FFDMamba:一种用于高分辨率遥感语义分割的特征频率解耦方法
《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:FFDMamba: Feature Frequency Decoupling Mamba for High-Resolution Remote Sensing Semantic Segmentation
【字体:
大
中
小
】
时间:2026年04月07日
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 5.4
编辑推荐:
摘要:高分辨率遥感图像分割在城市规划、灾害管理和环境监测等应用中至关重要。然而,由于需要在保持细节的同时理解更广泛的背景信息,实现高精度仍然具有挑战性。虽然卷积神经网络(CNN)在捕捉局部细节方面表现出色,但在处理全局背景信息时存在困难。新兴的Mamba(视觉状态空间模型)架构
摘要:
高分辨率遥感图像分割在城市规划、灾害管理和环境监测等应用中至关重要。然而,由于需要在保持细节的同时理解更广泛的背景信息,实现高精度仍然具有挑战性。虽然卷积神经网络(CNN)在捕捉局部细节方面表现出色,但在处理全局背景信息时存在困难。新兴的Mamba(视觉状态空间模型)架构由于其线性特性更适合建模长距离依赖关系;然而,它倾向于强调低频成分,这可能会影响边缘和纹理的清晰度。为了最大化CNN和Mamba之间的协同效应,我们提出了一种名为“特征频率解耦Mamba”(FFDMamba)的新框架。该方法结合了两个组件:特征频率解耦模块(FFDM)和改进的并行注意力门(PAG)模块。FFDM模块将特征分为不同的频率带,使网络能够利用Mamba有效建模低频背景信息,同时保留高频细节。改进的PAG模块通过像素级注意力控制来优化编码器-解码器的跳过连接,有选择地强调重要特征,从而增强多尺度特征融合,并减少解码过程中的空间细节损失。在高分辨率遥感数据集上的实验结果表明,FFDMamba在分割精度和计算复杂性之间实现了更好的平衡。与现有技术相比,我们的方法在资源开销可控的情况下显著提升了性能,证明了其在高精度遥感解释中的有效性和实际价值。
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