用于遥感图像语义分割的语义提示与图卷积-结构蒸馏框架
《IEEE Transactions on Neural Networks and Learning Systems》:Semantic Prompt and Graph-Convolution-Structure Distillation Framework for Semantic Segmentation of Remote Sensing Images
【字体:
大
中
小
】
时间:2026年03月31日
来源:IEEE Transactions on Neural Networks and Learning Systems 8.9
编辑推荐:
语义分割模型SPGSNet-S通过多模态特征增强和双路径知识蒸馏解决遥感语义分割中的模态异构性、精细结构建模和计算成本问题,在Vaihingen和Potsdam数据集上以8.89M参数和2.29G FLOPs达到SOTA性能,代码已开源。
摘要:
高分辨率遥感语义分割在土地利用监测、城市规划和灾害响应中发挥着关键作用。然而,由于其数据模态的多样性、细尺度对象结构以及当前深度学习模型的高计算成本,其应用仍然面临诸多挑战。为了解决这些问题,我们提出了一种名为SPGSNet-S的语义提示与图卷积结构蒸馏框架。该框架是一种紧凑且高效的架构,它结合了多模态特征增强与双路径知识蒸馏(KD)技术。具体而言,我们设计了两个轻量级模块:辅助空间特征提取(ASFE)和红绿蓝(RGB)表示模块,用于去噪并 align 噪声较大的归一化数字表面模型(nDSM)特征与RGB图像,从而实现稳健的特征融合。此外,我们还引入了一种双蒸馏机制,包括基于图卷积的结构蒸馏(用于捕获和传递空间拓扑依赖关系)以及语义提示蒸馏(SPD,用于在无需外部文本监督的情况下动态生成和注入具有类别意识的视觉提示)。在Vaihingen和Potsdam数据集上的实验结果表明,SPGSNet-S 在参数数量仅为8.89百万个、浮点运算次数为2.29亿次(FLOPs)的情况下,性能优于多种现有最先进方法。源代码和实验结果可在以下链接公开获取:https://github.com/110-011/SPGSNet
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号