Poly Kernel Inception Network for Remote Sensing Detection

Object detection in remote sensing images (RSIs) often suffers from several increasing challenges, including the large variation in object scales and the diverse-ranging context. Prior methods tried to address these challenges by expanding the spatial receptive field of the backbone, either through large-kernel convolution or dilated convolution. However, the former typically introduces considerable background noise, while the latter risks generating overly sparse feature representations. In this paper, we introduce the Poly Kernel Inception Network (PKINet) to handle the above challenges. PKINet employs multi-scale convolution kernels without dilation to extract object features of varying scales and capture local context. In addition, a Context Anchor Attention (CAA) module is introduced in parallel to capture long-range contextual information. These two components work jointly to advance the performance of PKINet on four challenging remote sensing detection benchmarks, namely DOTA-v1.0, DOTA-v1.5, HRSC2016, and DIOR-R.

한 줄 요약

PKINet은 다중 스케일 커널과 CAA 모듈을 결합하여 원격 감지 이미지의 객체 탐지 성능을 향상시킨다.

핵심 기여도

다중 스케일 커널을 사용하여 객체의 다양한 크기와 지역적 맥락을 효과적으로 캡처.
Context Anchor Attention (CAA) 모듈을 도입하여 장거리 맥락 정보를 추가로 추출.
DOTA-v1.0, DOTA-v1.5, HRSC2016, DIOR-R 데이터셋에서 state-of-the-art 성능 달성.
모델은 가벼운 구조로, depth-wise 및 1D convolution을 활용하여 계산 효율성 확보.

핵심 아이디어

PKINet은 기존의 대규모 커널 또는 다이레이티드 컨볼루션을 사용하는 방식의 단점을 보완하기 위해, 다중 크기의 depth-wise 컨볼루션 커널을 병렬적으로 사용하여 밀집된 텍스처 특성을 추출한다. 이는 다양한 객체 스케일에 대해 유연한 특징 표현을 가능하게 한다. 또한, CAA 모듈은 글로벌 평균 풀링과 1D 스트립 컨볼루션을 활용하여 원격 감지 이미지에서 장거리 맥락 정보를 효과적으로 캡처한다. 이 두 구성 요소는 지역적 맥락과 장거리 맥락 정보를 결합하여 객체 탐지 성능을 향상시키는 핵심 기전이다.

기술적 접근법

PKINet은 VGG 및 ResNet과 유사한 구조를 가지며, 4단계의 CSP(Cross-Stage Partial) 구조로 구성됨.
각 단계는 FFN(Feed-Forward Network) 경로와 PKI Block(내부에 PKI Module과 CAA Module 포함) 경로로 나뉨.
PKI Module은 다양한 크기의 depth-wise 컨볼루션 커널을 병렬적으로 사용하여 다중 스케일 특징을 추출.
CAA Module은 1D strip convolution과 global average pooling을 통해 장거리 맥락 정보를 캡처.
모델은 Oriented R-CNN과 같은 방향 기반 객체 탐지기와 결합하여 최종 탐지 결과를 도출.

주요 결과

DOTA-v1.0, DOTA-v1.5, HRSC2016, DIOR-R 데이터셋에서 state-of-the-art 성능 달성.
PKINet은 평균 AP(mAP)가 가장 높고, PCC 절댓값이 가장 낮아 객체 크기 변화에 가장 덜 민감함.
기존 방법 대비 높은 성능 향상과 동시에 가벼운 모델 구조 유지.

의의 및 한계

PKINet은 원격 감지 이미지에서 객체 크기와 맥락의 다양성 문제를 해결하기 위한 새로운 접근법을 제시하며, inception-style 컨볼루션과 글로벌 맥락 주의 메커니즘을 결합한 첫 번째 시도이다. 특히, 다양한 스케일의 객체를 효과적으로 탐지할 수 있는 밀집된 특징 표현을 제공하며, 계산 효율성도 높아 실용적 가치가 크다. 그러나 연구자들은 모델의 확장성에 대한 추가 연구가 필요하다고 지적하며, 모델 용량을 확장하여 최대 성능을 달성하는 방향으로의 연구가 필요하다고 언급했다.

실용적 활용

PKINet은 항공 및 위성 이미지 기반의 객체 탐지, 도시 계획, 재해 감지 등 원격 감지 분야에서 널리 활용될 수 있다. 또한, 방향 기반 객체 탐지가 필요한 산업 현장에서 정확도와 효율성을 동시에 요구하는 상황에 적합하다.