- 博客(33)
- 收藏
- 关注
RSS订阅原创 Edge Feature Enhancement for Fine-Grained Segmentation of Remote Sensing Images
现有的遥感分割数据集主要集中在土地利用、城市建筑等领域，专门针对矿区的细粒度标注数据集非常匮乏。：现有矿区数据集（如 RSMI）的边缘标注通常比较粗糙，无法满足细粒度（Fine-grained）像素级分类的任务需求。：矿区地形复杂且具有动态变化，准确标注需要大量的地质专业知识和实地考察验证。
2025-12-22 18:40:13
1139
原创 DESformer
为了解决特征融合的语义鸿沟，研究设计了特征交互模块（FIM），在编码器的各个阶段强制对齐并融合 CNN 与 Transformer 的特征，实现局部与全局信息的互补。本文指出的核心问题在于：CNN 提取的局部特征图与 Transformer 提取的全局 Patch Embedding 在维度和语义层次上存在显著差异，导致两者之间存在巨大的“语义鸿沟”，难以实现深度的连续融合。与这些中心的距离，模型能够动态地“学习”图像中最重要的部分（即视觉中心），从而在最深层的特征 X4上实现精细的局部细节聚合。
2025-12-21 17:11:25
670
原创 H-R Remote Sensing ImageSegmentation With Global-Guided Normalizationand Local Affinity Distillation
对于任意特征图（
2025-12-12 13:32:51
611
原创 GF-ResFormer
1. 全局上下文建模不足传统卷积神经网络（CNN）由于感受野有限，难以有效建模高分辨率遥感图像中的长距离依赖关系，导致在处理大范围、复杂场景时语义一致性差。2. 物体边界模糊遥感图像中物体（如建筑、道路）虽有清晰边界，但受复杂背景、类内差异等影响，传统方法难以准确提取边界，导致分割结果中边缘模糊、形状扭曲。3. 全局与局部信息融合不平衡当前解码器设计往往独立使用Transformer建模全局信息，或简单结合局部卷积，缺乏对全局语义与局部细节自适应融合机制的深入探索。4. 跨层特征融合效率低。
2025-12-10 11:29:31
627
原创 LG-DBNet:Local and Global Dual-Branch Network for SAR Image Denoising
合成孔径雷达（SAR）因其固有的成像特性，容易受到斑点噪声的严重影响，这给 SAR 图像的高级可视化任务带来了巨大挑战。因此，斑点抑制在遥感图像处理中起着关键作用。基于注意力的 SAR 图像去噪算法常常难以捕捉丰富的特征信息，并且在去噪与保持纹理细节之间权衡面临挑战。为解决上述问题，本文构建了一个局部和全局双分支网络（LG-DBNet）用于 SAR 图像去噪。SAR去噪算法可以分为三大类：基于空域滤波的去噪算法、基于频域滤波的去噪算法和基于深度学习的去噪算法。
2025-12-07 16:07:49
914
原创 FTransUNet：一种用于遥感语义分割的多级多模态融合变压器
与受传感器限制的单模态数据相比（单模态会受到获取他的传感器的影响较大），多模态数据能够从不同角度显示目标的特征。因此，利用来自不同模态的互补特性可以获得更好的语义分割性能。为了解决遥感中的多模态融合问题，研究了三种不同的融合策略：早期融合、中期融合和后期融合。然而，在这方面的研究中，现有的工作通常是基于叠加或串联的单级特征融合，而忽略了不同特征级别上的远距离跨模态依赖模型首先采用双分支结构，分别提取不同模态的浅层特征。这些来自各卷积层的细粒度特征，通过一个浅层特征融合模块（SFF）进行整合。
2025-11-17 21:08:40
901
原创 CTCNet: A CNN-Transformer Dual BranchNetwork for Sand Dune Image Segmentation
卷积神经网络 （CNN） 擅长提取局部特征，但由于感受野的限制，它们在捕捉图像的全局特征方面面临挑战。通过堆叠额外的卷积层或使用更大的卷积核来扩展感受野是一种可行的方法，但它会显着增加计算成本并增加过度拟合的风险补充：Transformer的核心优势在于其自注意力机制能直接建模全局依赖关系，一举突破了CNN感受野的限制，使模型能从图像整体上下文理解语义，极大提升了在复杂场景下的识别能力；
2025-11-11 16:20:26
762
原创 高分辨率遥感图像语义分割的CNN-Transformer互补融合网络
