LWGANet: 원격 감지 시각적 작업을 위한 경량 그룹 주의력 백본

원격 감지(RS) 시각적 작업은 학술적으로나 실용적으로 중요한 위치를 차지하고 있습니다. 그러나 이러한 작업들은 단일 이미지 내에서 크기의 상당한 변화를 보이는 다수의 객체를 검출하고 인식하는 등의 문제로 인해 효과적인 특징 추출에 많은 어려움을 겪고 있습니다. 과거 이중 분기 또는 다중 분기 아키텍처 전략이 이러한 객체 변동성을 관리하는 데 효과적이었지만, 동시에 계산 요구사항과 매개변수 수가 크게 증가하여 자원 제약이 있는 장치에서의 배포 가능성이 낮아졌습니다. 최근 경량 백본 네트워크는 주로 자연 이미지를 대상으로 설계되었으며, 다중 스케일 객체로부터 효과적으로 특징을 추출하는 데 어려움을 겪어 원격 감지 시각적 작업에서 효율성이 저하되는 경우가 많습니다.본 논문에서는 RS 시각적 작업에 특화된 경량 백본 네트워크인 LWGANet을 소개합니다. LWGANet은 이러한 특정 도전 과제를 해결하기 위해 설계된 새로운 경량 그룹 주의(LWGA) 모듈을 통합하고 있습니다. LWGA 모듈은 RS 이미지를 위한 것으로, 추가적인 복잡성이나 계산 부담 없이 로컬부터 글로벌까지 다양한 공간 정보를 효과적으로 활용하여 중복된 특징들을 활용합니다. 이는 효율적인 프레임워크 내에서 여러 스케일에 걸친 정확한 특징 추출을 촉진합니다.LWGANet은 4개의 핵심 RS 시각적 작업(장면 분류, 방향 객체 검출, 의미 분할, 변화 검출)을 포함하는 12개 데이터셋에서 철저히 평가되었습니다. 결과는 LWGANet의 광범위한 적용 가능성과 고성능과 저복잡성 사이의 최적 균형 유지 능력을 확인하며, 다양한 데이터셋에서 최상의 성능(SOTA) 결과를 달성했습니다. LWGANet은 강력한 RS 이미지 처리 기능이 필요한 자원 제한 환경에서 혁신적인 솔루션으로 부상하였습니다.