一种用于航拍图像增量式语义分割的对比蒸馏方法
计算机视觉与模式识别
2021-12-08 v1 图像与视频处理
摘要
增量学习在航拍图像处理中是一项关键任务，尤其考虑到大规模标注数据集的有限可用性。当前深度神经架构的一个主要问题被称为灾难性遗忘，即一旦提供新数据集进行再训练，便无法忠实保持已有知识。多年来，人们提出了若干技术来缓解图像分类与目标检测中的该问题。然而，直到最近焦点才转向实例或语义分割等更复杂的下游任务。从语义分割任务的增量类学习出发，我们的目标是将该策略适配到航拍领域，利用区别于自然图像的一个特有特征，即方向性。除标准知识蒸馏方法外，我们提出一种对比正则化，将任意给定输入与其增强版本(即翻转与旋转)进行比较，以最小化两者所产生的分割特征之间的差异。我们在Potsdam数据集上展示了我们方案的有效性，在每个测试中均优于增量基线。代码见：https://github.com/edornd/contrastive-distillation。
引用
@article{arxiv.2112.03814,
title = {A Contrastive Distillation Approach for Incremental Semantic Segmentation in Aerial Images},
author = {Edoardo Arnaudo and Fabio Cermelli and Antonio Tavera and Claudio Rossi and Barbara Caputo},
journal= {arXiv preprint arXiv:2112.03814},
year = {2021}
}
备注
12 pages, ICIAP 2021