본 논문은 위성 영상에서의 물체 위치 확인의 어려움(물체의 높은 변동성, 낮은 공간 해상도, 구름이나 도시 불빛과 같은 잡음과 주요 특징의 간섭)을 해결하기 위해 YOLOv5를 개선한 YOLO-DCAP 모델을 제시한다. YOLO-DCAP은 다양한 팽창률을 가진 다중 스케일 특징을 포착하는 MDRC(Multi-scale Dilated Residual Convolution) 블록과 전역적으로 관련된 공간 영역에 집중하는 AaSP(Attention-aided Spatial Pooling) 모듈을 통합하여 위성 영상에서의 물체 위치 확인 성능을 향상시킨다. 세 가지 위성 데이터셋(중간권 보어, 상층 대기 중력파, 해양 소용돌이)에 대한 실험 결과, YOLO-DCAP는 기본 YOLO 모델과 최첨단 모델에 비해 mAP50에서 평균 20.95%, IoU에서 평균 32.23% 향상된 성능을 보였다. 이는 제안된 방법의 견고성과 일반화 가능성을 보여준다. 코드는 공개적으로 제공된다.
