cvpr2024遥感语义分割

### CVPR 2024 中关于遥感图像语义分割的研究

在 CVPR 2024 的会议中，有一篇名为《Learnable Prompt for Few-Shot Semantic Segmentation in Remote Sensing Domain》的论文探讨了如何利用可学习提示来改进遥感领域的小样本语义分割任务[^3]。该研究提出了一个新的框架，通过引入可学习的提示机制，在少量标注数据的情况下实现了高效的模型训练。

#### 主要贡献
- 提出了一个新颖的可学习提示模块，能够自适应地调整特征表示，从而提高模型对于不同类别和场景的理解能力。
- 设计了一种基于元学习的方法来进行小样本分割，使得模型可以在新类别的快速泛化上表现优异。
- 实验验证表明所提方法不仅能在标准基准测试集上取得良好效果，而且特别适用于遥感影像这种具有复杂背景的任务环境。

import torch.nn as nn

class LearnablePrompt(nn.Module):
    def __init__(self, input_dim, hidden_dim, output_dim):
        super(LearnablePrompt, self).__init__()
        self.fc1 = nn.Linear(input_dim, hidden_dim)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(hidden_dim, output_dim)

    def forward(self, x):
        out = self.fc1(x)
        out = self.relu(out)
        out = self.fc2(out)
        return out

此代码片段展示了 `LearnablePrompt` 类的一个简化版本，它定义了一个两层全连接网络作为提示生成器的一部分。