基于量子辅助注意力 U-Net 的突尼亚建筑分割：使用 Sentinel-1 数据
计算机视觉与模式识别
2025-07-21 v1 图像与视频处理
摘要
城市地区的建筑分割对于城市规划、灾后响应和人口图测等领域至关重要。然而，对密集城市区域建筑进行精确分割具有挑战，因单颗粒卫星图像尺寸大、分辨率高。本研究探讨了使用量子化预处理来增强注意力 U-Net 模型在建筑分割中的能力。具体而言，本文聚焦于突尼亚的城市景观，利用 Sentinels-1 合成孔径雷达（SAR）图像。本工作中采用量子化提取更具信息性的特征图，这些特征图捕获雷达图像中关键结构细节，对准确的建筑分割具有益处。初步结果表明，所提出的方法在建筑分割方面实现了与标准注意力 U-Net 相当的测试准确率，同时显著降低了网络参数。该结果与前期研究发现一致，确认量子化不仅保持模型准确率，还提高了计算效率。这些鼎舞人的结果凸显了量子辅助深度学习框架在城市环境中大规模建筑分割潜力。
引用
@article{arxiv.2507.13852,
title = {A Quantum-assisted Attention U-Net for Building Segmentation over Tunis using Sentinel-1 Data},
author = {Luigi Russo and Francesco Mauro and Babak Memar and Alessandro Sebastianelli and Silvia Liberata Ullo and Paolo Gamba},
journal= {arXiv preprint arXiv:2507.13852},
year = {2025}
}
备注
Accepted at IEEE Joint Urban Remote Sensing Event (JURSE) 2025