[论文阅读]面向全局:用于高分辨率遥感图像语义分割的宽上下transforms

最新推荐文章于 2025-06-14 11:11:55 发布
原创 最新推荐文章于 2025-06-14 11:11:55 发布 · 1.5k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #计算机视觉 #人工智能

提出WiCoNet模型，结合CNN与Transformer优势，有效解决高分辨率遥感图像语义分割问题，并引入新BLU数据集验证模型效果。

[论文阅读]面向全局:用于高分辨率遥感图像语义分割的宽上下transforms

文章目录

一、总体介绍

Looking Outside the Window: Wide-Context Transformer for the Semantic Segmentation of High-Resolution Remote Sensing Images

  远程上下文信息是高分辨率遥感图像语义分割的关键。

  我们提出了一种宽上下文网络(WiCoNet)用于HR RSIs的语义分割，上下文转换器扩展了视觉转换器这一新兴神经网络，用于双分支语义关联的建模。

  提出了一个新的北京土地利用(BLU)数据集。


二、具体作用

在本研究中，目标是同时利用CNN和对transforms HR RSIs进行语义分割,作用在于：

  • cnn善于保存空间信息
  • Transformer则能够更好地建模远程依赖关系

  WiCoNet包括两个cnn，分别从本地和全局图像级别提取特征。这使WiCoNet能够同时考虑本地细节和广域上下文。

  SE块将全局信息聚合并嵌入到特征中，学习不同图像场景中的偏焦点，这在后来的文献中通常被称为通道注意，通道注意和非局部注意块依次用于增强空中rsi中的远程依赖性

Transformer的演变介绍：

  • Transformer最初是为自然语言处理任务引入的，在那里它实现了最先进的性能

  • Pure Transformer可以取代CNN进行图像识别任务

  • Transformer进行密集分类任务,提出了一种用于泛视分割的双路径转换器，其中包括用于分割的像素路径和用于类预测的存储路径


## 三、WiCoNet模型构建

3.1 总体框架

  我们提出了一种WiCoNet，它利用了rsi中更大图像范围中的远程

最低0.47元/天 解锁文章
面向高分辨率遥感影像的建筑物有效分割方法：基于UNFormer的全局与局部结构特征建模
m0_71589036的博客
11-09 5266
基于UNFormer的建筑物遥感图像语义分割模型实现 摘要：本文介绍了一种结合CNN与Transformer优势的UNFormer模型，用于解决建筑物遥感图像语义分割任务。该模型采用U形结构设计，编码器基于CNN提取局部特征，瓶颈层使用Transformer捕捉全局依赖关系，解码器通过上采样融合多尺度特征。实验在WHU建筑物数据集上进行，可视化结果显示模型能有效处理建筑物密集区域和复杂边缘。文章提供了从环境搭建、数据处理到模型实现的完整教程，包括PyTorch代码实现细节，帮助读者快速复现这一先进的语义分割
遥感影像语义分割:数据集制作
zhaoguanhua的博客
08-15 1万+
数据集标注建议：最好在大图上进行标记，然后进行切割 分块代码
遥感影像语义分割
kenanlp的博客
04-12 1837
通过人工智能的机器视觉算法，对遥感影像进行识别，对地、物进行分类，通过语义分割算法从视觉上，对不同分类进行颜色标注，可以很直观的加以区分，方便对遥感影像进行处理，极大的改善了通过人力资源，对影像识别的现状，提高了工作识别效率。
深度学习高遥感影像语义分割
weixin_30470643的博客
07-01 1万+
深度学习遥感影像语义分割 深度学习大家都知道，在计算机视觉领域取得了很大的成功，在遥感影像自动解译方面，同样带来了快速的发展，我在遥感影像自动解译领域，也做了一些微薄的工作，发表几篇论文，我一直关注遥感影像自动解译领域， 在北京出差的这段时间，终于可以沉下心来，好好研究下深度学习，目前在语义分割领域，也有部分心得，在此同大家分享，权当是互相学习。本篇博文就是论述现有的state-...
我对WiCoNet，DCFAM，UDA Transformer的理解
m0_58770526的博客
12-04 1110
发文单位：国防科技大学 发表日期：2022.4.18 数据集：有用到Potsdam Code: code 刊名：IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING主要贡献：发文单位：武汉大学 发表日期：2022.1.14 数据集：有用到Potsdam 刊名：IEEE GEOSCIENCE AND REMOTE SENSING LETTERS主要贡献：发文单位：电子科技大学 发表日期：2022.10.3 数据集：Vaihingen & Potsdam Code
上下文聚合网络用于遥感影像语义分割
Nick Blog
12-16 3861
Context Aggregation Network for Semantic Labeling in Aerial Images 摘要： 高分辨率航拍图像的语义标注是遥感图像分析的基本和必要任务。它广泛用于土地利用调查，变化检测和环境保护。最近的研究揭示了卷积神经网络（CNNs）在这项任务中的优越性。然而，多尺度物体识别和物体的精确定位是基于CNN的高分辨率航拍图像中语义标注方法的两个主要难题。为了解决这些问题，我们设计了一个用于聚合多个尺度的上下文信息Context Fuse模块，它由具有不同大小卷积
遥感图像语义分割论文（3）：EMRT---Enhancing Multiscale Representations With Transformer for RS Image Segmentation
weixin_47973534的博客
03-26 2463
为了利用卷积操作和Transformer的优势来增强多尺度表示学习，论文提出了一种用于HRRS图像分割的新的混合架构，命名为EMRT (Enhance Multiscale Representations with Transformer)， 其提供一种有效的方案弥补了现有混合结构存在的①Transformer带来的计算量过大，训练模型需要更多的内存空间和计算资源；② 在Transformer中没有利用多尺度信息 的问题。
