고해상도 원격 감지 이미지 세분화에서 특징 추출이 부족하고 가장자리가 흐리며 소규모 대상이 누락되는 문제에 대응하여 고해상도 원격 감지 이미지의 세부 사항을 세분화하는 전방향 사각 보정 기반 방법인 전방향 사각 보정 네트워크 (ORCNet)를 제안한다. 먼저, 전방향 사각 보정 상태 공간 모듈 (ORSM)을 설계하여 팔방향 스캔과 기하학적으로 민감한 가중치 보정을 통해 특징의 기하적 적응성과 대상 보존 능력을 향상시킨다. 그 다음, 보충 필터링 혼합 특징 융합 모듈 (CFHAF)을 구축하여 채널, 공간 및 픽셀 수준의 주의 메커니즘을 융합하여 다중 스케일 특징을 자동으로 융합하여 의미론적 감지를 강화시킨다. 마지막으로, 동적 포인트 업샘플링 기술 (DySample)을 통해 경계 세부 사항을 최적화하고 Focal-Dice 혼합 손실 함수를 결합하여 훈련을 최적화한다. 실험 결과 ORCNet은 Massachusetts 건물 데이터 세트에서 F1 점수가 84.64%, mIoU가 77.07%로, deepglobe-road-dataset에서 F1 점수가 85.32%로, RSMamba보다 3.51% 향상되었다. 이 방법은 원격 감지 분할에 있는 문제를 효과적으로 극복하며 뚜렷한 고 정확도, 강한 안정성 및 우수한 실제 응용 잠재력을 갖추고 있다.

원격 감지 이미지 세분화; 사각형 자가 보정; 상태 공간 모델; 다중 스케일 특징 융합; 가장자리 세부 사항 최적화; 동적 업샘플링