Samba采用编码器-解码器架构, 以Samba块作为编码器,有效提取多级语义信息 以UperNet作为解码器。 在LoveDA数据集上评估了Samba,并将其性能与顶尖的CNN和ViT方法进行了比较。结果显示,Samba在LoveDA上取得了无与伦比的性能。 背景 高分辨率图像处理的挑战:传统的CNN方法在处理高分辨率遥感图像时受限于其有限的感受野,...
编码器网络的体系结构在拓扑上与VGG16网络中的13个卷积层相同[1]。解码器网络的作用是将低分辨率编码器特征映射映射到用于像素分类的全输入分辨率特征映射。 SegNet的新颖之处在于解码器对其较低分辨率输入特征图进行上采样的方式。具体地,解码器使用在相应编码器的最大池化步骤中计算的池化索引来执行非线性上...