面向弱标签 SAR 影像高分辨海冰拓扑检索的解析 Logit 缩放
计算机视觉与模式识别
2026-03-17 v1
摘要
使用合成孔径雷达（SAR）进行高分辨率海冰映射对于北极航行与气候监测至关重要。然而，运营冰图仅提供粗糙的、区域级别的多边形（弱标签），迫使自动化分割模型在像素级精度上捉襟见肱，往往产生低置信度、模糊的浓度图。本文提出了一个基于 U-Net 架构的弱监督深度学习管道，融合 Sentinel-1 SAR 与 AMSR-2 辐射计数据，并采用基于区域的 loss 函数训练。为克服弱标签导致的严重低置信度问题，我们在推理后引入了 Analytical Logit Scaling 方法。通过动态计算每个场景中潜在空间分位点（2% 与 98%）的 temperature 与 bias，我们强制对预测执行物理意义上的二值化。这种自适应缩放作为拓扑提取器，成功在 40 米分辨率下揭示细粒度海冰裂缝（leads），而无需任何手动像素级标注。我们的做法不仅解决局部拓扑，还完美保留区域宏观浓度，实现了对高度碎片化的夏季场景的 78% 精度，从而弥合了弱监督学习与高分辨率物理分割之间的差距。
关键词
引用
@article{arxiv.2603.13573,
title = {Analytical Logit Scaling for High-Resolution Sea Ice Topology Retrieval from Weakly Labeled SAR Imagery},
author = {Reda Elwaradi and Julien Gimenez and Stéphane Hordoir and Mehdi Ait Hamma and Adrien Chan-Hon-Tong and Flora Weissgerber},
journal= {arXiv preprint arXiv:2603.13573},
year = {2026}
}