고분광 영상 분류를 위한 딥 매트릭스 캡슐

고분광 이미지(HSI) 분류는 정밀 농업, 광물 탐사, 원격 탐사 등 다양한 분야에서 활용되고 있다. 기존에는 고분광 이미지 분류에 주로 컨볼루션 신경망(CNN)이 사용되었으나, 스펙트럼-공간적 관계를 효과적으로 탐색하지 못하는 한계가 존재한다. 이는 고분광 이미지 이해의 핵심 요소이다. 더 깊은 CNN 아키텍처나 3차원 CNN(3-D-CNN)의 도입은 이러한 문제를 어느 정도 완화하고 있지만, 계산 복잡도가 증가하여 IoT 및 엣지 컴퓨팅 장치와 같은 자원 제약이 있는 디바이스에서의 적용을 어렵게 하고 있다. 본 논문에서는 기대-최대화(Expectation-Maximization, EM) 라우팅 알고리즘을 기반으로 한 행렬 캡슐(Matrix Capsules)의 개념을 활용한 새로운 방법을 제안한다. 이 방법은 고분광 이미지 데이터의 특수한 특징을 효과적으로 반영하도록 설계되어, 앞서 언급한 문제들을 효율적으로 해결할 수 있다. 캡슐 유닛은 데이터 내에서 스펙트럼 서명과 부분-전체 관계를 효과적으로 식별할 수 있으며, EM 라우팅은 시점 불변성(Viewpoint-invariance)을 보장한다. 제안된 방법의 유효성을 검증하기 위해 대표적인 세 가지 고분광 이미지 데이터셋을 사용하였다. 실험 결과, 제안된 방법은 기존 최고 수준의 기법들에 비해 정확도 측면에서 우수함을 입증하였으며, 모델 파라미터 수는 약 25분의 1로 감소하고, 저장 공간 요구량은 65배 이상 절감되었다. 소스 코드는 다음 링크에서 확인할 수 있다: https://github.com/DeepMatrixCapsules/DeepMatrixCapsules.