LOGCAN++：用于遥感图像语义分割的自适应局部-全局类感知网络
计算机视觉与模式识别
2025-02-12 v3
摘要
遥感图像通常具有复杂背景、尺度和方向变化以及较大的类内差异。常规语义分割方法通常难以充分探讨上述问题，因此在遥感图像分割性能上受到限制。本文提出了LOGCAN++，一种为遥感图像定制的语义分割模型，由全局类感知(GCA)模块和多个局部类感知(LCA)模块构成。GCA模块捕获全局表示以进行类级别上下文建模，以减少背景噪声的干扰。LCA模块生成局部类表示作为中间感知元素，以间接方式将像素与全局类表示关联，从而针对大类内差异问题进行处理。特别地，我们在LCA模块中引入仿射变换，以有效容忍遥感图像中的尺度和方向变化。在三个基准数据集上的大量实验表明，LOGCAN++优于当前主流的常规和遥感语义分割方法，在速度和准确率之间实现了更好的平衡。代码已公开于https://github.com/xwmaxwma/rssegmentation。
引用
@article{arxiv.2406.16502,
title = {LOGCAN++: Adaptive Local-global class-aware network for semantic segmentation of remote sensing imagery},
author = {Xiaowen Ma and Rongrong Lian and Zhenkai Wu and Hongbo Guo and Mengting Ma and Sensen Wu and Zhenhong Du and Siyang Song and Wei Zhang},
journal= {arXiv preprint arXiv:2406.16502},
year = {2025}
}
备注
Accepted by TGRS2025