본 연구는 위성 이미지 변화 감지를 향상시키기 위해 희소 특징 컨볼루션 네트워크와 결합된 인터랙티브 멀티스케일 주의 융합 모델을 제시합니다. 이 접근법은 다중 스케일 특징 추출, 주의에 대한 선택적 집중, 희소 합성곱을 활용하여 계산 복잡도를 줄여 양시간 위성 이미지의 변화를 효과적으로 감지하고 위치화합니다.
이 콘텐츠를 보려면 JoVE 구독이 필요합니다. 로그인하거나 오늘 무료 평가판을 시작하세요.
본 연구는 위성 이미지 변화 감지를 향상시키기 위해 희소 특징 컨볼루션 네트워크와 결합된 인터랙티브 멀티스케일 주의 융합 모델을 제시합니다. 이 접근법은 다중 스케일 특징 추출, 주의에 대한 선택적 집중, 희소 합성곱을 활용하여 계산 복잡도를 줄여 양시간 위성 이미지의 변화를 효과적으로 감지하고 위치화합니다.
이중 시간 위성 영상을 이용한 변화 탐지는 지구 모니터링에서 중요한 문제로, 시간적 획득 간의 표면 변화를 식별하고 국소화하는 것과 계절 주기, 대기 요인, 인위적 변화로 인한 실제 가짜 변화를 구별하는 데 목적이 있습니다. 현재의 딥러닝 기법은 일반적으로 시간적 모델링에서 일방향 편향에 직면해 있어, 대규모 공간 관계의 활용성이 제한되어 변화 패턴을 적절히 특성화하는 데 한계가 있습니다. 최근 트랜스포머 기반 기법들은 매우 정확하지만, 계산 요구량이 매우 커 자원이 제한된 작업에서의 사용이 제한적입니다. 이러한 한계에 대응하여, 본 논문에서는 고스트 모듈을 기반으로 한 희소 피처 컨볼루션(SFC)을 적용한 인터랙티브 멀티스케일 주의 융합(IMAF) 네트워크를 제안하여 효과적인 멀티스케일 피처 추출을 달성할 수 있습니다. 이 네트워크는 다양한 규모의 인터랙티브 주의 모듈을 보완한 고급 인코더-디코더 아키텍처를 활용합니다. 이 네트워크는 상호 보완적인 전방 및 후방 주의 흐름을 사용합니다. 전자는 점진적인 시간 변동을, 후자는 역시간 분석을 통해 변화의 일관성을 검증합니다. 이 상호작용 방법은 계산적으로 부담 없이 시간 관계의 듀플렉스 모델을 효과적으로 표현할 수 있게 해주어, 합법적인 토지 피복 이동과 잡음에 의한 변동이 없는 잡음을 구분하는 데 훨씬 더 나은 접근법을 제공합니다. 두 가지 벤치마크 데이터셋을 실험 대상으로 합니다: Onera 위성 변화 감지 데이터셋(OSCD)과 SZTAKI AirChange 데이터셋입니다. OSCD 데이터셋에서 수행된 중요한 실험들은 제안된 접근법이 단 213만 개의 매개변수와 19.6G FLOPS, 19배 수의 파라미터, 5.6배의 추론 회전률로 ChangeFormer에 비해 58.14%(13채널)와 50.68%(3채널)의 경쟁력 있는 F1 비율을 달성함을 보여주었습니다. SZTAKI 데이터셋의 Szada/1 및 Tiszadob/3 테스트 세트 샘플에서 각각 74.29%와 92.86%의 F1 점수에서 경쟁력을 발휘하여, 운영 에너지가 계산 에너지에 직접 의존하는 가장 엣지 장치, 실시간 분석, 광범위한 매핑 시스템에 구현할 수 있게 합니다.
전 세계 환경의 전례 없는 도시화, 환경 자원 손실, 기후로 인한 경관 변화는 지구 표면의 변화를 식별하고 측정할 수 있는 정확하고 시기적절하며 자동화된 모니터링 시스템의 필요성을 직접적으로 촉발시켰습니다. 위성 원격 탐사는 일관된 시간적·공간적 보장을 제공할 뿐만 아니라 변화를 완전히 조사하는 데 필수적이기 때문에 대규모 환경 감시의 기본 구성 요소로 성장했습니다. 이중 시간 위성 이미지 변화 감지는 동일한 지리적 지역에 대한 두 차례의 연속 획득 간 표면 변화를 특성화하는 것입니다. 하지만 계절 변화, 기상 조건, 센서 특성, 기하학적 왜곡, 그리고 토지 피복의 실제 모습과 가려지거나 닮을 수 있는 현상학적 변화 등 수많은 혼란 변수들 때문에 복잡한 과정입니다. 현재 사용 중인 위성 이미지의 수동 이미지 해석은 시간이 많이 걸리고 주관적이며, 현재 위성 별자리에서 생성되는 지구 관측 정보의 양을 감당하기에 적합하지 않습니다. 이것이 자동 변경 감지 솔루션이 만들어진 근본적인 한계입니다. 기존의 픽셀기반 1 및 객체 기반 변화 감지2 방법은 이러한 복잡성 한계 내에서 작동하기에 적합하지 않으며, 광범위한 지리적 단위와 시간적 규모에 적용하기에는 ....
