2024王炸组合!基于Mamba的遥感图像处理引爆顶会!

对比传统方法,基于Mamba的遥感图像处理在计算效率和分析精度方面遥遥领先,Mamba+遥感也成为了论文研究的新方向。

具体来说,在融合高分辨率的空间图像和低分辨率的光谱图像获取综合信息方面,Mamba可以提升性能,同时保持数据处理的效率。在降维、去噪、特征提取和大规模数据集处理等方面,Mamba通过优化计算资源使用,提高遥感数据分析的准确性和速度。

以北京航空航天大学发布RSMamba为例:

RSMamba是一种用于遥感图像分类的高效状态空间模型,它基于Mamba,并引入了动态多路径激活机制以提升性能,能够有效地捕捉遥感图像中的全局依赖关系,具有广泛的应用潜力。

RSMamba模型在不同版本下展现了优异的性能,在UC Merced数据集上,RSMamba-H(巨大版)达到了95.47%的准确率。

本文分享2024最新11种Mamba+遥感创新方案,代码已开源,论文可参考创新点做了简单分析,具体工作细节可阅读原文。

论文原文以及开源代码需要的同学看文末

Samba: Semantic Segmentation of Remotely Sensed Images with State Space Model

方法:论文介绍了Samba,这是一种新颖的语义分割框架,构建在Mamba之上,专门用于高分辨率遥感图像的分割,标志着Mamba首次在该领域中的应用。

创新点:

  • 提出了Samba架构,首次将Mamba架构引入到遥感图像分割中。Samba架构利用了Mamba的编码器-解码器结构,通过Samba块作为编码器来高效提取多层次的语义信息,并通过UperNet作为解码器进行逐步上采样以产生分割结果。

  • Samba在常用的遥感数据集上实现了卓越的性能,成为Mamba架构在这一特定应用中性能的新基准。

  • 由于Mamba架构在处理长序列方面表现优异,因此在多通道数据(如高光谱数据)的语义分割中应用Mamba架构是有价值的探索方向之一。

RS-Mamba for Large Remote Sensing Image Dense Prediction

方法:论文提出了一种基于状态空间模型的Remote Sensing Mamba(RSM)方法。该方法利用SSM的全局建模能力和线性复杂度,可以处理大尺寸VHR遥感图像,提取全局上下文信息。同时,引入全方向选择性扫描模块OSSM,可以从多个方向提取大尺寸空间特征,有效完成密集预测任务。

创新点:

  • RSM用于处理极高分辨率(VHR)遥感图像中的密集预测任务。

  • RSM利用具有线性复杂度的状态空间模型(SSM)来处理大型VHR遥感图像,无需进行图像块分割。

  • RSM整合了全方向选择性扫描模块(OSSM),以从多个方向提取VHR遥感图像中的大型空间特征。

  • RSM在语义分割和变化检测任务中实现了最先进的性能,超越了基于CNN的模型和基于Transformer的模型。

Pan-Mamba: Effective pan-sharpening with State Space Model

方法:论文引入了一种新颖的全色锐化网络Pan Mamba,通过借鉴状态空间模型的思想。该网络包含了Mamba块、通道交换Mamba块和跨模态Mamba块,实现了高效的全局特征提取和跨模态信息交换。

创新点:

  • 首次尝试将Mamba模型引入到全色增强领域,并提出了一种新颖的全色增强网络。这种方法有助于有效的远程信息建模和跨模态信息交互。

  • 定制了通道交换Mamba块和跨模态Mamba块,实现了跨模态信息的有效交换和融合。

RS3Mamba: Visual State Space Model for Remote Sensing Images Semantic Segmentation

方法:论文介绍了一种新的遥感图像语义分割网络RS3Mamba,用于解决卷积神经网络(CNNs)和Transformer在遥感图像语义分割中存在的一些问题。CNNs在长距离建模能力不足,而Transformer的计算复杂度较高。该研究利用Visual State Space(VSS)模型构建了一个辅助分支,通过Collaborative Completion Module(CCM)增强并融合来自双编码器的特征。

