基于阈值注意力网络的遥感图像语义分割
计算机视觉与模式识别
2025-01-15 v1
摘要
遥感图像语义分割对于植被监测、灾害管理和城市规划等各种应用至关重要。先前的研究表明，自注意力机制 (SA) 是设计能够捕获长程像素依赖关系的分割网络的有效方法。SA 使网络能够对输入特征之间的全局依赖关系建模，从而提高分割结果。然而，此机制中使用的高密度注意力特征图会导致计算复杂度的指数级增加。此外，它还会引入冗余信息，负面影响特征表示。灵感来自传统阈值分割算法，我们提出了一种新型阈值注意力机制 (TAM)。该机制显著降低了计算开销，同时更好地建模了特征图不同区域之间的相关性。基于 TAM，我们提出了阈值注意力网络 (TANet) 用于语义分割。TANet 包含用于增强浅层特征的注意力特征增强模块 (AFEM) 和用于获取深层特征不同尺度特征信息的阈值注意力金字塔池化模块 (TAPP)。我们在 ISPRS Vaihingen 和 Potsdam 数据集上进行了大量实验。结果表明，我们提出的 TANet 在各种最新模型中具有有效性和优越性。
引用
@article{arxiv.2501.07984,
title = {Threshold Attention Network for Semantic Segmentation of Remote Sensing Images},
author = {Wei Long and Yongjun Zhang and Zhongwei Cui and Yujie Xu and Xuexue Zhang},
journal= {arXiv preprint arXiv:2501.07984},
year = {2025}
}