RemoteNet：基于全局-局部信息的遥感图像分割网络
计算机视觉与模式识别
2023-08-15 v2 人工智能
摘要
由于场景复杂，遥感图像具有极大的尺度与地物外观差异性。对其分割而言，捕获全局与局部上下文中的潜在属性颇具挑战。现有网络因背景杂乱而难以捕获固有特征。为解决这些问题，我们提出一种遥感图像分割网络RemoteNet，用于遥感图像的语义分割。我们通过利用transformer与卷积机制的优势来捕获全局与局部特征。RemoteNet是一种使用多尺度特征的编码器-解码器结构。我们构建注意力图模块以生成通道注意力分数来融合这些特征。我们在解码器网络中构建全局-局部transformer模块（GLTB）以在解码阶段支持学习鲁棒表示。此外，我们设计了一个特征细化模块，以细化浅层编码器特征与解码器最深层GLTB特征的融合输出。在两个公开数据集上的实验结果表明了所提RemoteNet的有效性。
引用
@article{arxiv.2302.13084,
title = {RemoteNet: Remote Sensing Image Segmentation Network based on Global-Local Information},
author = {Satyawant Kumar and Abhishek Kumar and Dong-Gyu Lee},
journal= {arXiv preprint arXiv:2302.13084},
year = {2023}
}