基于多光谱卫星图像的分段交叉注意力网络用于洪水分割
计算机视觉与模式识别
2025-01-22 v1 机器学习
摘要
近年来，深度学习技术与遥感技术的融合已彻底改变了自然灾害（如洪水）的监测与管理方式。然而，现有方法在利用遥感数据进行洪水分割时，往往忽视了多光谱卫星信息之间相关特征的效用。本研究引入一种渐进式交叉注意力网络（ProCANet），该网络逐步应用自注意力与交叉注意力机制，对多光谱特征进行处理，生成最优特征组合以实现洪水分割。本文使用Sen1Floods11数据集及为印度西提拉木河流域定制的洪水数据进行与最新方法的比较。实验结果表明，本文模型取得最高的Intersection over Union（IoU）得分0.815。本研究结果结合消融实验（比较有无注意力机制在不同模态下的情形），为利用遥感技术提升洪水分析精度提供了可前景的路径。
关键词
引用
@article{arxiv.2501.11923,
title = {Progressive Cross Attention Network for Flood Segmentation using Multispectral Satellite Imagery},
author = {Vicky Feliren and Fithrothul Khikmah and Irfan Dwiki Bhaswara and Bahrul I. Nasution and Alex M. Lechner and Muhamad Risqi U. Saputra},
journal= {arXiv preprint arXiv:2501.11923},
year = {2025}
}
备注
5 pages, 4 figures, published in IEEE Geoscience and Remote Sensing Letters