PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.27854v1eess.IV

다중 소스 원격 탐사 이미지 분류를 위한 의미 유도 융합 네트워크

Semantic-Guided Fusion Network for Multi-Source Remote Sensing Image Classification

다중 소스 원격 탐사 이미지 분류는 스펙트럼, 구조, 기하 정보의 상호 보완성으로 인해 점점 더 많은 관심을 받고 있다. 그러나 기존 방법은 여전히 두 가지 한계를 겪는다: 불충분한 의미적 문맥 모델링, 그리고 미세한 공간 정렬 오차로 인한 신뢰할 수 없는 특징 융합이다. 이를 해결하기 위해 다중 소스 원격 탐사 이미지 분류를 위한 Semantic-Guided Fusion Network(SGFNet)를 제안한다. 구체적으로 Semantic Mixing Convolution Block(SMCB)는 특징 표현 간 문맥적 관계에 따라 의미 인식 합성곱 커널을 동적으로 생성하도록 설계했다. 또한 Frequency Modulated Fusion Block(FMFB)을 도입하여 주파수 영역에서 교차 모달 상호작용을 수행하며, 이는 미세한 공간 정렬 오차의 영향을 효과적으로 완화하고 상보적 정보 융합을 개선한다. Augsburg 및 Houston 2018 데이터셋에서 수행한 광범위한 실험은 제안한 SGFNet이 여러 최신 기법을 일관되게 능가함을 보여준다. 코드는 https://github.com/oucailab/SGFNet 에서 공개적으로 이용할 수 있다.