Page 165 - 《武汉大学学报（信息科学版）》2025年第9期

第 50 卷第 9 期 刘梓航等：联合全局-局部特征和动态错误监督的遥感影像建筑物损伤评估方法 1893

性扫描获取全局信息，其核心是 SS2D。遵循文 得全局性特征。
sq
in mid )，LN ( f i ) }，
献［29］，将输入特征 X i ∈ { LN ( f i
i ∈ { 4，5 } 输入两个分支，一个分支通过线性层获
得门控特征 Z i，另一个分支通过 SS2D 获得全局
特 征 Y i，二 者 通 过 逐 元 素 相 乘 获 得 输 出
X i ∈ R H i × W i × C i ，由 于 线 性 层 欠 缺 空 间 信 息 的 提
out
取能力，而 SS2D 对通道信息的提取能力相对较
弱 ［30］ ，因此加入了空间和通道注意力进行补充，
主要过程为：
in
Z i = SA ( SiLU ( Lin ( X i ) ) ) （19）
in
Y i = LN ( SS2D( SiLU ( DWConv( Lin ( X i ) ) ) ) )
（20）
图 4 选择性扫描块
out
X i = CA ( Z i ⊗ Y i ) （21） Fig. 4 Selective Scanning Block
式中， SiLU 代表 SiLU 激活； SS2D 代表二维选择
性扫描； CA 和 SA 分别代表完整的通道和空间注 1.3.3 分层多尺度卷积块
意力。 分层多尺度卷积块采用分层多尺度卷积代
SS2D 的主要流程如图 4 所示。首先，将二维 替原始的 3×3 卷积，通过分层卷积进一步增强卷
特征沿纵横两个方向正反展开为 4 个不同顺序的 积的多尺度性能，通过引入多尺度特征减小局部
一维序列；然后，在 4 个一维序列上分别应用一维 特征与全局特征间的差异，缓解结合时由于两种
选择性扫描，收集不同方向上的全局上下文；最 特征差异过大所带来的混乱，分层多尺度卷积块
后，将扫描后的一维序列折叠回二维并相加，获 的结构如图 5 所示。

图 5 分层多尺度卷积块
Fig. 5 Hierarchical Multi-scale Convolutional Block

2
1
3
4
分层多尺度卷积块包含两个支路，多尺度卷 x i 3 × 3 = ReLU ( BN ( Conv 1 × 1 ( [ z i,z i,z i,z i ] ) ) )
积支路和 1×1 卷积支路。多尺度卷积支路负责 （23）
收 集 多 尺 度 特 征 ，侧 重 空 间 维 度 。 将 输 入 特 征 式中， Conv 3 × 3 代表膨胀率为 j 的 3×3 卷积。1×1
d = j
in mid )，LN ( f i ) }， i ∈ { 4，5 } 沿通道维度
sq
x i ∈ { LN ( f i 卷 积 支 路 负 责 收 集 局 部 特 征 ，侧 重 通 道 维 度 。
j
均分为 4 份，得到 { y i }， j ∈ { 1，2，3，4 }，对每份特征 1×1 卷积支路的特征 x i 1 × 1 与多尺度卷积支路的
以不同膨胀率进行卷积，并加入跨通道连接，增 输出相加，得到最终输出特征 x i ∈ R H i × W i × C i ，计
out
强模块的跨通道和尺度交互能力，分层卷积得到 算式为：
j
的特征 { z i }， j ∈ { 1，2，3，4 } 沿通道维度叠加，然后 x i 1 × 1 = ReLU ( BN ( Conv 1 × 1 ( x i ) ) （24）
in
通 过 1×1 卷 积 进 行 通 道 整 合 ，获 得 输 出 特 征 x i = x i 3 × 3 + x i 1 × 1 （25）
out
3 × 3 。计算式分别为：
x i 1.4 动态错误感知解码器
j d = j j - 1 j j + 1
z i = Conv 3 × 3 ( z i + y i + y i ) （22） 动态错误感知解码器如图 6 所示，具有主分