Mamba入局遥感图像分割!Samba: 首个基于SSM的遥感高分图像语义分割框架

AI最新资讯2个月前发布 tree
61 0 0

今日应用


今日话题


Mamba入局遥感图像分割!Samba: 首个基于SSM的遥感高分图像语义分割框架
Mamba入局遥感图像分割!Samba: 首个基于SSM的遥感高分图像语义分割框架
 

重点标签 遥感语义分割SambaMambaLoveDA

文章摘要


摘要:

本文介绍了一种名为Samba的高分辨率遥感图像语义分割框架。Samba基于状态空间模型(SSM),也称为Mamba,有效捕获全局语义信息,并在遥感图像处理中展示了其潜力。该框架超越了传统的CNN-based和ViT-based方法,为遥感语义分割任务提供了新的性能基准。

背景:

高分辨率遥感图像对传统语义分割方法构成挑战。CNN方法受限于感受野大小,而ViT在处理长序列时面临计算复杂度过高的问题。Samba框架的提出,旨在解决这些问题,首次将SSM应用于遥感图像语义分割任务。

动机:

遥感图像语义分割是遥感应用中的关键任务,通常采用CNN作为基础。然而,CNN在处理高分辨率图像时存在局限。ViT虽然具有全局注意力机制,但在遥感图像分割中仍面临挑战。Mamba作为一种新方法,展示了在处理长序列问题时的线性复杂度优势。

方法:

Samba采用编码器-解码器架构,其中Samba块作为编码器,UperNet作为解码器。Samba块通过Mamba和MLP的结合,有效提取多级语义信息。Mamba的核心状态空间模型通过线性常微分方程表示,避免了计算中的二次复杂性。

实验:

LoveDA数据集上的评估显示,Samba在未加载预训练参数的情况下,超越了当前最佳的CNN和ViT方法。Samba在mIoU指标上取得了最佳性能,证明了其在高分辨率遥感图像语义分割中的有效性。

总结:

Samba框架的提出,标志着Mamba在遥感图像语义分割领域的首次成功应用。通过在LoveDA数据集上的评估,Samba不仅超越了现有的CNN-based和ViT-based方法,还为基于Mamba的遥感图像分割任务设立了新的性能基准。

文章来源


原文地址: 点我阅读全文
原文作者: 极市平台

© 版权声明

相关文章

暂无评论

暂无评论...