ABCNet：用于高分辨率遥感图像高效语义分割的注意力双边上下文网络
计算机视觉与模式识别
2021-09-21 v1
摘要
遥感图像语义分割在精准农业、环境保护和经济评估中起着关键作用。近年来，大量高分辨率遥感图像可用于语义分割。然而，由于空间分辨率提高带来的复杂信息，最先进的深度学习算法通常采用复杂的网络架构进行分割，这通常导致较高的计算复杂度。具体而言，卷积神经网络（CNN）的优异性能严重依赖于细粒度空间细节（高分辨率）和充分的上下文信息（大感受野），二者均引发高计算成本。这严重阻碍了它们在需要实时处理的真实场景中的实用性与可用性。在本文中，我们提出一种注意力双边上下文网络（ABCNet），一种具有双分支的卷积神经网络（CNN），与前沿算法相比计算消耗显著降低，同时保持了具有竞争力的精度。代码见 https://github.com/lironui/ABCNet。
引用
@article{arxiv.2102.02531,
title = {ABCNet: Attentive Bilateral Contextual Network for Efficient Semantic Segmentation of Fine-Resolution Remote Sensing Images},
author = {Rui Li and Chenxi Duan},
journal= {arXiv preprint arXiv:2102.02531},
year = {2021}
}