고해상도 원격 감지 영상의 가용성이 크게 향상되면서 원격 감지 영상에서의 세밀한 객체 검출이 원격 감지 및 컴퓨터 비전 분야에서 중요한 연구 방향이 되었다. 원격 감지 영상 세밀한 객체 검출에서 유사 데이터의 활용 부족, 잘못된 레이블이 모델 정확도에 미치는 영향, 유사한 클래스 구분의 어려움 문제를 해결하기 위해 본 논문에서는 이중 분류 헤드를 기반으로 한 원격 감지 영상 세밀 객체 검출 방법을 제안한다. 우선, 원격 감지 영상 세밀 객체 검출에서 유사 데이터를 효과적으로 활용하지 못하는 문제를 해결하기 위해 이중 분류 검출 헤드를 제안하며, 서로 다른 분류 헤드는 서로 다른 데이터셋에서 학습하여 클래스 정의가 다른 유사 데이터가 공동으로 학습에 참여하도록 하여 유사 데이터를 효과적으로 활용하고 모델 정확도를 크게 향상시켰다. 둘째로, 학습 라벨 노이즈 문제를 해결하기 위해 예측 기반의 잘못된 라벨 필터링 방법을 설계하여 잘못된 라벨이 모델 학습에 미치는 영향을 줄였다. 마지막으로, 세밀한 객체 검출에서 클래스 내 차이는 크고 클래스 간 차이는 작은 문제를 해결하기 위해 마진 교차 엔트로피 손실을 정의하여 분류 경계를 확장함으로써 모델 정확도를 향상시켰다. 세밀 원격 감지 객체 검출 경진대회 데이터셋과 FAIR1M 데이터셋에서의 실험 결과, 본 연구에서 제안한 방법이 원격 감지 영상 객체 세밀 검출의 정확도와 견고성을 크게 향상시켰음을 보여주었다. 코드는 https://github.com/zf020114/DCH 에 오픈소스로 공개되어 있다.

원격 감지;딥러닝;세밀 객체 검출;유도 객체 검출;이중 분류 헤드;잘못된 라벨 필터링;마진 교차 엔트로피 손실