BriefGPT - AI 论文速递
·
利用分段任意模型在卫星影像中识别难民营内的建筑物（SAM4Refugee）用于人道主义行动
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
由于高分辨率遥感卫星的发展，遥感研究获得便利。研究者提出了适应性修改的预训练模型 RSAM-Seg，用于遥感图像分割。实验证明，RSAM-Seg 在云、建筑物、场地和道路场景中优于 SAM 和 U-Net，并具有处理有限数据集的潜力。
🎯
关键要点
- 高分辨率遥感卫星的发展为遥感研究提供了便利。
- SAM 是一种用于图像分割的普适预训练模型，但在遥感图像分割中效果不佳。
- 提出了 RSAM-Seg，基于 SAM 进行适应性修改，消除了对手动干预的需求。
- RSAM-Seg 在多头注意力块中引入了 Adapter-Scale 和 Adapter-Feature 模块，增强了图像信息的融合。
- RSAM-Seg 在云检测、场地监测、建筑物检测和道路制图等四个遥感场景中表现优于 SAM 和 U-Net。
- RSAM-Seg 作为辅助注释方法，能够识别数据集真实值中的缺失区域。
- 在少样本情况下，RSAM-Seg 的表现突出，显示出处理有限数据集的潜力。
➡️
