摘要

深度学习与计算机视觉技术的进步已对遥感领域产生深远影响，推动了土地覆盖分类、变化检测等应用中的高效数据处理。卷积神经网络（CNN）和Transformer架构因其在捕捉局部特征与全局上下文信息方面的卓越性能，被广泛应用于视觉感知算法中。本文提出一种混合式Transformer架构，该架构由基于CNN的编码器与基于Transformer的解码器组成。我们设计了一种特征调整模块，用于优化从EfficientNet主干网络提取的多尺度特征图。经过调整后的特征图被融合至基于Transformer的解码器中，以实现遥感图像的语义分割。本文将所提出的编码器-解码器架构命名为语义特征调整网络（Semantic Feature Adjustment Network, SFA-Net）。为验证SFA-Net的有效性，我们在四个公开的基准数据集（UAVid、ISPRS Potsdam、ISPRS Vaihingen 和 LoveDA）上开展了全面实验。实验结果表明，所提模型在UAVid、ISPRS Vaihingen和LoveDA数据集上的遥感图像分割任务中均达到了当前最优性能。在ISPRS Potsdam数据集上，该方法在保持与最新模型相当精度的同时，将可训练参数数量从113.8百万显著降低至10.7百万，显著提升了模型的效率与可部署性。