CM-UNet: 利用Mamba架构的高效全局上下文建模进行图像语义分割

文章预览

前言   由于图像规模大和目标变化多样，当前的基于卷积神经网络（CNN）和基 于Transformer的遥感图像语义分割方法在捕捉长距离依赖性方面存在不足，或者受限于复杂的计算复杂性。 在本文中，作者提出了CM-UNet，它包括一个基于CNN的编码器用于提取局部图像特征，以及一个基于 Mamba 的解码器用于聚集和整合全局信息，从而促进遥感图像的有效语义分割。具体来说，引入了CSMamba块来构建核心分割解码器，该块采用通道和空间注意力作为普通Mamba的门控激活条件，以增强特征交互和全局-局部信息融合。此外，为了进一步细化CNN编码器输出的特征，采用了一个多尺度注意力聚合（MSAA）模块来合并不同尺度的特征。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上 ………………………………