MTU-Net: Un Transformer U-Net Multiperspectivo con Embedding de Atenciones Espaciales y de Canal del Índice de Agua para la Extracción de Pequeños Cuerpos de Agua a partir de Imágenes de PlanetScope

El aprendizaje profundo se ha utilizado ampliamente en el mapeo de pequeños cuerpos de agua (SWBs) con imágenes de PlanetScope de muy alta resolución. Las redes neuronales convolucionales tradicionales (CNN) y las redes híbridas de Transformer, que dependen de parches a escala única para la incrustación de características en cada etapa, a menudo introducen artefactos en los límites de las características y comprometen su integridad estructural. Además, los modelos actuales no consideran adecuadamente la complejidad de la forma de los pequeños cuerpos de agua, que es un factor crítico en el rendimiento del mapeo. Para abordar estas limitaciones, este documento propone un U-Net híbrido basado en transformers de múltiples perspectivas (MTU-Net). MTU-Net aprende sinergicamente el contexto global al extender la escala única a la incrustación multiescalar con Transformer de múltiples caminos. En la etapa de fusión de características, MTU-Net fusiona características superficiales y profundas a través de atención espacial y de canal y considera el índice de agua para preservar detalles espaciales ricos y información semántica simultáneamente. Además, MTU-Net emplea una función de pérdida de entropía cruzada binaria ponderada adaptativa por forma-área, que ajusta dinámicamente los pesos de las muestras durante el entrenamiento al considerar simultáneamente la complejidad de la forma y el tamaño de los cuerpos de agua. Experimentos cuantitativos demuestran que MTU-Net logra las más altas precisiones F1 del 94.11% y un IoU del 88.87% en comparación con las redes de última generación. El código de MTU-Net está disponible: https://github.com/PUZHOU123/MTU-Net. El resultado del mapeo de agua superficial en la provincia de Hubei, China, está disponible bajo solicitud.