大规模指派遥感图像分割数据集与基准
计算机视觉与模式识别
2025-06-05 v1
摘要
指派遥感图像分割是一种复杂且具挑战性的任务，融合了计算机视觉和自然语言处理的范式。现有RRSIS数据集在分辨率、场景多样性和类别覆盖方面存在严重限制，阻碍了指派分割模型的泛化和实际应用。为促进该领域发展，我们引入NWPU-Refer，目前规模最大、最具多样性的RRSIS数据集，包含15,003张高分辨率图像（1024-2048像素），覆盖30多个国家，标注49,745个目标，支持单目标、多目标和非目标分割场景。此外，我们提出了多尺度指派分割网络（MRSNet），该新框架专为RRSIS的独特需求而设计。MRSNet引入两个关键创新：（1）一种尺度内特征交互模块（IFIM），捕获每个编码器阶段中的细粒度细节；（2）一种层次特征交互模块（HFIM），实现跨尺度特征的无缝融合，保持空间完整性同时提升判别性。在 proposed NWPU-Refer数据集上进行的广泛实验表明，MRSNet在多个评估指标上实现了最先进的性能，验证了其有效性。该数据集和代码已公开于https://github.com/CVer-Yang/NWPU-Refer。
引用
@article{arxiv.2506.03583,
title = {A Large-Scale Referring Remote Sensing Image Segmentation Dataset and Benchmark},
author = {Zhigang Yang and Huiguang Yao and Linmao Tian and Xuezhi Zhao and Qiang Li and Qi Wang},
journal= {arXiv preprint arXiv:2506.03583},
year = {2025}
}