用于高分辨率遥感影像旧滑坡检测的迭代分类与语义分割网络
计算机视觉与模式识别
2023-04-25 v2 人工智能
摘要
旧滑坡检测存在巨大挑战，因为其形态特征是经过长时间部分或强烈改造的，且与周边环境差异很小。此外，小样本问题也限制了深度学习。本文提出了一种迭代分类与语义分割网络（ICSSN），其通过迭代升级两个网络共享的特征提取器，可大幅提升目标级和像素级分类性能。在目标分类子网络中采用以孪生网络为特征的目标级对比学习（OCL）策略以实现全局特征提取，并在语义分割子网络中设计子目标级对比学习（SOCL）范式，以高效提取滑坡边界的显著特征。此外，设计了迭代训练策略以在语义空间中融合特征，从而同时提升目标级和像素级分类性能。所提ICSSN在真实滑坡数据集上进行了评估，实验结果表明ICSSN能大幅提升旧滑坡检测的分类与分割精度。对于语义分割任务，相较于基线，F1分数从0.5054提升至0.5448，mIoU从0.6405改善至0.6610，滑坡IoU从0.3381提升至0.3743，旧滑坡的目标级检测精度从0.55增强至0.9。对于目标分类任务，F1分数从0.8846升至0.9230，准确率从0.8375升至0.8875。
引用
@article{arxiv.2302.12420,
title = {An Iterative Classification and Semantic Segmentation Network for Old Landslide Detection Using High-Resolution Remote Sensing Images},
author = {Zili Lu and Yuexing Peng and Wei Li and Junchuan Yu and Daqing Ge and Wei Xiang},
journal= {arXiv preprint arXiv:2302.12420},
year = {2023}
}