위성 영상의 의미론적 분할을 위한 확장된 심층 신경망 연결 모델 (An Extended Deep Neural Network Connection Model for Semantic Segmentation of Satellite Images)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 48권 / 9호 / 1072 ~ 1074페이지
· 저자명 : 정진원, 신요안

초록

위성 영상에서 의미론적 분할 성능을 향상시키기위한 인코더-디코더 구조의 새로운 심층 신경망 모델을 제안한다. 기존 의미론적 분할은 얕은 구조로 인해특징 압축과 확장 중에 생기는 손실이 크다. 이에 따라 분할 정확도가 줄어들며 물체를 제대로 구별하지못하는 문제가 발생한다. 제안하는 확장 연결 모델은이러한 문제를 해결하기 위해, 기존 인코더-디코더 모델을 확장시켜 여러 계층의 특징을 가져와 디코더에연결한 구조를 만들어 특징 정보의 손실을 개선한 모델이다. 이러한 확장 연결 모델은 특징 학습 과정에서의 정보 손실을 개선하고 업샘플링 과정에서 잔차학습을 사용하여 의미론적 분할의 정확도를 향상시켰다.
실험결과, 제안하는 확장 연결 모델이 기존 의미론적분할 모델보다 크게 향상된 성능을 보여준다.

영어초록

We propose a novel deep neural network model of encoder-decoder structures to improve the performance of semantic segmentation in satellite images. Existing semantic segmentation has a lot of losses during feature compression and expansion due to its shallow structure. This reduces the accuracy of segmentation and leads to the problem of not being able to distinguish objects properly. The proposed extended connection model improves the loss of spatial information by expanding the existing encoder-decoder model to solve this problem, taking multiple layers of features and creating a structure connected to the decoder. These extended connection models improve feature loss in the feature learning process and improve the accuracy of semantic segmentation by using residual learning for upsampling. Experimental results show that the proposed model achieves significantly better performance than the existing semantic segmentation model.

참고자료

· 없음