DBRSNet:基于特征交互和多尺度特征融合的双分支遥感图像细分模型
Yong Ji1, Wenbin Shi2, Jingsheng Lei1
1School of Computer Science and Technology, Zhejiang University of Science and Technology, Hangzhou, 310023, China.
Scientific reports
|July 30, 2025
概括
DBRSNet通过整合CNN和变压器功能来增强遥感语义细分. 这种双分支方法改善了细节保留和全球上下文建模,以便更好地对土地覆盖进行分类.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 地理空间信息科学 地理空间信息科学
背景情况:
- 高分辨率遥感图像包含丰富的地理数据,但准确的解释需要精确的语义细分.
- 当前的方法与精细的局部细节和全球背景作斗争,导致边界碎片化和小物体退化.
研究的目的:
- 开发一个先进的双分支框架,DBRSNet,用于改进遥感语义细分.
- 解决现有方法中详细保留和上下文建模的局限性.
主要方法:
- 引入了DBRSNet,这是一个双分支框架,集成了特征交互和多尺度特征融合.
- 采用特征引导选择模块 (FGSM) 来合并CNN和变压器功能.
- 利用卷积注意力集成模块 (CAIM) 来增强全球依赖性和光谱相关性.
主要成果:
- 与ISPRS Vaihingen和Potsdam数据集上的14个最先进的模型相比,DBRSNet表现出更高的性能.
- 该框架在所有评估指标上实现了更高的准确性.
结论:
- DBRSNet为遥感语义细分提供了一个强大的解决方案,其性能优于现有的方法.
- 拟议的架构有效地捕捉了复杂场景的本地细节和全球背景.