액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.
1. 윤리 진술
2. 자재 및 장비
액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.
제안된 변화 검출 방법은 두 개의 공개된 벤치마크 데이터셋을 사용하여 기존 기초 접근법과 비교하여 서로 다른 스펙트럼 해상도와 환경 조건에서의 성능을 평가하였습니다. 실험 결과는 검출 정확도와 거짓 양성 통제의 균형 개선에서 상당한 개선을 보여주며, 특히 이 방법이 전통적인 접근법에 비해 높은 회상율을 유지하면서 정밀도를 크게 향상시킬 수 있음을 입증합니다.
.......| 데이터 | 네트워크 | 정밀도 (%) | 리콜 (%) | F1 (%) |
| OSCD-3 채널 | 시암. [11] | 21.57 | 79.4 | 33.85 |
액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.
본 연구는 양시간 위성 이미지의 변화를 감지하기 위한 다규모 주의 융합 기반 변화 탐지 네트워크를 제시합니다. 양방향 주의 메커니즘의 통합은 단방향 방법과 달리, 상호 보완적인 전방 및 후방 주의 신호와 함께 완전한 시간 간 특징 간 특징 간 상호작용을 가능하게 합니다. 전방 주의 흐름의 점진적 시간적 변화는 주의 차이, 즉 오래된 시간과 새로운 시간적 획득 차이로 포착되며, 변화 일관성은 팝핑 특징을 인식하는 후방 획득 시스템에 의해 검사됩니다. 이 2개 띠 기능은 실제 토지 피복 이동과 소음을 구분하는 데 더 효과적임이 입증되었으며, 이는 운영 변화 감지 시스템의 가장 지속적인 도전 과제 중 하나로 확인되었습니다.
두 가지 도전적인 벤치마크 데이터 세트에 대한 실험적 테스트를 통해 제안된 방법론이 다양한 지리적 환경과 공간 해상도에 대해 유용성과 실현 가능성을 확인했습니다. 제안된 방법은 OSCD 샘플에서 36.4.......
액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.
저자들은 이해 충돌이 없다고 선언합니다.
이 연구는 공공, 상업, 비영리 부문의 어떤 자금 지원 기관으로부터 별도의 보조금도 받지 않았습니다.
....액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.
| 이름 | 회사 | 카탈로그 번호 | 댓글 |
|---|---|---|---|
| CUDA 툴킷 | 엔비디아 코퍼레이션 | 버전 11.3 | 딥러닝 연산을 위한 GPU 가속 |
| cuDNN | 엔비디아 코퍼레이션 | 버전 8.2 | 최적화된 GPU 딥러닝 라이브러리 |
| 인텔 프로세서 | 인텔 코퍼레이션 | 코어 i7 10870H | 제안된 딥러닝 모델을 훈련하고 평가하는 데 사용되는 계산 플랫폼 |
| 넘버피 | 오픈 소스 | 버전 1.21.0 | 수치 배열 처리 |
| NVIDIA GeForce | 엔비디아 코퍼레이션 | GTX 1650 Ti (4GB VRAM) | 가속 모델 학습에 사용되는 그래픽 처리 장치 |
| Onera 위성 변화 감지(OSCD) 데이터셋 | 오네라 | 학습 및 평가에 사용되는 공개된 광학 RGB 및 다중분광 이미지 데이터셋. | https://rcdaudt.github.io/oscd/ |
| 파이썬 | 파이썬 소프트웨어 재단 | 버전 3.8 | 알고리즘 구현에 사용되는 프로그래밍 언어 |
| 파이토치 | 메타 AI (오픈 소스) | 버전 1.12.1 | 제안된 모델을 개발하고 훈련하는 데 사용되는 오픈 소스 딥러닝 프레임워크 |
| Scikit-learn | 오픈 소스 | 버전 1.0.2 | 성과 평가 지표 |
| SZTAKI AirChange 벤치마크 데이터셋 | 슈타키 | 학습 및 평가에 사용되는 공개된 광학 RGB 항공 이미지 데이터셋. | http://web.eee.sztaki.hu/remotesensing/airchange_benchmark.html |
| 토치비전 | 메타 AI (오픈 소스) | 버전 0.13.1 | 데이터셋 로딩 및 이미지 변환 |
| 윈도우 OS | 마이크로소프트 | 11 | 운영 체제 |
액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.