FADConv: 用于农田非农化识别与分割的频率感知动态卷积
计算机视觉与模式识别
2025-04-07 v1
摘要
耕地非农化是指耕地转化为林地、住宅区和建筑工地等非农业用途的过程。这一现象不仅直接导致耕地资源的流失，还对粮食安全和农业可持续性构成系统性威胁。准确识别耕地与非耕地区域对于检测和应对这一问题至关重要。传统 CNN 采用静态卷积层，而动态卷积研究表明，通过注意力机制自适应地加权多个卷积核可以提高精度。然而，现有的依赖全局平均池化（GAP）进行注意力权重分配的动态卷积方法存在信息丢失问题，限制了分割精度。本文提出频率感知动态卷积（FADConv）和频率注意力（FAT）模块以解决这些局限性。在动态卷积基础结构之上，我们通过集成 2D 离散余弦变换（2D DCT）来捕获频域特征并进行融合，从而设计了 FADConv。FAT 模块生成高质量的注意力权重以替代传统的 GAP 方法，使动态卷积核之间的组合更加合理。在 GID 和 Hi-CNA 数据集上的实验表明，FADConv 以极小的计算开销显著提高了分割精度。例如，加入 FADConv 的 ResNet18 在 GID 上的耕地分割中，F1 分数和 IoU 分别提升了 1.9% 和 2.7%，仅增加了 58.87M MAdds。与其他动态卷积方法相比，FADConv 在耕地分割任务中表现出优越的性能。
引用
@article{arxiv.2504.03510,
title = {FADConv: A Frequency-Aware Dynamic Convolution for Farmland Non-agriculturalization Identification and Segmentation},
author = {Tan Shu and Li Shen},
journal= {arXiv preprint arXiv:2504.03510},
year = {2025}
}