UNetFormer：一种类似UNet的转换器，用于遥感城市场景影像的高效语义分割，ISPRS。此外，还包括用于卫星、航空图像和无人机图像分割。

本文选取的是WHU-Building-DataSets。数据集[1]包含了从新西兰基督城的航空图像中提取的超过220,000个独立建筑，图像被分割成了8189个512×512像素的片，其中包含了训练集（130,500个建筑），验证集（14,500个建筑）和测试集（42,000个建筑）。

UNetFormer提出了一种基于transformer的解码器，一种高效的全局-局部注意机制global-local Transformer block (GLTB) ，用于实时城市场景分割。。

论文地址

https://www.sciencedirect.com/science/article/abs/pii/S0924271622001654?via%3Dihub。

源码地址

https://github.com/WangLibo1995/GeoSeg

GeoSeg库中提供了多种模型，暂未测试；