Robust Small-Target Detection and Scene Classification for Remote Sensing
연구 내용
원격탐사 영상의 소형 표적 객체검출과 장면분류 성능을 높이기 위해 YOLOv7 다중스케일 특징과 전역정보 모듈, 반지도 학습, 토큰 선택형 LSViT를 통합하는 연구
원격탐사 영상에서 소형 표적은 해상도 차이와 복잡한 배경으로 인해 특징 학습의 불안정성이 커집니다. 본 연구는 YOLO 계열에서 다중스케일 특징 강화를 통해 작은 객체의 표현을 보강하고, 전역정보를 결합하는 DP-MLP 모듈로 장면 변동에 대한 견고성을 확보합니다. 또한 라벨이 제한된 환경에서는 반지도 학습을 도입해 일반화 성능을 높입니다. 분류 영역에서는 Transformer 기반에서 로컬 토큰 선택을 수행해 중첩 물체와 잡음이 많은 장면에서 판별 토큰에 집중하도록 설계합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 원격탐사에서 소형 표적 검출이 어려운 원인을 다중스케일 표현 부족과 장면 변동 요인으로 정리하고, YOLOv7의 특징 강화 구조를 개선하는 방향으로 연구를 수행했습니다. 이후 전역정보 통합 모듈을 추가하여 장면 전체 문맥을 학습에 반영하고, 라벨 데이터가 부족한 경우에도 성능을 유지하기 위해 반지도 학습 프레임워크를 결합했습니다. 최근에는 분류 태스크에서 CNN의 한계를 보완하기 위해 로컬 어텐션 토큰 선택 모듈을 포함한 LSViT로 확장하며, 중첩 객체와 복잡 배경에서의 판별력 향상에 초점을 두고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Research on the Multiple Small Target Detection Methodology in Remote Sensing
Local Overlapping Attentional Selection with VIT for Image Classification in Remote Sensing