MFPI-Net:一个多尺度的特征感知和交互网络,用于城市遥感图像的语义细分
Xiaofei Song1,2, Mingju Chen1,2, Jie Rao1,2
1School of Automation and Information Engineering, Sichuan University of Science and Engineering, Yibin 644005, China.
Sensors (Basel, Switzerland)
|August 14, 2025
概括
本研究介绍了MFPI-Net,这是一种新的语义细分网络,旨在用于复杂的城市遥感图像. MFPI-Net显著提高了多尺度对象的识别,并提高了对具有挑战性的细分任务的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
- 人工智能的人工智能
背景情况:
- 复杂的城市遥感图像带来了诸如多尺度物体分布,类相似性和小物体遗漏等挑战.
- 现有的语义细分网络很难有效地应对这些挑战,导致性能不佳.
研究的目的:
- 提出MFPI-Net,这是一个针对复杂的城市遥感图像量身定制的先进的编码器-解码器语义细分网络.
- 通过有效处理多尺度对象,类相似性和小对象检测来提高语义细分的性能.
主要方法:
- MFPI-Net集成了Swin变压器骨干编码器,用于全球语义特征提取.
- 它包含多种扩展速率的注意力混合解码器 (DDRASD),用于多层次的上下文意识和分辨率增强.
- 该网络还具有用于本地特征建模的多尺度卷积特征增强模块 (MCFEM) 和用于改进特征交互的交叉路径残留融合模块 (CPRFM).
主要成果:
- 与主流方法相比,MFPI-Net在ISPRS Vaihingen和波茨坦数据集上取得了更高的性能.
- 拟议的网络在各自的数据集上获得了82.57%和88.49%的欧盟交叉点 (mIoU) 平均得分.
- 实验结果验证了MFPI-Net在改善城市遥感的语义细分方面的有效性.
结论:
- MFPI-Net在复杂的城市遥感图像的语义细分精度方面取得了显著的改进.
- 该网络的架构有效地解决了与多尺度对象,类相似性和小对象识别相关的挑战.
- 在远程传感图像分析领域,MFPI-Net代表了实质性的进步.
