ATLANTIS:水体图像语义分割基准
计算机视觉与模式识别
2021-11-24 v1
摘要
基于视觉的水体及附近相关物体的语义分割为水资源管理与洪涝应急处置提供了重要信息。然而,缺乏用于水相关类别的大规模标注训练与测试数据集,阻碍了计算机视觉领域研究者对水相关问题的研究。为应对此问题,我们提出 ATLANTIS,一个用于水体及相关物体语义分割的新基准。ATLANTIS 包含 5,195 张水体图像,以及 56 类物体(包括 17 类人造物体、18 类自然物体和 21 类通用物体)的高质量像素级人工标注。我们详细分析了 ATLANTIS,并在我们的基准上评估了若干最先进(state-of-the-art, SOTA)的语义分割网络。此外,我们开发了一种新颖的深度神经网络 AQUANet,通过两条不同路径处理水生与非水生区域来进行水体语义分割。AQUANet 还结合了低级特征调制与跨路径调制以增强特征表示。实验结果表明,所提出的 AQUANet 在 ATLANTIS 上优于其他 SOTA 语义分割网络。我们宣称 ATLANTIS 是提供广泛水体与水相关类别的最大水体图像语义分割数据集,并将惠及计算机视觉与水资源工程的研究者。
引用
@article{arxiv.2111.11567,
title = {ATLANTIS: A Benchmark for Semantic Segmentation of Waterbody Images},
author = {Seyed Mohammad Hassan Erfani and Zhenyao Wu and Xinyi Wu and Song Wang and Erfan Goharian},
journal= {arXiv preprint arXiv:2111.11567},
year = {2021}
}