首先，在高分辨率图像中，场景的复杂性和表面物体的干扰经常导致漏检和误检。其次，这些方法与不同的目标尺度作斗争，导致粗糙和不准确的分割边界。这些问题源于对局部和全局特征的提取和利用不足。将CNN与Transformer相结合用于图像分割已成为一个活跃的研究领域。然而，目前基于cnn -transformer的方法不能完全重建特征，并且经常忽略分割目标的细节。虽然这些方法在一定程度上提高了分割性能，但分割边界仍然不精确，缺乏更精细的细节。
2025-08-25 10:37:52
1081
原创 Multimodal-Aware Fusion Network for Referring Remote Sensing Image Segmentation
值得注意的是，MAFN 在检测小的或不同方向的物体时仍能保持令人满意的性能，尤其是在 IoU 阈值低于 0.7 时性能提升更为显著。与基线的比较：我们在 RRSIS-D 的验证子集上进行了一系列消融实验，以评估我们提出的网络中各个组件的有效性，结果如表 II 所示。在本节中，我们介绍了一种新颖的多尺度特征融合（MSRC），如图 1(c) 所示，其能够为具有空间复杂性和多个目标方向的航拍图像生成更精细的分割结果。因此，RRSIS的关键挑战在于从给定的文本中生成特定的视觉特征，以指导遥感图像分割。
2025-08-01 10:30:59
713
原创 SegCLIP：多模态视觉语言和即时学习用于高分辨率遥感语义分割
语义理解受限：仅依赖像素信息，缺乏语言描述提供的语义上下文（如“直升机”与“飞机”的文本定义差异）。细节丢失：低分辨率特征导致边界模糊，难以区分相邻类别（如农田与森林）在本文中，我们将一个多模态视觉 - 语言框架集成到基于掩码分类的语义分割网络中，该网络利用掩码保留类别的详细信息和边界信息。为了解决跨模态特征对齐的关键挑战，我们为多模态遥感语义分割任务开发了一个专门的 CFF 模块。该模块确保从遥感图像中提取的视觉特征与相应的语言文本特征之间具有语义一致性。
2025-05-23 15:50:33
800
原创 MMF-CLIP: 一种遥感图像文本多模态语义分割方法
大多数语义分割方法，如U-Net（基于cnn的）和SegFormer（基于transformer的），都是根据图像特征来解决分割任务。多模态机器学习从多个数据模态中学习，可以为同一个场景提供互补的信息，从而增强场景的表示和理解。使用预训练的 CLIP Transformer 文本编码器作为文本编码器，以及在 SegFormer 中具有强大特征提取能力的 MiT 图像编码器作为图像编码器。提出了一种多模态多尺度特征融合解码器，用于整合多模态和多尺度信息。
2025-04-07 19:25:11
1645
原创 BLIP-2：使用冻结的图像编码器和大语言模型引导语言 - 图像预训练
为了利用Vision-language pre-training (VLP)的预训练单模态模型，促进跨模态对齐是关键。然而，由于大型语言模型在单模态预训练期间没有看到图像，冻结它们使视觉语言对齐特别具有挑战性。为了实现与冻结单模态模型的有效视觉语言对齐，我们提出了一个使用新的两阶段预训练策略进行预训练的查询转换器(QFormer)我们提出了Q-Former作为可训练模块，以弥合冻结的图像编码器和冻结的大语言模型（LLM）之间的差距。它从图像编码器中提取固定数量的输出特征，与输入图像的分辨率无关。
2025-03-21 16:50:41
924
原创 SAM-RSIS: Progressively Adapting SAM With BoxPrompting to Remote Sensing ImageInstance Segmentation
SAM存在以下问题，阻碍了我们将其直接应用于遥感图像的实例分割：首先，俯视图遥感图像与近景自然场景图像之间存在明显的域差距。由于深度学习模型的能力受限于其训练数据的分布覆盖范围，因此直接将自然场景图像上训练的原始SAM应用于遥感图像是非常重要的具有挑战性的其次，SAM 解决的是通用、不针对特定类别的分割问题，即从几何形状和结构中学习特征，可能学到了语义信息但并非直接获取。因此，它在理解遥感影像中的复杂地理与语义情境信息方面可能会遇到困难。
2025-03-19 21:50:22
763
原创 LSENet: Local and Spatial Enhancement toImprove the Semantic Segmentationof Remote Sensing Images
由于遥感的固有特性，图像尺寸大，图像内的对象尺寸小，有些类别无法充分显示，导致语义模糊。此外，不同类型的物体可能表现出相似的形状特征。表面情况的复杂性对图像分割任务提出了全新的挑战，如图1所示。因此，与其他图像分割方法相比，遥感图像分割需要更多地依赖全局上下文和空间信息。我们提出了一种用于遥感图像语义分割的网络架构，称为局部和空间增强网(LSENet)。网络架构采用U-Net的编码器-解码器架构。
