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

高分辨率遥感图像对于常用的语义分割方法，如卷积神经网络（CNN）和视觉Transformer（ViT）构成了挑战。基于CNN的方法由于有限的感受野而难以处理这种高分辨率图像，而ViT则面临处理长序列的挑战。受Mamba的启发，Mamba采用状态空间模型（SSM）来有效捕捉全局语义信息，我们提出了一个名为Samba的高分辨率遥感图像语义分割框架。Samba采用编码器-解码器架构，其中Samba块作为编码器，用于高效的多级语义信息提取，而UperNet则作为解码器。我们在LoveDA数据集上评估了Samba，将其性能与表现最佳的CNN和ViT方法进行了比较。结果显示，Samba在LoveDA上取得了无与伦比的性能。这表明所提出的Samba是在遥感图像的语义分割中应用SSM的有效方法，在这个特定的应用中为基于Mamba技术的技术设定了新的性能基准。源代码和基线实现可在https://github.com/zhuqinfeng1999/Samba获得。

本论文旨在解决高分辨率遥感图像语义分割中CNN和ViT等方法所遇到的挑战，提出了一种名为Samba的语义分割框架，采用状态空间模型（SSM）来捕捉全局语义信息。

Samba框架采用编码器-解码器结构，使用Samba块作为编码器，以有效地提取多级语义信息，使用UperNet作为解码器。该论文的关键思路是采用状态空间模型来捕捉全局语义信息，解决高分辨率遥感图像语义分割中CNN和ViT等方法所遇到的挑战。

论文在LoveDA数据集上对Samba进行了评估，并将其性能与CNN和ViT等方法进行了比较。结果表明，Samba在LoveDA上取得了前所未有的性能。该论文提出的Samba框架是状态空间模型在遥感图像语义分割中的有效应用，为基于Mamba的技术在这一特定应用领域中设立了新的性能基准。论文提供了源代码和基准实现，可在https://github.com/zhuqinfeng1999/Samba上获取。

在这个领域中，最近的相关研究包括：1）Mamba：一种采用状态空间模型的高分辨率遥感图像语义分割方法；2）Vision Transformer（ViT）：一种用于图像分类和语义分割的新型神经网络架构；3）UperNet：一种用于遥感图像语义分割的解码器。