LoG-CAN：面向遥感图像语义分割的局部-全局类感知网络
计算机视觉与模式识别
2023-03-15 v1
摘要
遥感图像以背景复杂、类内方差大和尺度变化剧烈而著称，这给语义分割带来挑战。我们提出 LoG-CAN，一种带有全局类感知（GCA）模块与局部类感知（LCA）模块的多尺度语义分割网络，用于遥感图像。具体而言，GCA 模块捕获类级上下文建模的全局表示以规避背景干扰；LCA 模块生成局部类表示作为中间感知元素，间接将像素与全局类表示相关联，从而降低类内方差；而带有 GCA 和 LCA 模块的多尺度架构通过对特征级联精炼与融合，实现对不同尺度物体的有效分割。在 ISPRS Vaihingen 数据集和 ISPRS Potsdam 数据集上的评估表明，LoG-CAN 在通用语义分割上优于 SOTA 方法，同时显著减少了网络参数量与计算量。代码见 \href{https://github.com/xwmaxwma/rssegmentation}{https://github.com/xwmaxwma/rssegmentation}。
引用
@article{arxiv.2303.07747,
title = {LoG-CAN: local-global Class-aware Network for semantic segmentation of remote sensing images},
author = {Xiaowen Ma and Mengting Ma and Chenlu Hu and Zhiyuan Song and Ziyan Zhao and Tian Feng and Wei Zhang},
journal= {arXiv preprint arXiv:2303.07747},
year = {2023}
}
备注
Accepted at ICASSP 2023