2025-03-17 19:36:19
741
原创 TruncationCompensation Network for SemanticSegmentation of High-ResolutionRemote Sensing Images
通常，高分辨率图像在输入网络之前会被裁剪，但这会截断一些完整的特征，导致全局上下文信息的丢失。为了应对这种情况，研究人员提出了两种主要策略。第一种方法从输入图像中聚合尽可能多的上下文信息，主要关注局部上下文，忽略了大规模HR-RSI中截断特征的补偿。第二种是多视场（MFOV）图像融合，使用低分辨率全局辅助图像（GAI）来捕捉广泛的空间背景和完整的轮廓[如图1（a）所示]，以及高分辨率局部图像以获取详细信息。令人惊讶的是，我们发现GAI有时可能会降低网络性能，尤其是在复杂的纹理中。如图1（d）所示。
2025-03-14 22:31:15
540
原创 RSPrompter：基于视觉基础模型的遥感实例分割提示学习
深度学习算法在遥感图像的实例分割中显示出巨大的前景，展示了它们从原始数据中提取深度、可识别特征的能力。目前，主要的实例分割算法有两阶段R-CNN系列算法（如Mask R-CNN、Cascade Mask R-CNN、Mask scoring (MS) R-CNN、HTC、HQ-ISNet）和一阶段算法（如YOLACT、BlendMask、EmbedMask、Condinst、SOLO、Mask2Former）。然而，遥感图像背景的复杂性和场景的多样性对这些算法的泛化和适应性提出了挑战。
2025-03-12 15:42:52
655
原创 CMTFNet: CNN and Multiscale Transformer Fusion Network for Remote-Sensing Image SemanticSegmentation
因此，我们用1 × 1卷积替换FFN中的FC层，并在其间插入两个平行的3 × 3和5 × 5深度可分离卷积，如图4（b）所示。因此，为了有效地融合这两个特征，我们提出了MAF模块，如图5所示。在第一分支处，输入特征X的通道维度C首先通过1 × 1卷积被减小4倍，并且然后被馈送到三个并行的可分离的膨胀卷积中以提取多尺度信息，其中卷积核大小为3 × 3，并且膨胀率。（i = {1，2，3}）对应于Transformer块中的每一个中的M2SA模块的空洞卷积率{（1，3，5），（3，5，7），（5，7，9）}。
2025-03-08 15:53:19
773
原创 SWINT-RESNet: An Improved Remote SensingImage Segmentation ModelBased on Transformer
随着航天技术和传感器技术的快速发展，遥感数据获取逐渐向多时间、多区域、高分辨率信息方向发展。高分辨率遥感影像具有空间信息丰富细致、光谱特征少、特征类型丰富多样等特点。存在问题：CNN擅长处理局部特征和纹理信息，但无法捕获图像中的全局上下文和长期依赖关系。这种限制主要源于CNN的局部感知场和池化操作，这些操作虽然有助于降低计算复杂度和提高模型的空间不变性，但也限制了模型捕捉全局信息的能力。Transformer可以通过自关注机制处理整个输入序列中的全局信息，有效地捕获图像中的长距离依赖关系。
2025-03-04 21:43:52
883
原创 MetaSegNet: Metadata-CollaborativeVision–Language Representation Learningfor Semantic Segmentation
建立图像特征与文本特征间的动态交互机制，实现多模态信息互补。
2025-03-04 14:48:18
987
原创 Deep-Learning-Based Semantic Segmentation of Remote Sensing Images: A Survey new
语义分割：遥感图像语义分割（SSRSIs）是对遥感图像中的每个像元进行分类的一种方法，在环境监测、城市规划、土地资源利用等领域有着广泛的应用语义分割的正式定义：语义分割的任务是构造一个分割函数f，以最小化训练集中图像的每个像素的预测标签和真实的标签之间的损失。在遥感图像分割任务中，通常会遇到交叉熵损失、骰子损失等问题。我们可以通过学习的分割函数f为未标记图像中的每个像素分配一个标签。
2025-02-28 14:09:20
954
原创 Remote Sensing Object Detection in the Deep Learning Era—A Review
