用于高分辨率遥感图像语义分割的 A2-FPN
计算机视觉与模式识别
2022-05-11 v3
摘要
利用高分辨率遥感图像进行语义分割在许多实际应用中起着关键作用，如城市规划、环境保护、自然与人为景观监测等。然而，语义分割的自动化，即自动分类/标注与分割，仍是一项具有挑战性的任务，尤其是对于具有巨大空间与光谱复杂性的高分辨率图像。解决此类问题代表了一个令人振奋的研究领域，为场景级景观格局分析与决策铺平了道路。本文中，我们提出一种基于特征金字塔网络 (FPN) 的自动土地分割方法。作为经典架构，FPN 可自上而下构建具有高层语义的特征金字塔。然而，特征提取与融合的固有缺陷阻碍了 FPN 进一步聚合更具判别力的特征。因此，我们提出注意力聚合模块 (AAM)，通过注意力引导的特征聚合增强多尺度特征学习。基于 FPN 与 AAM，我们开发了名为注意力聚合特征金字塔网络 (A2-FPN) 的新框架，用于高分辨率遥感图像的语义分割。在三个数据集上开展的广泛实验证明了我们的 A2-FPN 在分割精度上的有效性。代码见 https://github.com/lironui/A2-FPN。
引用
@article{arxiv.2102.07997,
title = {A2-FPN for Semantic Segmentation of Fine-Resolution Remotely Sensed Images},
author = {Rui Li and Shunyi Zheng and Ce Zhang and Chenxi Duan and Libo Wang},
journal= {arXiv preprint arXiv:2102.07997},
year = {2022}
}