Jul, 2023

TreeFormer：一个基于半监督 Transformer 框架的单幅高分辨率图像树木计数方法

PDF
TL;DR本文提出了一种半监督的基于 Transformer 框架的 TreeFormer 方法，通过采用金字塔表示模块、上下文关注的特征融合和树密度回归模块来建立多尺度特征表示，进而通过图像解码器实现对树的数量统计和密度估计，降低了树的标注成本，通过在训练过程中使用未标注的图像和局部树密度的连贯性损失和局部树计数排名损失，使用 Tree counter 令牌规范网络可以计算标注和未标注图像的全局树计数，在 Jiangsu、Yosemite 和 KCL-London 数据集上进行实验，结果表明该方法超越了当前半监督方法的最新水平，并且使用相同数量的标注图像超越了全监督方法。
tree densityremote sensingtransformer-based frameworksemisupervised learningpyramid learning strategy
发现论文，激发创造
  • DUFormer：航拍图像中电力线路分割的一种新型架构

    该论文提出了一种用于航空图像中的电力线检测的语义分割算法 DUFormer，该算法采用具有强归纳偏差的卷积神经网络，以及一个重量级令牌编码器，负责重叠特征再挖掘和标记化，结果显示该算法在公开可用的 TTPLA 数据集上的电力线分割任务中达到了最先进水平的表现。

    Apr, 2023

  • AerialFormer：针对航拍图像分割的多分辨率 Transformer

    本文提出了 AerialFormer 方法，该方法融合 Transformers 和轻量级 MD-CNNs，并应用于航空影像分割领域。在 iSAID、LoveDA 和 Potsdam 三个数据集上进行了广泛的实验研究，结果表明该方法比之前的最先进方法表现更卓越。

    Jun, 2023

  • CountFormer：多视角人群计数变换器

    提出了一种简洁的三维多视图计数（MVC）框架 CountFormer，能够将多视图图像级特征提升到场景级体积表示，并基于体积特征估计三维密度图，通过引入相机编码策略，CountFormer 成功地将相机参数嵌入体积查询和图像级特征中，使其能够处理具有显著差异的各种相机布局。同时，借助注意机制的特征修正模块将图像级特征转换为每个相机视图的三维体积表示，然后，多视图体积聚合模块以注意力的方式聚合各种多视图体积，创建综合的场景级体积表示，CountFormer 能够处理任意动态相机布局下采集的图像，该方法在各种广泛使用的数据集上表现优于现有方法，显示出与传统 MVC 框架相比，在真实世界应用方面更加合适。

    Jul, 2024

  • RoadFormer：RGB-Normal 语义道路场景解析的双工变换器

    RoadFormer 是一种基于 Transformer 的数据融合网络，可以精确预测道路场景解析中的语义内容。

    Sep, 2023

  • VoxFormer：基于摄像机的稀疏体素变换器用于三维语义场景完成

    本论文提出了一种基于 Transformer 的场景语义补全框架 VoxFormer，可以从 2D 图像中输出完整的 3D 体素语义，并在测试中获得了相对 20% 的几何和 18.1% 的语义方面的提升。

    Feb, 2023

  • LEFormer：一种用于从遥感图像中准确提取湖泊的混合卷积神经网络 - Transformer 架构

    提出了一种名为 LEFormer 的混合卷积神经网络 - 变换器架构，用于准确提取湖泊。LEFormer 包含 CNN 编码器、变换器编码器、交叉编码器融合和轻量级解码器四个主要模块，通过这种架构在两个数据集上实现了先进的性能和效率，优于现有方法。

    Aug, 2023

  • S3Former：自监督高分辨率 Transformer 用于太阳能光伏建模

    随着气候变化的影响不断升级，全球转向可持续能源的必要性日益显现。我們引入了 S3Former，旨在通过遥感影像分割太阳能光伏板，并提供关键的尺寸和位置信息，用于分析这类装置对电网的影响。

    May, 2024

  • TopFormer：移动语义分割的 Token 金字塔 Transformer

    本研究提出了一种名为 TopFormer 的移动友好的架构，该架构以不同尺度的 Token 作为输入，产生具有尺度感知的语义特征，并将这些特征注入到相应的 Token 中以增强表示能力，该方法在多个语义分割数据集上明显优于 CNN 和 ViT 网络，并在 ARM 移动设备上以较低的延迟实现了比 MobileNetV3 更高的平均交并比精度，同时，TopFormer 的微型版本可以在 ARM 移动设备上实现实时推断。

    Apr, 2022

  • SolarFormer: 面向太阳能光伏数据特征加工的多尺度 Transformer

    全球气候变化加剧，将转向可持续能源的必要性日益突出。本文介绍了一种用于航拍图像中太阳能电池板分割的 SolarFormer，并通过多尺度 Transformer 编码器和自注意力 Transformer 解码器解决了诸多复杂性，改进了太阳能电池板定位。通过在不同 GSD 的多个数据集上进行广泛实验，我们严谨地评估了 SolarFormer 模型，结果表明其在全球可持续能源倡议中提供了改进的太阳能电池板分割性能。

    Oct, 2023

  • P2PFormer：一种从遥感影像中提取规则建筑轮廓的点 - 多边形方法

    从遥感图像中提取建筑轮廓是一个重要的挑战，本文介绍了一种新的流线型流程以无需后处理生成规则的建筑轮廓，使用分割通用几何图元并预测它们的顺序，在此基础上，开发了一个利用 Transformer 架构的 P2PFormer，通过引入群体查询的独特表示方法，结合创新的内隐更新策略，提高了图元分割的质量，实验证明 P2PFormer 在多个数据集上表现优于先前的方法。

    Jun, 2024