摘要

遥感图像因其固有的复杂性，为下游任务带来了独特的挑战。尽管已有大量研究致力于遥感图像的分类、目标检测与语义分割，但多数工作忽视了遥感场景中蕴含的宝贵先验知识。这些先验知识具有重要价值，因为遥感目标在缺乏充分长距离上下文信息的情况下，容易被误识别，而不同目标所依赖的上下文范围可能存在差异。本文针对此类先验知识提出了一种轻量级的大型选择性卷积核网络（Lightweight Selective Kernel Network, LSKNet）主干网络。LSKNet能够动态调整其大范围空间感受野，从而更有效地建模遥感场景中各类目标的远距离上下文关系。据我们所知，大型选择性卷积核机制此前尚未在遥感图像领域得到探索。在不依赖复杂技巧的前提下，所提出的轻量级LSKNet在标准遥感图像分类、目标检测与语义分割基准上均取得了新的最先进性能。全面的实验分析进一步验证了所识别先验知识的重要性以及LSKNet的有效性。代码已开源，地址为：https://github.com/zcablii/LSKNet。