2024年 · 地表最强的十大遥感影像分割模型

最新最强的十大遥感影像分割模型

在遥感影像分析领域，分割技术是理解图像内容、提取有用信息的关键步骤。随着深度学习技术的快速发展，遥感影像分割领域涌现出了许多创新模型。以下是2024年最新最强的十大遥感影像分割模型，它们在精度、效率和应用领域上均展现出卓越的性能。

在线体验

1. EfficientPS：高效高精度全景分割算法

EfficientPS是目前排名第一的高效高精度全景分割算法，在Cityscapes、KITTI、Mapillary Vistas、IDD四大数据集的测评精度中全部位于榜首。全景分割（Panoptic Segmentation）即同时实现对背景的语义分割和前景的实例分割，是图像分割领域的新趋势。EfficientPS的设计目标是在计算效率高的同时，实现比之前的最先进模型更优越的性能。

2. EfficientSAM：快速分割一切

EfficientSAM由Meta提出，以5/5/5满分收录于CVPR 2024。该方法利用SAM的掩码图像预训练（SAMI），通过MAE预训练方法和SAM模型实现，以获得高质量的预训练ViT编码器。这种方法降低了SAM的复杂性，同时能够保持良好的性能。具体来说，SAMI利用SAM编码器ViT-H生成特征嵌入，并用轻量级编码器训练掩码图像模型，从而从SAM的ViT-H而不是图像补丁重建特征。

论文链接：EfficientSAM

代码链接：EfficientSAM Code

3. Text2Seg：基于多个大模型的遥感图像分割pipline

Text2Seg是一个利用多个基础模型的pipline，以文本提示为指导进行遥感图像语义分割任务。该流水线在几个广泛使用的遥感数据集上进行了基准测试，并呈现初步结果以证明其有效性。

论文链接：Text2Seg

代码链接：Text2Seg Code

4. Samba：基于SSM的遥感高分图像语义分割框架

Samba是一种基于状态空间模型的遥感图像语义分割方法。该工作提出了高分辨率遥感图像的语义分割框架Samba，性能指标均超越了CNN-based和ViT-based方法，证明了Samba在遥感高分图像中作为新一代backbone的潜力。

论文链接：Samba

代码链接：Samba Code

Samba: Semantic segmentation of remotely sensed images with state space model - ScienceDirect

5. RSAM-Seg：基于SAM和遥感先验信息的分割模型

RSAM-Seg是SAM在遥感领域的定制修改，并消除了提供提示的手动干预需求。在SAM的编码器部分的多头注意力块中提出了一组补充的缩放模块，称为Adapter-Scale。此外，在Vision Transformer（ViT）块之间插入了Adapter-Feature。这些模块旨在结合高频图像信息和图像嵌入特征，以生成图像信息提示。

论文链接：RSAM-Seg

代码链接：RSAM-Seg Code

以上模型代表了遥感影像分割领域的最新进展，它们不仅在技术上具有创新性，而且在实际应用中展现出强大的性能。随着技术的不断进步，这些模型有望在遥感影像分析领域发挥更大的作用。