摘要

遥感图像通常具有复杂的背景、尺度和方向变化以及较大的类内方差。一般语义分割方法往往无法充分解决上述问题，因此在遥感图像分割中的表现受到限制。本文中，我们提出了LOGCAN++，一种专为遥感图像定制的语义分割模型，该模型由一个全局类别感知（GCA）模块和多个局部类别感知（LCA）模块组成。GCA模块捕获全局表示以进行类别级别的上下文建模，从而减少背景噪声的干扰。LCA模块生成局部类别表示作为中间感知元素，间接将像素与全局类别表示关联起来，旨在解决类内方差较大的问题。特别是，我们在LCA模块中引入了仿射变换，以自适应地提取局部类别表示，有效容忍遥感图像中的尺度和方向变化。在三个基准数据集上的大量实验表明，我们的LOGCAN++优于当前主流的一般语义分割方法和遥感语义分割方法，并在速度和精度之间实现了更好的平衡。代码可在https://github.com/xwmaxwma/rssegmentation 获取。