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。

本文研究了在多模态学习框架中，利用噪声标签对语义分割模型进行预训练的潜力。通过交叉模态样本选择方法，确定噪声标签采样，并验证了该方法在遥感图像分割中的有效性。

深度学习在遥感图像分割和分类中起关键作用。本研究评估了五种交互式分割方法在航空影像数据集上的性能，发现SimpleClick模型表现最佳。研究还开发了名为RSISeg的在线工具，具有较强的交互性和适应性。