항공 이미지 내 소형 객체 탐지

최근 몇 년간 지구 시각화(Earth Vision) 분야에서 객체 탐지 기술은 큰 발전을 이루었다. 그러나 항공 이미지 내에서의 미세 객체 탐지 문제는 여전히 매우 도전적인 과제로 남아 있다. 이는 미세 객체가 포함하는 픽셀 수가 적고, 배경과 혼동되기 쉬운 성질을 지기 때문이다. 항공 이미지 내 미세 객체 탐지 연구를 촉진하기 위해, 본 연구에서는 항공 이미지 내 미세 객체 탐지(Aerial Images for Tiny Object Detection, AI-TOD)를 위한 새로운 데이터셋을 제안한다. 구체적으로 AI-TOD는 28,036장의 항공 이미지에 걸쳐 8개 카테고리에 해당하는 총 700,621개의 객체 인스턴스를 포함하고 있다. 기존의 항공 이미지 객체 탐지 데이터셋과 비교했을 때, AI-TOD의 객체 평균 크기는 약 12.8픽셀로, 타 데이터셋에 비해 훨씬 작다. 미세 객체 탐지에 대한 기준 성능 평가를 구축하기 위해, 본 연구에서는 최신의 객체 탐지 기법들을 AI-TOD 데이터셋에 적용하여 평가하였다. 실험 결과, 기존 방법들을 직접 AI-TOD에 적용할 경우 최적의 탐지 성능을 얻기 어렵다는 것이 확인되었으며, 이는 미세 객체 탐지에 특화된 새로운 탐지기 설계의 필요성을 시사한다. 따라서 본 연구에서는 미세 객체 탐지의 위치 정확도를 향상시키기 위해 다중 중심점 기반 학습 네트워크(M-CenterNet)를 제안한다. 실험 결과, 제안한 M-CenterNet은 기존의 경쟁 기법들에 비해 뚜렷한 성능 향상을 보였다.