(A)基于边界框的物体检测 (B) 实例分割 (C) 全景分割物体检测旨在找到图像或3D数据中所有感兴趣物体的位置和类别；通常，结果采用边界框的形式。实例分割旨在描绘单独检测到的对象的提取边界。当背景对象/场景类别感兴趣时，可以采用全景分割来提取这些对象所在的背景类别。
2024-12-29 12:15:14
473
原创 Transformers in Remote Sensing: A Survey
近年来，高分辨率(VHR)卫星传感器的出现为产生更高空间分辨率的图像铺平了道路，这些图像有利于土地利用变化检测、基于对象的图像分析(对象检测和实例分割)、精准农业耕作(例如作物管理)、土壤和害虫)以及应急响应。：通常，变化图会先将输入的图像或一系列图像（如前后时间帧、不同条件下的图像）进行比较，根据像素的变化来生成一个新的图像。分类:在许多现实世界的应用中，准确地对SAR图像中的目标类别进行分类是一个具有挑战性的问。图像字幕:遥感图像中的图像字幕是一个具有挑战性的问题，其中的任务是生成给定图像的语义自。
2024-12-20 12:34:22
667
原创 Transformer自梳理
想要梳理一下基础的Transformer模型，加深印象，检验一下自己是否真的理解了，也可以当做以后的复习笔记。直接以Transformer模型图，一步步拆解这个图。
2024-10-24 15:56:08
765
原创 遥感图像阅读综述1
变化检测（Change Detection，CD）：简单来说，变化检测是指识别在同一地理区域上采集但在两个不同时间拍摄的图像之间的差异正式一点的定义：是指利用遥感技术或其他相关技术，在不同时间或不同条件下获取的图像或数据中，识别和分析地表或地物在时间和空间上发生的变化情况的过程。这些变化可能涉及地物的增长、减少、移动、形态变化等。
2024-10-21 16:36:42
2506
原创 粗谈RNN循环神经网络
1) BP算法,CNN之后, 为什么还有RNN?细想BP算法,CNN(卷积神经网络)我们会发现, 他们的输出都是只考虑前一个输入的影响而不考虑其它时刻输入的影响, 比如简单的猫,狗,手写数字等单个物体的识别具有较好的效果. 但是, 对于一些与时间先后有关的, 比如我们要预测股票的走势，就不能只看前一天判断后一天，最好是以五天或十天（我也不懂炒股，纯属举例，不要较真细节）为序列综合判断下一时刻的股票是涨还是跌。2) 什么是RNN?
2024-10-05 20:38:01
1226
原创 1×1卷积核
我想记录一下关于1×1卷积核的作用，通过学习和网上查阅资料我总结1×1卷积核的作用主要有如下三点：1.跨通道的特征整合2.特征通道的升维和降维3.减少卷积核参数（简化模型）简单说明一下它们的基本原理吧。
2024-09-28 19:05:03
562
转载 浅识神经网络
在卷积神经网络中，卷积操作是指将一个可移动的小窗口（称为数据窗口，如下图绿色矩形）与图像进行逐元素相乘然后相加的操作。这个小窗口其实是一组固定的权重，它可以被看作是一个特定的滤波器（filter）或卷积核。这个操作的名称“卷积”，源自于这种元素级相乘和求和的过程。这一操作是卷积神经网络名字的来源。上图这个绿色小窗就是数据窗口。简而言之，卷积操作就是用一个可移动的小窗口来提取图像中的特征。
2024-09-17 19:48:06
120
原创 浅谈梯度下降
假如我们要预测房子的价格，我们考虑房子的价格和诸多因素有关例如：面积、政策、时间等，为了简化问题我们以面积为例，假设价格只和面积有关，且设面积为x，价格为y，则价格和面积之间一定满足这样一种关系y=f(x)。基于现有数据我们可以得出图像那么我们想要通过训练得的一条可更好的拟合这些数据的线，也就是f(x),只要尽可能多的拟合现有数据才能保证预测的准确性。而我们称这个f(x)为预测函数，暂且记为y'吧，而现有的房子价格记为y那么|y'-y|就是预测的误差。
2024-09-15 17:14:15
1050
原创 对激活函数的粗浅认知
在学习深度学习的过程中，关于激活函数我一直不解其真正意义，一个函数的使用到底会对模型产生怎样的作用。这篇文章我想简单记录自己对激活函数的认识。
2024-09-07 14:12:00
962
原创 列表的倒序遍历
翻转前：[1,2,3,4,5,6,7]翻转后：[7,6,5,4,3,2,1]记录一下列表中的倒序遍历方法，先看题。还可以倒序遍历输出，倒序遍历方法如下。定义一个列表并将它翻转。
2024-05-14 18:38:03
349
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人