SAN: Scale-Aware Network for Semantic Segmentation of High-Resolution Aerial Images
高分辨率航空图像具有广泛的应用，如军事探索和城市规划。语义分割是高分辨率航空图像分析中广泛使用的一种基本方法。然而，高分辨率航空影像地物具有尺度不一致的特征，这一特征往往会导致预测结果的不确定性。为了解决这个问题，我们提出了一个新的尺度感知模块(SAM)。在SAM中，我们采用了重采样的方法，目的是让像素调整它们的位置以适应不同尺度的地物，并通过使用重采样的地图作为加权地图来隐含地引入空间注意。因此，采用该模块的网络具有较强的地物识别能力，且地物的尺度不一致。除此之外，我们提出的模块可以很容易地嵌入到大多数现有网络中，以提高它们的性能。我们评估了国际摄影测量和遥感Vaihingen数据集的模块，实验结果和综合分析证明了我们提出的模块的有效性。
