本文提出了一个基于深度学习的区域合并方法 - DeepMerge，用于处理大面积 VHR 图像的分割。通过集成 Transformer、多级嵌入模块、基于分割的特征嵌入模块和区域邻接图模型，以及改进的二叉树采样方法生成深度合并模型的多级输入。实验结果表明，DeepMerge 在定量和定性评估方面优于其他分割方法，具有最高的 F 值（0.9446）和最低的 TE（0.0962）和 ED2（0.8989），能够正确地分割不同大小的对象。

本文介绍了一种基于深度学习的区域合并方法DeepMerge，用于处理大面积VHR图像的分割。该方法通过集成Transformer、多级嵌入模块、基于分割的特征嵌入模块和区域邻接图模型来处理问题，并使用改进的二叉树采样方法生成深度合并模型的多级输入。实验结果表明，DeepMerge具有最高的F值（0.9446），最低的TE（0.0962）和ED2（0.8989），能够正确地分割不同大小的对象，并且在定量和定性评估方面优于其他分割方法。