高分辨率遥感图像语义分割paddle
07-27
- *1* *2* [[论文阅读]面向全局:用于高分辨率遥感图像语义分割的宽上下transforms](https://blog.youkuaiyun.com/W_zyth/article/details/127228017)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630",...
基于TransU-Net的遥感图像语义分割与分类 如何运行+训练？
最新发布
QQ67658008的博客
06-14 1186
本项目提出基于TransU-Net的遥感图像建筑物分割方法，结合Transformer的全局建模能力和U-Net的局部细节捕捉优势。项目实现包含完整的训练框架：1)构建标准化的数据集目录结构；2)开发专门的数据加载与增强模块；3)设计TransU-Net混合架构，通过Transformer编码器提取全局特征，U-Net解码器实现精确分割。系统采用PyTorch实现，提供从数据预处理到模型训练的全流程解决方案，适用于城市规划、灾害监测等遥感图像分析场景。
Deeplab V3+模型详解：遥感图像语义分割的深度理解（专家剖析）
Deeplab V3+模型是深度学习领域中用于遥感图像语义分割的先进技术，本文对其进行了系统性的概述、理论分析以及应用案例的研究。首先介绍了Deeplab V3+的基本概念和理论基础，重点分析了其核心架构包括Atrous空间...
遥感与无人机图像中的语义分割技术
天波风客的博客
05-07 2821
引言：随着遥感技术和无人机技术的快速发展，我们获取高分辨率图像的能力越来越强。然而，如何从这些海量的图像数据中提取有用的信息，尤其是进行像素级的语义分割，成为了一个亟待解决的问题。本文将介绍图像语义分割中的关键技术，包括编码器-解码器结构、多尺度和特征融合策略以及关系建模方法，并特别探讨 Segment Anything 这一新兴技术在遥感与无人机图像语义分割中的应用。遥感影像分割，源码下载（点击...
遥感影像语义分割论文笔记（一）FarSeg CVPR2020
qq_40905241的博客
04-18 1万+
Gamma公式展示 Γ(n)=(n−1)!∀n∈N\Gamma(n) = (n-1)!\quad\forall n\in\mathbb NΓ(n)=(n−1)!∀n∈N 是通过 Euler integral Γ(z)=∫0∞tz−1e−tdt . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=∫0∞​tz−1e−tdt.
遥感图像语义分割各公开数据集
Deeachain的博客
01-13 1万+
转载于：IMARS 遥感大数据智能挖掘与分析 语义分割在自然数据集的分割效果不断进步，有研究逐步应用到了遥感领域，尤其是高分辨率遥感影像。由于遥感图像具有海量数据，尺度依赖，空间相关性强的特点，能够很好地用语义分割的方法来提取地物或进行分类。 随着全卷积神经网络的提出，卷积网络不仅在全图式的分类上有所提高，也在结构化输出的局部任务上取得了进步。全卷积神经网络实现了对图像进行像素级的分类，从而解决了语义级别的图像分割问题。 本期对现有的10个遥感语义分割数据集进行总结，并附上下载链接，供大家对自己的算法
基于超大尺寸图像的语义分割论文和代码汇总
如果想成为中心，那么就到中心去吧。
05-04 1万+
文章目录2021Progressive Semantic Segmentation(CVPR)High Quality Segmentation for Ultra High-resolution Images 2021 Progressive Semantic Segmentation(CVPR) code : https://github.com/VinAIResearch/MagNet 摘要： 这项工作的目的是分割高分辨率的图像，而不超载GPU内存的使用或丢失输出分割地图中的细节。内存约束意味着我们要
遥感识别1——遥感影像语义分割参考文献
xiaotiig的博客
10-12 1385
语义分割与变化检测1 背景综述2 数据集制作2.1 公开数据集2.2 数据集制作3 样本增强4 模型构建5 模型训练6 模型预测7 变化检测8 结果后处理9 工程案例参考文献： 1 背景综述 1 人工智能深度学习遥感影像语义分割专题培训班 - 知乎 https://zhuanlan.zhihu.com/p/419770801 2 里面的推文特别好，(23条消息) 基于HRNet-Segmentation的遥感图像语义分割_爱CV-优快云博客 https://blog.youkuaiyun.com/qq_35054
MSNet：针对遥感图像的多光谱语义分割网络【论文翻译+代码解读】
littleyy666的博客
04-13 1611
在遥感图像自动解译的研究中，基于深度卷积神经网络的语义分割得到了快速的发展和应用，特征分割精度和网络模型泛化能力逐步提高。然而，大部分网络设计主要面向遥感图像的三个可见RGB波段，旨在能够直接借鉴成熟的自然图像语义分割网络和预训练模型，但同时造成不可见光谱波段如**近红外（NIR）**遥感图像的浪费和丢失。结合多光谱数据在区分水和植被等典型特征方面的优势，我们提出了一种新的深度神经网络结构，称为多光谱语义分割网络（MSNet），用于多分类特征场景的语义分割。
遥感图像小白--2--图像分割
Mary的博客
09-28 4023
遥感图像分割基础入门
常用图像数据集大全（分类，跟踪，分割，检测等）
热门推荐
彼岸花
03-22 4万+
常用图像数据集大全（分类，跟踪，分割，检测等） 1.搜狗实验室数据集： http://www.sogou.com/labs/dl/p.html 互联网图片库来自sogou图片搜索所索引的部分数据。其中收集了包括人物、动物、建筑、机械、风景、运动等类别，总数高达2,836,535张图片。对于每张图片，数据集中给出了图片的原图、缩略图、所在网页以及所在网页中的相关文本。200多G 2 h
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值