guide Module(CGM)을 제안한다. 네 개의 주요 변화 탐지 데이터셋에서 CGNet의 유용성과 효율성을 검증하였으며, 대규모 실험 및 제거 연구(ablation study)를 통해 CGNet의 효과성을 입증하였다. 관련 코드는 곧 GitHub(https://github.com/ChengxiHAN/CGNet-CD)를 통해 오픈소스로 공개될 예정이다.