一种基于RetNet的无监督域自适应遥感语义分割方法

本发明公开了一种基于RetNet的无监督域自适应遥感语义分割方法，用于解决城市道路场景中因光照、季节变化导致的源域与目标域数据分布差异问题。该方法在RetNet分割网络中引入带有空间衰减矩阵的注意力机制，动态调整像素间注意力权重；通过新增中间域并采用TokenMix方法实现跨域数据交替混合，结合动态混合比例和特征一致性约束；同时利用自训练和教师网络构建完整模型。实验结果表明，该方法显著提升了多尺度特征利用效率，有效减小了域间分布差异影响，在Potsdam→Vaihingen数据集上取得了58.49%的mIoU和70.25%的mF1分数，验证了其在遥感图像语义分割任务中具有更高的精度和泛化能力。