创新点:

  • 引入VSS辅助分支:通过使用VSS块构建辅助分支,RS3Mamba将全局信息引入到基于卷积的主分支中,从而提供额外的全局感知信息。

  • 引入协同补全模块(CCM):考虑到主分支和辅助分支的不同特点,作者引入了CCM模块来增强和融合双编码器的特征。CCM模块能够从全局和局部的角度分别增强特征,然后通过逐元素相加进行融合。

关注下方《学姐带你玩AI》🚀🚀🚀

回复“曼巴遥感”获取全部论文+代码

码字不易,欢迎大家点赞评论收藏

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/585248.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【Harmony3.1/4.0】笔记七-选项卡布局

概念 当页面信息较多时,为了让用户能够聚焦于当前显示的内容,需要对页面内容进行分类,提高页面空间利用率。Tabs组件可以在一个页面内快速实现视图内容的切换,一方面提升查找信息的效率,另一方面精简用户单次获取到的…

MySQL CRUD操作

前言👀~ 上一章我们介绍了数据库的一些基础操作,关于如何去创建一个数据库,还有使用数据库,删 除数据库以及对表进行的一些基础操作,今天我们学习CRUD操作 俗称(增删改查) 如果各位对文章的内…

Objenesis 底层

Objenesis 简介 Objenesis 是一个 Java 库,用于在不调用构造方法的情况下创建对象。由于绕过了构造方法,所以无法调用构造方法中的初始化逻辑。相应的,Objenesis 无法创建抽象类、枚举、接口的实例对象。 起源 与其称之为起源,…

基于ST的STM32F407ZGT6嵌入式uCOS-III V3.08 操作系统工程实验

1.基于的开发板 2.原理图截图: 3.主控芯片框图与性能特点: High-performance foundation line, Arm Cortex-M4 core with DSP and FPU, 1 Mbyte of Flash memory, 168 MHz CPU, ART Accelerator, Ethernet, FSMC The STM32F405xx and STM32F407xx family is based on the high…

多家企业机密数据遭Lockbit3.0窃取,亚信安全发布《勒索家族和勒索事件监控报告》

本周态势快速感知 本周全球共监测到勒索事件87起,与上周相比勒索事件大幅下降。美国依旧为受勒索攻击最严重的国家,占比45%。 本周Cactus是影响最严重的勒索家族,Lockbit3.0和Bianlian恶意家族紧随其后,从整体上看Lockbit3.0依旧…

Meltdown 以及Linux KPTI技术简介

文章目录 前言一、Introduction二、 Background2.1 Out-of-order execution2.2 Address Spaces2.3 Cache Attacks 三、A Toy Example四、Building Blocks of the Attack4.1 Executing Transient Instructions4.2 Building a Covert Channel 五、Meltdown5.1 Attack Description…

深度学习之视觉特征提取器——LeNet

LeNet 引入 LeNet是是由深度学习巨头Yann LeCun在1998年提出,可以算作多层卷积网络在图像识别领域的首次成功应用。我们现在通常说的LeNet是指LeNet-5,最早的LeNet-1在1988年即开始研究,前后持续十年之久。但是,受限于当时计算机…

c++初阶——类和对象(下)

大家好,我是小锋,今天我们来学习我们类和对象的最后一个章节,我们本期的内容主要是类和对象的一些细节进行讲解 再谈构造函数 我们在初始化时有两种方式一种是函数体内初始化,一种是初始化列表 我们先来看看日期类的初始化 构造…

[机缘参悟-166] :周期论:万物的周期现象是这个世界有序性和稳定性保障;超越周期:在轮回中,把握周期节奏。

目录 前言:超越周期 一、周期是大自然和宇宙的规律,是天道 1.1 概述 1.2 万物的周期规律的现象 1.3 电磁波的周期 二、计算机世界中的周期性 三、佛家的生命轮回规律 四、人类社会发展的周期规律 五、经济活动的周期规律 5.1 概述 5.2 股市的…

