リモートセンシング画像は通常、複雑な背景、スケールや向きの変動、およびクラス内の大きな変異を特徴としています。一般的なセマンティックセグメンテーション手法はこれらの問題を十分に調査できないため、リモートセンシング画像のセグメンテーションにおける性能が制限されます。本論文では、LOGCAN++というリモートセンシング画像向けにカスタマイズされたセマンティックセグメンテーションモデルを提案します。このモデルは、Global Class Awareness (GCA) モジュールと複数の Local Class Awareness (LCA) モジュールで構成されています。GCA モジュールはクラスレベルのコンテクストモデリングのために全体的な表現を捉え、背景ノイズの干渉を軽減します。LCA モジュールは中間的な知覚要素として局所クラス表現を生成し、ピクセルを間接的に全体的なクラス表現と関連付けることで、クラス内の大きな変異問題に対処することを目指しています。特に、LCA モジュールにおいてアフィン変換を導入し、局所クラス表現の適応的な抽出を行い、リモートセンシング画像におけるスケールや向きの変動に対して効果的に対処できるようにしています。3つのベンチマークデータセットでの広範な実験結果から、我々の LOGCAN++ は現在主流となっている一般的なセマンティックセグメンテーション手法やリモートセンシング用セマンティックセグメンテーション手法よりも優れた性能を示し、速度と精度のバランスもより良いことが確認されました。コードは https://github.com/xwmaxwma/rssegmentation で公開されています。