يتمتع الاستخراج التلقائي للطرق من صور الاستشعار عن بعد بإمكانات واسعة في مجالات المدن الذكية، والنقل الذكي، والقيادة الذاتية. ومع ذلك، توجد مشكلات مثل التجزؤ وضعف الاتصال في الطرق المستخرجة تلقائيًا من صور الاستشعار عالية الدقة، مما يجعل استخراج طرق كاملة لا يزال تحديًا. لهذا الغرض، تقترح هذه الورقة شبكة مشفر-فك تشفير محسنة SAMSNet (شبكة الانتباه المتفرق والانتباه متعدد المقاييس). أولاً، يتم استخدام شبكة الانتباه المتفرق (ResNeSt-50) كمشفر لاستخراج المعلومات الدلالية عبر القنوات لتحقيق تمثيلات ميزات عالية الجودة؛ ثانيًا، يتم إدخال كتل التفاف ذات حفرة متسلسلة ومتوازية لتوسيع مجال الاستقبال مع تحسين قدرة الشبكة على إدراك معلومات السياق متعددة المقاييس؛ وأخيرًا، في جزء الاتصال المتخطي، يتم إدخال وحدة انتباه قناة متعددة المقاييس MS-CAM التي تركز على معلومات الطرق العالمية والمحلية لمساعدة الشبكة في التعرف واكتشاف الطرق تحت تغيرات المقياس القصوى. وتم إجراء تجارب على مجموعات بيانات DeepGlobe Road وMassachusetts Road وGRSet، مع مقارنة SAMSNet بالتسعة نماذج الرائدة الأخرى. أظهرت النتائج أن SAMSNet تفوقت على النماذج الأخرى في مؤشرات التقييم مثل IoU وF1-score على ثلاث مجموعات بيانات عامة، محققة أفضل نتائج استخراج.

صور الاستشعار عن بعد;استخراج الطرق;التقسيم الدلالي;ResNeSt-50;الانتباه المتفرق;الانتباه متعدد المقاييس للقنوات;التفاف حفرة