巴尔的摩坐标图：FreqWeaver 适配器用于半监督超高分辨率栅格地物分类
计算机视觉与模式识别
2025-08-26 v2
摘要
超高分辨率栅格地物分类正在成为城市分析的重要方法，使我们能够在亚米遥感影像上识别地物类型，捕捉建筑轮廓、道路网络和鲜明边界等细节。然而，大多数现有方法聚焦于1米分辨率影像，依赖大规模标注数据，而超高分辨率数据稀缺且难以标注，限制了实际应用。为此，我们引入巴尔的摩坐标图（Baltimore Atlas），一个减少大规模训练数据依赖并提供高精度结果的栅格地物分类框架。巴尔的摩坐标图构建于三个关键思想之上：（1）巴尔的摩坐标图数据集，基于巴尔的摩市空中影像构建的0.3米分辨率数据集；（2）FreqWeaver 适配器，一个参数高效的适配器，将 SAM2 迁移到此领域，利用基础模型知识以减少训练数据需求，同时实现细粒度细节和结构建模；（3）不确定性感知教师学生框架，一个半监督框架，利用无标签数据进一步减少训练依赖并提高跨场景的泛化能力。我们仅使用 5.96% 的总模型参数，便实现了相比现有参数高效调优策略的 1.78% IoU 提升，相比最先进的高分辨率遥感分割方法在巴尔的摩坐标图数据集上实现了 3.44% 的 IoU 增益。
引用
@article{arxiv.2506.15565,
title = {Baltimore Atlas: FreqWeaver Adapter for Semi-supervised Ultra-high Spatial Resolution Land Cover Classification},
author = {Junhao Wu and Aboagye-Ntow Stephen and Chuyuan Wang and Gang Chen and Xin Huang},
journal= {arXiv preprint arXiv:2506.15565},
year = {2025}
}