반지도학습 SAR 객체 검출을 위한 능동 스타일-콘텐츠 이중 분기 도메인 적응

합성개구레이더(SAR) 영상은 모든 기상 조건과 시간대에 원격 탐지가 가능한 독특한 장점을 제공하지만, 높은 획득 비용과 시간 소모적인 주석 작업으로 인해 광범위한 활용에 제한이 있습니다. 반지도학습 도메인 적응은 다량의 주석이 달린 광학 이미지와 소수의 라벨된 SAR 이미지를 활용하여 SAR 이미지에서 뛰어난 성능을 달성합니다. 그러나 기존 반지도학습 도메인 적응 객체 검출 방법들은 일반적으로 SAR 도메인 라벨 샘플을 무작위로 선택하여 대상 도메인 데이터에 내재된 귀중한 정보와 특징을 충분히 활용하기 어렵습니다. 게다가 광학 이미지와 SAR 이미지 간에는 상당한 스타일 및 콘텐츠 차이가 있으며, 이전 방법들은 이를 작업 특성에 맞게 적응하지 못했습니다. 이를 해결하기 위해 본 논문은 SAR 이미지의 반지도학습 객체 검출을 위해 특별히 고안된 능동 스타일-콘텐츠 이중 분기 도메인 적응 방법을 제안합니다. 제안된 방법은 Task-aware Active Sampling(TAS) 모듈을 이용하여 가장 가치 있는 SAR 샘플을 선택함으로써 무작위 샘플링의 비효율성을 해결합니다. 또한, 스타일과 콘텐츠 차이를 해결하기 위해 이중 분기 프레임워크를 적용하였습니다. 다층 특징 정렬(MFA) 모듈은 다양한 시각적 스타일 간에 일관된 특징 표현을 유지하여 스타일 정렬을 보장하며, Gaussian-SAM 이미지 융합(G-SIF) 모듈은 소스 도메인의 콘텐츠를 대상 도메인에 통합하여 광학 이미지와 SAR 이미지 간 격차를 효과적으로 메웁니다. 다수의 선박 및 항공기 데이터셋에 대한 광범위한 실험을 통해 제안된 모델의 뛰어난 일반화 능력을 입증하였습니다.