相关实验视频
Updated: Jan 15, 2026
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
732
MMFNet:一个基于Mamba的多模式融合网络,用于远程传感图像语义细分
Jingting Qiu1, Wei Chang2,3, Wei Ren2,3
1College of Earth and Planetary Sciences, Chengdu University of Technology, Chengdu 610059, China.
Sensors (Basel, Switzerland)
|October 16, 2025
概括
本研究介绍了MMFNet,这是一个新的多式联络融合网络,用于遥感语义细分. 它通过结合本地和全球特征来实现高精度,优于现有方法.
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:
- 高分辨率遥感图像的语义细分面临诸如类内变异性,类间相似性和单模数据限制等挑战.
- 现有的方法很难有效地捕捉远程依赖关系,并有效地整合多式联运信息.
研究的目的:
- 提出MMFNet,一个新的多式联络融合网络,用于准确和高效的远程传感图像的语义细分.
- 利用Mamba架构捕获远程依赖,并将光学图像和数字表面模型 (DSM) 的互补信息融合起来.
主要方法:
- MMFNet采用双编码器架构,将ResNet-18用于本地细节和VMamba用于全球上下文.
- 多模式特征融合块 (MFFB) 集成光学和DSM数据,增强特征交互.
- 在解码器中使用了一种频率感知升级采样模块 (FreqFusion),以改进边界划分.
主要成果:
- 货币货币基金网在ISPRS Vaihingen数据集上获得了83.50%的交叉与欧盟 (IoU) 平均分数,在波茨坦数据集上达到86.06%.
- 拟议的网络在语义细分精度方面超过了八种最先进的方法.
- MMFNet在保持相对较低的计算复杂度的同时表现出了竞争力的表现.
结论:
- MMFNet提供了一个有效的解决方案,用于准确和高效的多式联络语义细分在遥感.
- 当地和全球特征的融合,以及多式联运数据集成,显著提高了细分性能.
- 在远程传感应用中,Mamba 架构对捕获远程依赖关系充满了希望.
