fabSAM：基于分割一切模型的农田边界提取方法
计算机视觉与模式识别
2025-01-23 v1 人工智能
图像与视频处理
摘要
农田边界划定对于作物管理和农业普查等农业管理至关重要。传统基于遥感影像的方法虽然有效，但泛化能力有限。分割一切模型（SAM）以其出色的零样本性能而闻名，已通过提示学习和微调被应用于遥感任务。在此，我们提出了一种基于SAM的农田边界提取框架fabSAM，该框架结合了基于DeepLabv3+的提示器（Prompter）和SAM。同时，引入了一种微调策略，使SAM的解码器能够更好地利用提示信息。我们在AI4Boundaries和AI4SmallFields数据集上的实验结果表明，fabSAM在农田区域识别和边界提取方面均有显著提升。与零样本SAM相比，fabSAM在AI4Boundaries和AI4SmallFields数据集上的mIoU分别提高了15.1%和12.5%。与DeepLabv3+相比，fabSAM的mIoU分别提高了4.9%和12.5%。这些结果凸显了fabSAM的有效性，也意味着我们可以更容易地从Sentinel-2等开源卫星影像数据集中获取全球农田边界图。
关键词
引用
@article{arxiv.2501.12487,
title = {fabSAM: A Farmland Boundary Delineation Method Based on the Segment Anything Model},
author = {Yufeng Xie and Hanzhi Wu and Hongxiang Tong and Lei Xiao and Wenwen Zhou and Ling Li and Thomas Cherico Wanger},
journal= {arXiv preprint arXiv:2501.12487},
year = {2025}
}