摘要
海洋图像的语义分割面临诸多挑战，原因在于大面积同质区域（如海洋和陆地）与小而稀疏分布的船舶目标共存，尤其是在复杂的港口环境中。此外，强烈的背景主导性和复杂的边界结构往往导致传统分割框架出现漏检和船舶轮廓划分不准确的问题。针对这些挑战，本文提出了DGDE-CSFNet，一种专门为海—陆—船分割设计的差异引导双分支跨融合网络与跨尺度特征融合网络。该网络采用双分支编码器，其中卷积骨干网络与Transformer骨干网络并行工作，分别捕获局部空间结构和长程上下文依赖关系。为充分利用二者的互补特性，编码阶段引入了层次化差异引导注意力（HDGA）模块。通过显式刻画分支间的不一致性，该模块选择性地增强对于准确感知小目标至关重要的判别性响应。解码器进一步采用多级跨尺度融合（MCSF）来聚合多分辨率特征，实现浅层空间细节与深层语义表示之间的有效交互。该设计在抑制背景干扰的同时，提升了边界定位精度和结构一致性，并保留了微妙的船舶细节。在ISDSD和HRSC2016-SL数据集上的实验结果表明，本文方法相比现有最先进方法取得了稳定的性能提升。
