UNetMamba：一种用于高分辨率遥感图像语义分割的高效类UNet Mamba模型
计算机视觉与模式识别
2024-11-27 v3
摘要
高分辨率遥感图像的语义分割在土地覆盖制图、城市规划和灾害评估等下游应用中至关重要。现有的基于Transformer的方法受限于精度与效率之间的权衡，而最近提出的Mamba以高效著称。因此，为了克服这一困境，我们提出了UNetMamba，一种基于Mamba的类UNet语义分割模型。它包含一个Mamba分割解码器（MSD），可以高效解码高分辨率图像中的复杂信息，以及一个局部监督模块（LSM），该模块仅在训练时使用，但能显著增强对局部内容的感知。大量实验表明，UNetMamba在LoveDA数据集上mIoU提高了0.87%，在ISPRS Vaihingen数据集上提高了0.39%，超越了最先进的方法，同时通过轻量级设计、更小的内存占用和更低的计算成本实现了高效率。源代码可在https://github.com/EnzeZhu2001/UNetMamba获取。
引用
@article{arxiv.2408.11545,
title = {UNetMamba: An Efficient UNet-Like Mamba for Semantic Segmentation of High-Resolution Remote Sensing Images},
author = {Enze Zhu and Zhan Chen and Dingkai Wang and Hanru Shi and Xiaoxuan Liu and Lei Wang},
journal= {arXiv preprint arXiv:2408.11545},
year = {2024}
}
备注
5 pages, 3 figures