English(EN) SFR-Net: Learning Scale-Frustum Representations for Ultra-Wide Area Remote Sensing Image Segmentation

新SFR-Net改进遥感图像分割

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-25 11:45

研究人员推出SFR-Net，一种用于分割超宽幅遥感图像的新型网络。这种新方法解决了处理不同尺度物体以及在不同高度捕获的图像中保持长距离上下文连续性的挑战。SFR-Net利用尺度视锥表示和级联跨尺度融合机制，提高了分割精度和收敛速度，在基准数据集上取得了最先进的性能。 AI

影响这项研究为遥感图像分割引入了一种新颖的方法，有望提高分析大规模地理数据的准确性和效率。

排序理由该集群包含一篇详细介绍新模型及其在基准数据集上性能的研究论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.CV TIER_1 English(EN) · Chuyu Zhong, Keyan Chen, Qinzhe Yang, Bowen Chen, Zhengxia Zou, Zhenwei Shi · 2026-05-26 04:00

SFR-Net：学习尺度视锥表示用于超宽幅遥感图像分割

arXiv:2605.25737v1 Announce Type: new Abstract: Pixel count and geographical coverage are two key characteristics of remote sensing images. Existing remote sensing image segmentation methods typically focus on images with either a small pixel count or a large pixel count but limi…
arXiv cs.CV TIER_1 English(EN) · Zhenwei Shi · 2026-05-25 11:45

SFR-Net：为超宽幅遥感图像分割学习尺度视锥表示

Pixel count and geographical coverage are two key characteristics of remote sensing images. Existing remote sensing image segmentation methods typically focus on images with either a small pixel count or a large pixel count but limited geographical coverage. In this paper, we int…