F2Net：面向超高分辨率遥感分割的频率融合网络
计算机视觉与模式识别
2025-06-10 v1
摘要
超高分辨率（UHR）遥感图像的语义分割对于环境监测和城市规划等应用至关重要，但面临计算和优化挑战。现有方法要么通过下采样丢失细节，要么通过切块处理破坏全局上下文。虽然多分支网络解决了这一权衡问题，但存在计算效率低和训练时梯度动态冲突的问题。我们提出F2Net，一种基于频率的框架，将UHR图像分解为高频和低频分量进行专门处理。高频分支保留全分辨率的结构细节，而低频分支通过双子分支捕获短程和长程依赖关系。Hybrid-Frequency Fusion模块整合这些观察，指导两个新目标：Cross-Frequency Alignment Loss确保频率分量之间的语义一致性，Cross-Frequency Balance Loss调节跨分支的梯度大小以稳定训练。在DeepGlobe和Inria Aerial基准测试上评估，F2Net实现了最先进的性能，分别达到80.22和83.39的mIoU。我们的代码将公开 disponible。
引用
@article{arxiv.2506.07847,
title = {F2Net: A Frequency-Fused Network for Ultra-High Resolution Remote Sensing Segmentation},
author = {Hengzhi Chen and Liqian Feng and Wenhua Wu and Xiaogang Zhu and Shawn Leo and Kun Hu},
journal= {arXiv preprint arXiv:2506.07847},
year = {2025}
}