يمكن لتقسيم الصور عن بُعد للأمثلة التحقق من الهدف وتصنيف البكسل في نفس الوقت، وهو مهم ومهمة صعبة للغاية. يعتمد معظم طرق تقسيم صور الأقمار الاصطناعية الحالية على تعليقات البكسل دقيقة، مما يزيد من تكلفة صنعها. بالإضافة إلى ذلك، يزيد الخلفية والأشكال المعقدة للهدف في الصور الفضائية صعوبة التقسيم. من أجل التغلب على هذه التحديات، بنينا نظام معرفي مبدئي لمهمة تقسيم الأمثلة عن بُعد للصور الفضائية، وطرحنا نوعًا من الشبكة لتقسيم الأمثلة عن بُعد للصور الفضائية بناءً على المعلومات المسبقة المتعددة. تحديدًا، تم تقسيم معلومات المهمة الأولية في مهمه قياسية البُعد بواسطة تحليل حالة الأساس ودوال تقييم صعوبة تمييز البكسل ومعلومات البُعد المركزي لقيادة الشبكة في تحديد البُعد وجعلها تركز بشكل كامل على البكسل والمنطقة المركزية في الصورة. تم تشييد معلومات الصورة الأولية من خلال استنتاج واستكشاف معلومات الصورة نفسها. بالإضافة إلى ذلك، تم تصميم قيود توافق الصورة المجاورة وقيود توافق التدرج لبناء معلومات الصورة، مما يجعل الشبكة تمييز الخلفية والمنطقة المعقدة المستهدفة في الصورة الفضائية بشكل فعال ويتكيف مع الأشكال المعقدة للهدف. تظهر نتائج التجربة على مجموعة بيانات الصور الفضائية البصرية والرادارية أن النهج الذي اقترحنا يمكنه تحقيق قيمة AP تبلغ 52.5 و 54.1 بدون أي تعليقات على مستوى البكسل، ويفوق النهج الحالي للتقسيم الضعيف ويصل إلى 89.3٪ و 84.3٪ من Mask R-CNN الذي يتمتع بالمراقبة الكاملة. يمكن لهذا النهج توفير حلاً عالي الأداء ومنخفض التكلفة لفك تشفير الصور الفضائية.

remote sensing image;instance segmentation;fine-grained interpretation;weakly supervised learning;priori information;driven system;target contour;annotation cost