摘要
遥感图像的语义分割在精准农业、环境保护和经济评估等领域中发挥着至关重要的作用。近年来，高分辨率遥感影像数据大量涌现，为语义分割提供了丰富的数据基础。然而，随着空间分辨率的提升，图像所包含的信息日益复杂，当前先进的深度学习算法通常采用复杂的网络结构进行分割，导致计算开销显著增加。具体而言，卷积神经网络（CNN）的高性能高度依赖于精细的空间细节（高分辨率）以及充分的上下文信息（大感受野），而这两者均会带来高昂的计算成本，严重制约了其在需要实时处理的实际应用场景中的可部署性与实用性。针对这一问题，本文提出了一种新型双分支卷积神经网络——注意力双边上下文网络（Attentive Bilateral Contextual Network, ABCNet）。该网络在保持与前沿方法相当甚至更优的分割精度的同时，显著降低了计算复杂度，具备更强的实际应用潜力。相关代码已开源，可访问 https://github.com/lironui/ABCNet 获取。