BiCoR-Seg：用于高分辨遥感图像分割的双向共细化框架
计算机视觉与模式识别
2025-12-24 v1
摘要
高分辨率遥感图像语义分割（HRSS）是地球观测领域的基础且关键任务。然而，它长期面临着高类别相似性和大类内变异性的挑战。现有方法往往难以有效地将抽象且高度判别的语义知识注入像素级特征学习中，导致复杂场景下的边界模糊和类别混淆。为解决这些挑战，我们提出了用于 HRSS 的双向共细化框架（BiCoR-Seg）。具体而言，我们设计了热图驱动的双向信息协同模块（HBIS），通过生成类别级热图，在特征图和类别嵌入之间建立双向信息流动。基于 HBIS，我们进一步引入了分层监督策略，其中由每个 HBIS 模块生成的可解释热图直接用作低分辨率分割预测，以增强浅层特征的判别能力。此外，为进一步提高嵌入表示的判别性，我们提出了跨层类嵌入 Fisher 判别损失，以强制类内紧凑性并扩大类间可分性。大量实验在 LoveDA、Vaihingen 和 Potsdam 数据集上表明，BiCoR-Seg 在实现卓越的分割性能的同时，还提供了更强的可解释性。已发布的代码可在 https://github.com/ShiJinghao566/BiCoR-Seg 查阅。
关键词
引用
@article{arxiv.2512.20255,
title = {BiCoR-Seg: Bidirectional Co-Refinement Framework for High-Resolution Remote Sensing Image Segmentation},
author = {Jinghao Shi and Jianing Song},
journal= {arXiv preprint arXiv:2512.20255},
year = {2025}
}