La segmentación semántica de imágenes satelitales juega un papel importante en la clasificación y uso de la cobertura terrestre, la planificación urbana y la detección de cambios. Como método potencialmente profundo de aprendizaje no supervisado, la tecnología de adaptación de dominio ha impulsado significativamente el desarrollo de la segmentación semántica de imágenes satelitales. Sin embargo, el modelo actual se basa en un solo aprendizaje de tarea, y las características de segmentación aprendidas no son lo suficientemente completas, lo que dificulta la identificación precisa de áreas complejas en las imágenes satelitales durante el proceso de segmentación. Para resolver este problema, este artículo propone una red de segmentación semántica adaptativa de múltiples tareas (MTLDANet), que mejora la capacidad de aprendizaje de las características de segmentación mediante el aprendizaje cooperativo de la información semántica de las imágenes satelitales y la información de altitud. Específicamente, este método introduce características semánticas específicas de la tarea y características de altitud en un módulo de aprendizaje conjunto de características de tarea y exploración de vínculos ocultos entre tareas, lo que permite obtener una representación de características específicas de la tarea más fuerte. A través de un módulo de aprendizaje de coherencia mixta dirigido por pseudoetiquetas, se mejora la calidad de las pseudoetiquetas, asegurando un alineamiento global del dominio. Además, un alineamiento categórico dirigido por la entropía refuerza aún más la nitidez de las categorías difíciles de clasificar. Este artículo realizó cuatro experimentos de segmentación semántica de imágenes satelitales en diferentes escenarios de adaptación de dominio en datos bidimensionales ISPRS y tridimensionales US3D. Los resultados muestran que el método propuesto supera significativamente los métodos actuales de adaptación de dominio en diversos escenarios complejos de adaptación interdominio.

Segmentación semántica; Adaptación de dominio sin supervisión; Imágenes satelitales; Aprendizaje multi-tarea; Información de altitud; Información semántica; Pseudoetiquetas; Entropía