SACANet：用于遥感图像语义分割的场景感知类注意力网络
计算机视觉与模式识别
2023-04-25 v1
摘要
空间注意力机制因其建模长程依赖的能力，已广泛应用于遥感图像语义分割。许多采用空间注意力机制的方法利用图像内像素间的直接关系聚合上下文信息，却忽略了像素的场景感知（即感知像素所在场景的全局上下文并理解其相对位置）。鉴于场景感知有益于利用地物空间相关性的上下文建模，我们设计了一种基于嵌入场景感知的精炼空间注意力机制的场景感知注意力模块。此外，我们提出局部-全局类注意力机制，以解决一般注意力机制引入过多背景噪声且难以顾及遥感图像中较大类内方差的问题。本文中，我们整合场景感知与类注意力，提出一种用于遥感图像语义分割的场景感知类注意力网络（SACANet）。在三个数据集上的实验结果表明，SACANet 优于其他最先进方法，并验证了其有效性。代码见 https://github.com/xwmaxwma/rssegmentation。
引用
@article{arxiv.2304.11424,
title = {SACANet: scene-aware class attention network for semantic segmentation of remote sensing images},
author = {Xiaowen Ma and Rui Che and Tingfeng Hong and Mengting Ma and Ziyan Zhao and Tian Feng and Wei Zhang},
journal= {arXiv preprint arXiv:2304.11424},
year = {2023}
}
备注
Accepted by ICME 2023