LEFormer：一种用于从遥感图像中准确提取湖泊的混合卷积神经网络 - Transformer 架构
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种名为 LEFormer 的混合卷积神经网络 - 变换器架构，用于准确提取湖泊。LEFormer 包含 CNN 编码器、变换器编码器、交叉编码器融合和轻量级解码器四个主要模块，通过这种架构在两个数据集上实现了先进的性能和效率，优于现有方法。
本文介绍了一种基于Transformer框架的半监督方法TreeFormer，通过金字塔表示模块、特征融合和树密度回归模块建立多尺度特征表示，通过图像解码器实现对树的数量统计和密度估计，降低了标注成本。实验结果表明，该方法在三个数据集上超越了当前半监督方法的水平，并且使用相同数量的标注图像超越了全监督方法。
