摘要
近期研究表明，卷积神经网络（Convolutional Neural Networks, CNNs）在卫星图像时序序列（Satellite Image Time-Series, SITS）的作物分割任务中取得了令人瞩目的成果。然而，随着Transformer架构在各类视觉任务中的兴起，人们开始关注其是否能够在SITS作物分割任务中超越CNNs。本文提出了一种针对SITS作物分割任务优化的基于Transformer的Swin UNETR模型改进版本。实验结果表明，该模型取得了显著进展，在慕尼黑（Munich）数据集上实现了96.14%的验证准确率和95.26%的测试准确率，显著优于此前最优结果（验证准确率为93.55%，测试准确率为92.94%）。此外，在伦巴第（Lombardia）数据集上的表现与UNet3D相当，且优于FPN和DeepLabV3。本研究的实验结果表明，该模型在保持较高精度的同时，所需训练时间显著少于CNNs，有望实现与CNNs相当或更优的准确率。这些发现充分展示了基于Transformer的架构在SITS作物分割任务中的巨大潜力，为遥感应用开辟了新的研究方向。