Ieetcode——21.合并两个有序链表

21. 合并两个有序链表 - 力扣(LeetCode) 合并两个有序链表我们的思路是创建一个新链表,然后遍历已知的两个有序链表,并比较其节点的val值,将小的尾插到新链表中,然后继续遍历,直到将该两个链表…

C语言实验-函数与模块化程序设计

一: 编写函数fun,其功能是:输入一个正整数,将其每一位上为偶数的数取出重新构成一个新数并输出。主函数负责输入输出,如输入87653142,则输出8642。(main函数->fun函数) #define _…

【代码问题】【Pytorch】训练模型时Loss为NaN或INF

解决方法或者问题排查: 加归一化层: 我的问题是我新增的一个模块与原来的模块得到的张量相加,原张量是归一化后的,我的没有: class Module(nn.Module):def __init__(self,dim,):super().__init__()# 新增一个LayerNo…

节假日如何快速回应客户消息?

在宝贵的休闲时光或者特殊的节日期间,有时候由于工作、家庭等原因,我们很难及时回应客户的消息。那么如何在忙碌之时,如何确保与他人的交流畅通无阻呢?答案就是使用微信私域流量管理系统。 01 机器人自动回复设置 机器人自动回…

酷我音乐车机版+v6.0.1.0车机共存会员版【附带安装包下载地址】

简介 很多车机的酷我音乐app有限制,不能完全使用酷我音乐的所有功能。我这里分享一个可以使用全部功能的酷我音乐app,大家可以自行下载。 界面预览 软件下载地址【转存到自己的网盘后即可下载】 网盘地址:https://pan.xunlei.com/s/VNwgzNV…

Redis的事务机制能保证ACID属性吗?

目录 事务 ACID 属性 用户如何开启Redis的事务? 使用redis-cli客户端来展示 ​Go语言编码使用事务 Redis 的事务机制能保证哪些属性? 1. 原子性 语法错误 运行错误 执行EXEC时,Redis发生故障 Redis对事务原子性属性的保证情况 2. 一…

idm下载速度慢解决办法 idm批量下载怎么用 idm优化下载速度 Internet Download Manager解决下载速度慢的方法教程

IDM (Internet Download Manager)是一款兼容性大,支持多种语言的下载管理软件,它可以自动检测并下载网页上的内容,这正是这一优点,使得它受到了广大用户的喜爱。但是在下载的过程中,我们会遇到idm下载速度慢怎么回事&a…

深度学习系列66:试穿模型IDM-VTON上手

1. 模型概述 如图,总体流程为: 输入为:衣服的编码xg;人物noise的编码xt;人物身上衣物的mask和人体pose分割(densepose);衣服部分经过两部分网络:1)高级语义网络IP-Adapter&#xff…

假设检验随想

⭐️ 前言 你会吵架吗?你会用数学吵架吗,不会的话就过来看看吧,哈哈 西方人发明了现代意义上的概率论,于是就想把它推广到生产和生活中。借助一大堆的概率论中的概念,他们发明了假设检验,想利用有限的数据…

Cloudflare高级防御规则 看看我的网站如何用防御的

网站已趋于稳定,并且经过nginx调优。我想先分享一下Cloudflare的WAF规则,因为这是最有效的防御之一,可以抵御大量恶意攻击流量,我已经验证了数月。 对于海外独立站电商网站,Cloudflare的CDN服务是首选,它强…

基于SpringBoot的“在线BLOG网”的设计与实现(源码+数据库+文档+PPT)

基于SpringBoot的“在线BLOG网”的设计与实现(源码数据库文档PPT) 开发语言:Java 数据库:MySQL 技术:SpringBoot 工具:IDEA/Ecilpse、Navicat、Maven 系统展示 在线BLOG网结构功能图 管理员登录功能界面 用户信息…
最新文章