ESCNet: 매우 높은 해상도 원격 감지 이미지에 대한 엔드투엔드 슈퍼픽셀 강화 변경 탐지 네트워크

변화 탐지(Change Detection, CD)는 지구 관측 분야에서 핵심적인 문제 중 하나로, 최근 수십 년간 많은 연구 관심을 받아왔다. 최근 위성 센서의 급속한 발전으로 매우 고해상도(very-high-resolution, VHR) 다중 스펙트럴 영상의 가용성이 확대되면서 CD의 입력 데이터가 풍부해졌으며, 이는 변화에 대한 풍부한 단서를 제공하고 있다. 그러나 실제 변화 지역을 정확히 위치하는 것은 여전히 도전 과제로 남아 있다. 본 논문에서는 VHR 영상에 적합한 엔드 투 엔드의 슈퍼픽셀 강화 변화 탐지 네트워크(ESCNet)를 제안한다. 이는 미분 가능한 슈퍼픽셀 분할과 깊은 합성곱 신경망(deep convolutional neural network, DCNN)을 결합한 구조를 갖는다. 이중 가중치 공유 슈퍼픽셀 샘플링 네트워크(Superpixel Sampling Networks, SSNs)는 이시기 영상 쌍의 특징 추출 및 슈퍼픽셀 분할을 위해 특화되어 있으며, 이후 UNet 기반의 시아메스 신경망(Siamese neural network)을 활용해 두 영상 간의 차이 정보를 탐색한다. 이후 슈퍼픽셀은 픽셀 수준의 특징 맵 내 잠재적 노이즈를 줄이면서 경계를 유지하는 데 활용되며, 이를 위해 새로운 슈퍼픽셀화 모듈이 도입된다. 또한, 슈퍼픽셀 수에 대한 의존성을 보완하기 위해, 간결한 구조를 가지며 완전히 미분 가능한 혁신적인 적응형 슈퍼픽셀 병합(Adaptive Superpixel Merging, ASM) 모듈을 제안한다. 더불어, 다수준 디코딩 특징을 활용하는 픽셀 수준의 정밀화 모듈을 아키텍처의 최종 단계에 추가하였다. 공개된 두 개의 데이터셋에서 수행된 실험을 통해 ESCNet이 기존의 전통적 및 최신의 딥러닝 기반 변화 탐지(DLCD) 방법들에 비해 우수한 성능을 보임을 확인하였다.