参数量减少40倍，推理速度提高6倍！UV-Mamba：结合变形卷积的网络如何克服SSM的内存问题？

主要观点总结

这篇文章介绍了一种名为UV-Mamba的新型神经网络模型，该模型结合了变形卷积和状态空间模型，用于在高分辨率遥感图像中精确检测城市村庄边界。UV-Mamba模型通过抑制图像大小增加带来的内存损失问题，提高了在城市村庄边界检测中的准确性。

关键观点总结

关键观点1: 新型神经网络模型UV-Mamba的介绍

UV-Mamba模型结合了变形卷积和状态空间模型，用于解决高分辨率遥感图像中城市村庄边界检测的挑战。

关键观点2: UV-Mamba模型的主要贡献

作者提出了UV-Mamba模型，该模型既保留了线性计算复杂性，又增强了全局建模能力；设计了一种可变形状态空间扩展（DSSA）模块，通过赋予感兴趣区域更大的权重，改善了状态空间模型在长时间序列建模中的内存损失问题。

关键观点3: 实验设置和结果

作者在北京和西安的数据集上进行了实验，结果显示UV-Mamba模型在城市村庄边界检测任务上取得了优越的性能，超过了基于CNN和基于Transformer的方法。此外，作者还进行了消融实验，以评估不同模块对模型性能的影响。

文章预览

↑ 点击 蓝字  关注极市平台 作者丨AI视界引擎 来源丨AI视界引擎 编辑丨极市平台 极市导读   这篇文章介绍了一种名为UV-Mamba的新型神经网络模型，该模型结合了变形卷积和状态空间模型，用于高分辨率遥感图像中精确检测城市村庄边界。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 由于多样的地理环境、复杂的景观和高密度的居民区，利用遥感图像自动识别城中村边界是一个极其具有挑战性的任务。在本论文中，作者提出了一种新的、高效的神经网络模型UV-Mamba，用于在高分辨率遥感图像中准确检测边界。 UV-Mamba通过结合变形卷积（DCN）来抑制状态空间模型（SSM）中图像大小增加而带来的内存损失问题。其结构采用了一个编码器-解码器框架，包括一个拥有四个可变形状态空间扩展（DSSA）块的编码器用于高效的 multi-level语义提取，以及 ………………………………