도로가 다중 스케일 및 다중 방향 특성을 가지며 세부 정보가 쉽게 손실되는 두 가지 도로 추출 난제를 해결하기 위해 세부 적응형 강화 및 얕은 계층 특징 유도 기반의 원격 감지 영상 도로 추출 네트워크를 제안한다. 첫째, 스트립 컨볼루션, 주의 메커니즘 및 얕은 계층 특징 유도 전략을 활용하여 네트워크의 공간 세부 정보 복원 능력을 강화하는 얕은 계층 특징 유도 주의 모듈을 제안한다; 둘째, 가보르 컨볼루션, 지역 풀링 및 전역 방향 풀링을 기반으로 다양한 스케일과 방향의 도로 특징 표현 능력을 향상시키는 다중 스케일 다중 방향 특징 융합 모듈을 설계한다; 마지막으로 가우시안 필터링, 차분 연산, 뱀형 컨볼루션 및 표준 컨볼루션을 기반으로 세부 적응형 강화 모듈을 구축하여 세부 정보의 적응적 강화를 실현한다. 제안한 네트워크는 두 개의 일반적인 공개 도로 추출 데이터셋 CHN6-CUG와 Massachusetts에서 F1 점수 및 IoU가 각각 74.62%, 62.38% 및 77.86%, 65.17%에 도달하였으며, 8개의 비교 방법과 비교하여 CHN6-CUG와 Massachusetts 양쪽에서 모두 최고 F1 점수와 IoU를 얻었으며, F1 점수와 IoU가 각각 최소 1.41%, 1.32% 및 1.04%, 0.88% 향상되었다. 다른 최첨단 방법과 비교하여 본 논문 모델은 도로 추출 작업에서 더 우수한 성능을 보이며, 높은 추출 정확도를 유지하면서도 적은 매개변수량을 가지며 우수한 성능과 효율성의 균형을 보여준다.

원격 감지 영상; 도로 추출; 다중 스케일; 주의; 다방향 컨볼루션