Konsep Inti
제안된 HANet 모델은 다중 스케일 특징 추출기와 효율적이고 효과적인 계층적 주의 메커니즘을 통해 변화 탐지 성능을 향상시킬 수 있다.
Abstrak
이 논문은 매우 고해상도 원격 탐사 영상의 이진 변화 탐지를 위한 HANet 모델을 제안한다.
먼저, 변화 탐지 데이터의 극심한 불균형 문제를 해결하기 위해 Progressive Foreground-Balanced Sampling (PFBS) 기법을 제안한다. PFBS는 초기 학습 단계에서 변화 픽셀의 특징을 정확하게 학습할 수 있도록 한다.
다음으로, 다중 스케일 특징 추출과 세부 특징 정제를 위한 Hierarchical Attention Network (HANet)을 설계한다. HANet의 핵심 모듈인 HAN 모듈은 경량화되고 효과적인 자기 주의 메커니즘을 사용한다.
실험 결과, 제안된 HANet 모델은 기존 방법들에 비해 우수한 성능을 보였다. 특히 극도로 불균형한 데이터셋에서도 안정적인 성능을 보였다.
Statistik
변화 픽셀은 전체 픽셀의 약 4.26%를 차지한다.
변화 픽셀은 전체 픽셀의 약 4.65%를 차지한다.
Kutipan
"제안된 Progressive Foreground-Balanced Sampling (PFBS) 기법은 변화 픽셀의 특징을 정확하게 학습할 수 있도록 한다."
"HANet의 핵심 모듈인 HAN 모듈은 경량화되고 효과적인 자기 주의 메커니즘을 사용한다."