Para enfrentar o problema de escala única na extração de características, perda de detalhes e contornos borrados na segmentação semântica de imagens aéreas, este artigo propõe uma rede de segmentação semântica de imagens aéreas com interação entre camadas e percepção de orientação. Um módulo de percepção de orientação é construído por meio de uma estratégia de atenção de desacoplamento direcional para aprimorar a capacidade do modelo de processar informações de direção espacial; um módulo de interação entre camadas é projetado para realizar a fusão interativa de características entre canais, melhorando a capacidade de percepção espacial, ao mesmo tempo que utiliza um mecanismo de atenção canal-espaço para fortalecer a capacidade de extração de características, atenuando o problema da perda de detalhes em cenas complexas; por fim, a cabeça de segmentação é projetada de forma leve, removendo operações redundantes, reduzindo o custo computacional ao mesmo tempo que garante o desempenho da segmentação. Os resultados experimentais mostram que a rede proposta aumentou a média do índice de interseção sobre união (IoU) nos conjuntos de dados UAVid e Aeroscapes em 1,7% e 1,3%, respectivamente, em comparação com o modelo base SegFormer, comprovando a eficácia da rede na segmentação semântica de imagens aéreas em condições complexas. A categoria humana apresentou uma melhora de 1,8% na precisão da segmentação em relação ao modelo base, demonstrando desempenho excelente na segmentação de pequenos objetos. Em comparação com várias redes populares, o método proposto alcançou a maior precisão de segmentação em ambos os conjuntos de dados, demonstrando melhor capacidade de generalização.

interação entre camadas;segmentação semântica;imagens aéreas;leveza;desacoplamento direcional