Key points are not available for this paper at this time.
원격 탐사 이미지 분류는 다양한 이해 작업의 기초를 형성하며, 원격 탐사 이미지 해석에서 중요한 기능을 수행합니다. 최근 컨볼루션 신경망(CNN) 및 변환기(Transformers)의 발전은 분류 정확도를 현저하게 향상시켰습니다. 그럼에도 불구하고 원격 탐사 장면 분류는 여전히 중요한 도전 과제이며, 특히 원격 탐사 시나리오의 복잡성과 다양성 및 시공간 해상도의 변동성으로 인해 더욱 그렇습니다. 전체 이미지 이해의 능력은 장면 분별을 위한 보다 정밀한 의미 단서를 제공할 수 있습니다. 본 논문에서는 원격 탐사 이미지 분류를 위한 새로운 구조인 RSMamba를 소개합니다. RSMamba는 상태공간모델(SSM)을 기반으로 하며, Mamba로 알려진 효율적이고 하드웨어 인식 설계를 포함하고 있습니다. 이는 글로벌 접수 필드와 선형 모델링 복잡성의 장점을 통합합니다. 인과적 시퀀스만 모델링할 수 있고 2차원 이미지 데이터에 적응할 수 없는 기본 Mamba의 한계를 극복하기 위해, 우리는 Mamba의 비인과적 데이터를 모델링하는 능력을 증대시키기 위한 동적 다중 경로 활성화 메커니즘을 제안합니다. 특히 RSMamba는 기본 Mamba의 고유한 모델링 메커니즘을 유지하면서도 여러 원격 탐사 이미지 분류 데이터셋에서 우수한 성능을 보입니다. 이는 RSMamba가 향후 비주얼 기초 모델의 중추 역할을 할 잠재력이 크다는 것을 나타냅니다. 코드는 https://github.com/KyanChen/RSMamba에서 이용할 수 있습니다.
Chen et al. (Thu,)은 이 질문을 연구했습니다.