空间自适应交互网络用于高分辨率遥感图像的语义细分
Weidong Song1, Huan He2, Jiguang Dai1
1School of Surveying, Mapping and Geographic Sciences, Liaoning Technical University, Fuxin, 123000, China.
Scientific reports
|May 2, 2025
概括
空间适应交互网络 (SAINet) 通过适应性地关注相关的空间特征来改善遥感语义细分. 该网络增强了特征表示,并提高了对高分辨率图像分析的细分精度.
科学领域:
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
- 地理空间分析是什么
背景情况:
- 高分辨率遥感图像的语义细分对于各种应用至关重要.
- 现有的方法往往忽略了空间特征的相关性,限制了解释的准确性.
- 对于在特征提取中动态考虑空间上下文的方法存在需求.
研究的目的:
- 引入一个新的网络,空间自适应交互网络 (SAINet),用于改进遥感语义细分.
- 通过结合空间位置特征选来解决现有方法的局限性.
- 增强本地和全球特征之间的动态交互,以提高细分性能.
主要方法:
- 开发了SAINet,配备了一个空间精细化模块,用于基于本地环境的过.
- 集成了一个空间交互模块,用于动态重量分配的自适应调制.
- 采用当地环境信息来过空间位置并提取突出的区域.
- 实现了突出的当地地区与全球信息之间的有效互动.
主要成果:
- 通过专注于相关领域,SAINet展示了功能表现的改进.
- 适应式调制机制通过动态空间权重提高了细分性能.
- 在基准数据集上实现了细分精度的显著改进.
- 在DeepGlobe,Vaihingen和Potsdam数据集上验证了有效性.
结论:
- SAINet为遥感语义细分挑战提供了一个强大的解决方案.
- 网络的自适应性允许捕获更多信息的特征.
- SAINet显著提高了细分精度,证明了其在实际应用中的能力.
