终检评审通过 创新训练 520计算机科学技术 其他国家级

超高分辨率遥感图像的语义分割在自动驾驶、土地覆盖分类、城市规划等多个应用场景中发挥着重要作用。然而，超高分辨率遥感图像中包含的大量图像细节严重限制了现有深度学习方法的潜力。更严重的，复杂的地物类别在尺度、颜色、纹理上的多样性，使得现有的语义分割模型的表达能力远远不能满足建模需求，常常导致相邻地物和相似类别的混淆。这类问题的解决是计算机视觉及遥感领域十分具有挑战和研究前景的热点方向，为大场景的地物类别分析和决策奠定了基础。 本课题前期已开展联合调研与讨论，主要研究基于最新的自注意力机制模型Transformer 与深度神经网络相结合，应用于遥感图像语义分割，实现高分辨率遥感图像的地表覆盖分类。通过改进现有算法提高遥感图像语义分割方法在精度和速度上的平衡，从而更加高效的完成高分辨率遥感图像地表覆盖分类任务；同时基于移动端部署的需求，实现模型的轻量化，使其可以在边缘设备上搭载，更灵活地适应各类实际应用场景的需求。