نظرًا لصعوبة استخراج المباني من صور الاستشعار عن بُعد عالية الدقة بسبب اتساع مقياس الهدف وتعقيد النسيج العلوي وتشويش البيئة الخلفية، مما يؤدي إلى حدوث فراغات داخل المباني الكبيرة وفقدان السمات الهندسية للحدود في الأهداف الصغيرة عند استخدام النماذج التقليدية، تقترح هذه الورقة شبكة مزدوجة المسار تدمج ميزات محلية متعددة المقاييس وتمثيلات مكانية شاملة. تم بناء شبكة هجينة تعتمد على بنية U-Net متماثلة بالكامل: في مرحلة التشفير، تم تصميم هرم ميزات هرمي لاستخراج معلومات نسيج محلية متعددة الدقة، وتم تضمين وحدة Vision Transformer في أعمق طبقة بدقة 1/16 من الحجم الأصلي باستخدام آلية الانتباه الذاتي متعدد الرؤوس لمعالجة الاعتماد طويل المدى؛ في مرحلة فك التشفير، تم إدخال آلية إعادة معايرة انتباه مزدوجة تكيفية باستخدام وحدات انتباه كتلية متتابعة (CBAM) لقمع الضوضاء في الميزات المنقولة عبر الاتصالات المتخطية من البُعدين المكاني والقنوي، ودمج وحدة انتباه متقاطع لمحاذاة الميزات متعددة المقاييس؛ في نهاية الشبكة، تم بناء فروع إخراج متعددة المهام للتقسيم وتوقع الحدود مع وظيفة خسارة للحدود للتحسين التشاركي. في مجموعة بيانات الصور الجوية WHU، حقق النموذج نسبة IoU بلغت 89.48٪، ودرجة F1 بلغت 94.45٪، ودقة بلغت 90.12٪، واستدعاء بلغ 99.21٪؛ بالمقارنة مع بنية U-Net، تحسنت نسبة IoU ودرجة F1 بمقدار 13.95٪ و14.05٪ على التوالي. في مجموعة بيانات ISPRS Potsdam ذات الخلفية المعقدة، حافظ النموذج على استدعاء بمعدل 90.48٪. أظهرت تجارب الإزالة أن إدخال وحدة الانتباه الذاتي الشامل أدى إلى زيادة نسبة IoU بمقدار 6.67٪، محسنًا فقدان السمات الداخلية للأهداف. تحقق بنية الشبكة هذه استخراجًا فعالًا للطوبولوجيا المكانية والمحيطات المحلية للمباني متعددة المقاييس ضمن تكلفة حسابية محكومة، مع تعويض محدودات مجال الاستقبال المحلي لنموذج الالتفاف ثنائي الأبعاد، مما يجعلها ذات قيمة تطبيقية في مراقبة التطور الحضري وتحديث قواعد البيانات الجغرافية الأساسية.

استخراج المباني;التقسيم الدلالي;آلية الانتباه الذاتي متعدد الرؤوس;إعادة معايرة الميزات;التعلم متعدد المهام