摘要

地理空间对象分割作为一项特定的语义分割任务，始终面临着高空间分辨率（HSR）遥感影像中的大规模变化、背景类内差异较大以及前景-背景不平衡的问题。然而，一般的语义分割方法主要关注自然场景中的尺度变化，而对通常出现在大范围地球观测场景中的其他两个问题考虑不足。本文认为这些问题源于前景建模的缺失，并从关系建模和优化建模的角度提出了一种前景感知关系网络（FarSeg），以缓解上述两个问题。从关系的角度来看，FarSeg通过学习前景-场景关系来关联前景相关的上下文，从而增强前景特征的区分度。同时，从优化的角度来看，提出了一种前景感知优化方法，在训练过程中专注于前景样本和背景中的难例样本，实现平衡优化。使用大规模数据集进行的实验结果表明，所提出的方法优于现有的最先进的通用语义分割方法，并在速度和精度之间取得了更好的平衡。代码已发布在：\url{https://github.com/Z-Zheng/FarSeg}。