SCENet：一种基于语义一致性增强解码的跨尺度令牌方法，用于高分辨率遥感图像分割

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：SCENet: Semantic Consistency-Enhanced Decoding With Cross-Scale Tokens for High-Resolution Remote Sensing Image Segmentation

　　

摘要：

在复杂的城市场景中，高分辨率遥感图像的语义分割仍然面临诸多挑战。其中一个关键但常被忽视的问题是，在解码阶段的渐进式多尺度特征重建过程中会出现语义漂移和结构退化现象。由于浅层特征与深层特征在语义粒度上的巨大差异，无约束的渐进式上采样会导致解码后的特征逐渐偏离高层次的语义认知，从而导致边界模糊和小对象碎片化。为了解决这一问题，本文将解码过程建模为一个受深层语义锚定约束的语义重建过程，并提出了一种语义一致性增强网络（SCENet）。该方法通过语义令牌引导的查询-上下文对齐（STQCA）机制来稳定解码特征的语义方向，并利用语义重建模块（SRM）共同建模跨尺度语义差异和空间结构恢复，逐步重建高保真的空间结构的同时保持语义一致性。此外，还引入了跨解码阶段的语义一致性正则化约束（SCR），从内部表示的角度抑制语义漂移，而不会增加推理开销。广泛的实验结果表明，所提出的方法在多个高分辨率遥感数据集上显著提高了分割精度和边界质量。代码位于：https://github.com/eatsmallfish/SCENet。