يعد التقسيم الدلالي لصور الاستشعار عن بعد ذا أهمية كبيرة في مجالات مثل اكتشاف التغيرات الحضرية، وحماية البيئة، والتعرف على الكوارث الجيولوجية. استجابةً للمشكلات الحالية في استخراج المباني من صور الاستشعار عن بعد مثل السهو في الكشف، والكشف الخاطئ، والاستخراج غير الكامل بسبب حجب الأشجار أو التداخل من أشياء مشابهة، يقترح هذا المقال شبكة استخراج مباني محسنة بناءً على شبكة UNet - وهي شبكة دمج الخصائص المحلية والعالمية FLGF-UNet (شبكة دمج الخصائص المحلية والعالمية). تضمن طريقة دمج الخصائص المتوازية في FLGF-UNet أن تحتوي خصائص كل مرحلة على معلومات محلية دقيقة واعتمادية عالمية، مما يسمح للشبكة بامتلاك معلومات محلية وعالمية في تمثيل الخصائص في كل مرحلة، متغلبة بفعالية على النقص في تبادل المعلومات المحلية في Transformer، ومتفوّقة في نمذجة المعلومات العالمية مقارنة بالشبكات التقليدية CNN. علاوة على ذلك، لتعويض الفجوة الدلالية بين المشفر والمفكك، تم إدراج وحدة دمج تفاعلية IF (الدمج التفاعلي) بين المشفر والمفكك لتعزيز دمج التفاصيل المكانية والسياق العالمي والخصائص الدلالية. لإثبات تفوق وقابلية تعميم FLGF-UNet، تمت مقارنة الشبكة المقترحة مع شبكات مثل U2Net، Swin Transformer، MA-Net، HD-Net و RS-Mamba على مجموعات بيانات WHU، Massachusetts، ومجموعات بيانات المباني الحضرية النموذجية في الصين. أظهرت النتائج أن FLGF-UNet تتفوق في الأداء على الشبكات المتطورة الأخرى ولها قيمة تطبيقية عالية.

صور الاستشعار عن بعد;استخراج المباني;شبكة دمج الخصائص المحلية والعالمية;دمج الخصائص;وحدة الدمج التفاعلي