لمعالجة مشكلة تقتصر مقاييس استخراج الميزات على مستوى واحد، فقدان التفاصيل، وعدم وضوح الحدود في تقسيم المعنى الدلالي للصور الجوية، قدمت هذه الدراسة شبكة تقسيم دلالي للصور الجوية تعتمد على التفاعل عبر المستويات والإدراك الاتجاهي. من خلال استراتيجية انتباه فك الارتباط الاتجاهي تم بناء وحدة الإدراك الاتجاهي لتعزيز قدرة النموذج على معالجة معلومات الاتجاه المكاني؛ وتم تصميم وحدة التفاعل عبر المستويات للإندماج التفاعلي بين قنوات الميزات عبر المستويات مما يعزز القدرة على الإدراك المكاني، كما تم استخدام آلية انتباه القناة-المكان لتحسين قدرة استخراج الميزات وتخفيف مشكلة ضبابية التفاصيل في المشاهد المعقدة؛ وأخيرًا تم تصميم رأس التجزئة بشكل خفيف الوزن لإزالة العمليات الفائضة، مما يقلل حجم الحساب مع ضمان أداء التجزئة. أظهرت نتائج التجارب أن الشبكة المقترحة حسنت متوسط مؤشر التقاطع على مجموعتي بيانات UAVid و Aeroscapes بنسبة 1.7% و 1.3% على التوالي مقارنة بالنموذج الأساسي SegFormer، مما يثبت فعالية الشبكة في الحالات المعقدة مثل الصور الجوية. كما تحسنت دقة تجزئة فئة الإنسان بنسبة 1.8% مقارنة بالنموذج الأساسي، مما يدل على أداء متميز في تجزئة الأهداف الصغيرة. وبالمقارنة مع عدة شبكات شائعة، حققت هذه الطريقة أعلى دقة تجزئة على المجموعتين، مما يدل على قدرة تعميم أفضل.

تفاعل عبر المستويات;تقسيم دلالي;صور جوية;خفيفة الوزن;فك ارتباط الاتجاه