在秘鲁应用知识迁移进行水体分割
图像与视频处理
2019-12-03 v1 计算机视觉与模式识别
摘要
本工作中，我们展示了卷积神经网络在卫星图像中分割水体的应用。我们首先使用U-Net模型的一种变体，从秘鲁的极高分辨率图像中分割河流与湖泊。为规避标注数据稀缺的问题，我们研究了一种基于知识迁移的模型的适用性，该模型学习从高分辨率标注图像的映射，并将其与极高分辨率映射结合，以实现更好的分割。我们以端到端单一流程训练该模型。初步结果表明，加入可用高分辨率图像的信息并不能开箱即用，实际上使结果变差。这使我们推断高分辨率数据可能来自不同分布，其加入导致结果方差增大。
引用
@article{arxiv.1912.00957,
title = {Applying Knowledge Transfer for Water Body Segmentation in Peru},
author = {Jessenia Gonzalez and Debjani Bhowmick and Cesar Beltran and Kris Sankaran and Yoshua Bengio},
journal= {arXiv preprint arXiv:1912.00957},
year = {2019}
}
备注
5 pages, 3 figures, 1 table, NeurIPS 2019 Workshop on Machine Learning for the Developing World