TNet：基于遥感图像语义分割的坡地卷积解码网络
计算机视觉与模式识别
2025-09-03 v2
摘要
在遥感领域，大多数分割网络采用 UNet 架构，常会引入 Transformer 或 Mamba 模块以增强解码阶段中的全局-局部特征交互。然而，这些增强措施通常聚焦于尺度内关系，忽略了跨多个分辨率的全局上下文依赖。为此，我们引入坡地卷积解码网络（TNet），这是一种简单而有效的架构，仅利用卷积和加法运算，逐步将低分辨率特征（富含全局上下文）融合到高分辨率特征（富含局部细节）的解码阶段中。这种渐进式融合使模型能够学习具有空间感知能力的卷积核，自然地以阶段性方式融合全局与局部信息。我们采用 ResNet-18 编码器实现 TNet（TNet-R），并在三个基准数据集上进行评估。TNet-R 在 ISPRS Vaihingen 数据集上实现了 85.35% 的平均交并比（mIoU），在 ISPRS Potsdam 数据集上实现了 87.05%，在 LoveDA 数据集上实现了 52.19%，同时保持高效的计算性能。代码已公开。
引用
@article{arxiv.2508.04061,
title = {TNet: Terrace Convolutional Decoder Network for Remote Sensing Image Semantic Segmentation},
author = {Chengqian Dai and Yonghong Guo and Hongzhao Xiang and Yigui Luo},
journal= {arXiv preprint arXiv:2508.04061},
year = {2025}
}