Atención atrófica dinámica y fusión de contexto de doble rama para la segmentación de edificios en imágenes de...

Área de la Ciencia:

• Visión por computadora
• Detección remota
• Aprendizaje profundo

Sus antecedentes:

• La segmentación de edificios en imágenes de detección remota de alta resolución que utilizan el aprendizaje profundo reduce los costos laborales, pero se enfrenta a desafíos en el modelado del contexto a escala cruzada y la preservación de detalles finos.
• Los métodos basados en transformadores existentes luchan con la pérdida progresiva de información durante la codificación de características jerárquicas.

Objetivo del estudio:

• Proponer una nueva red de segmentación semántica, SegTDformer, para la extracción precisa de edificios a partir de imágenes de teledetección.
• Abordar las limitaciones de los modelos actuales en la captura de relaciones contextuales a escala múltiple y detalles espaciales finos.

Principales métodos:

• Desarrolló un módulo de fusión de atención atrófica dinámica (DAA) para integrar las características de Transformer a escala múltiple, lo que permite el intercambio de información entre las representaciones globales y locales.
• Se introdujo una estructura de doble rama con módulos de operación de cambio y autoatención para capturar dependencias espaciales locales y correlaciones globales, fusionadas a través de acoplamiento de peso.
• Atención triple integrada con convoluciones separables en profundidad para reducir la carga computacional y evitar el exceso de ajuste.

Principales resultados:

• SegTDformer superó sistemáticamente los modelos existentes en tres conjuntos de datos (Massachusetts, INRIA y WHU).
• Se obtuvieron resultados de referencia en el conjunto de datos de Massachusetts con un mIoU del 75,47%, una puntuación F1 del 84,7% y una precisión general del 94,61%.
• Se ha demostrado una mayor precisión en la extracción de estructuras urbanas, especialmente para edificios pequeños y grandes, con una reducción de omisiones y errores de clasificación.

Conclusiones:

• SegTDformer aborda efectivamente los desafíos del modelado contextual a escala cruzada y la preservación de detalles espaciales finos en la segmentación de edificios de teledetección.
• El modelo propuesto ofrece un rendimiento y una precisión superiores en comparación con los enfoques de aprendizaje profundo existentes.
• SegTDformer muestra un potencial significativo para mejorar la extracción de estructuras urbanas en entornos complejos.