UV-Mamba：用于高分辨率遥感图像城中村边界识别的 DCN 增强状态空间模型
计算机视觉与模式识别
2024-09-10 v3
摘要
由于地理环境多样、景观复杂且建筑密集，利用遥感图像自动识别城中村边界仍然是一项极具挑战性的任务。本文提出了一种新颖且高效的神经网络模型 UV-Mamba，用于高分辨率遥感图像中的精确边界检测。UV-Mamba 通过引入可变形卷积，缓解了状态空间模型中随着图像尺寸增加而在长序列建模中出现的记忆丢失问题。其架构采用编码器-解码器框架，包含一个具有四个可变形状态空间增强块的编码器，用于高效的多级语义提取，以及一个用于整合所提取语义信息的解码器。我们在两个大型数据集上进行了实验，结果表明 UV-Mamba 实现了 SOTA 性能。具体而言，我们的模型在北京和西安数据集上分别达到了 73.3% 和 78.1% 的 IoU，相比之前的最佳模型分别提高了 1.2% 和 3.4% 的 IoU，同时推理速度提高了 6 倍，参数量减少了 40 倍。源代码和预训练模型可在 https://github.com/Devin-Egber/UV-Mamba 获取。
引用
@article{arxiv.2409.03431,
title = {UV-Mamba: A DCN-Enhanced State Space Model for Urban Village Boundary Identification in High-Resolution Remote Sensing Images},
author = {Lulin Li and Ben Chen and Xuechao Zou and Junliang Xing and Pin Tao},
journal= {arXiv preprint arXiv:2409.03431},
year = {2024}
}
备注
5 pages, 4 figures, 3 tables