用于弱监督滑坡提取的Auto-Prompting SAM
计算机视觉与模式识别
2025-05-23 v2
摘要
弱监督滑坡提取旨在从遥感数据中识别带有弱标签的滑坡区域，尤其是图像级标签。然而，由于缺乏像素级监督以及滑坡对象的特性，常常面临提取对象的边界不精确的挑战。为解决这些问题，我们提出一种简单而有效的方法，通过自动提示Segment Anything Model (SAM)，即APSAM。我们不依赖于高质量的类激活图 (CAM) 进行伪标签化或微调SAM，而是通过提示工程直接从SAM推理中生成细粒度分割掩码。具体而言，我们通过对象局化网络获取的CAM自适应生成混合提示。为充分利用CAM的视觉模式，设计了自适应提示生成 (APG) 算法，高效生成滑坡提取的伪掩码。这些信息丰富的提示能够识别滑坡区域范围（框提示），并指示滑坡对象的中心（点提示），从而引导SAM进行滑坡分割。实验结果表明，在高分辨率航空和卫星数据集上，我们的方法有效，F1分数和IoU分别提高了至少3.0%和3.69%。源代码和数据集将在 https://github.com/zxk688 提供。
引用
@article{arxiv.2501.13426,
title = {Auto-Prompting SAM for Weakly Supervised Landslide Extraction},
author = {Jian Wang and Xiaokang Zhang and Xianping Ma and Weikang Yu and Pedram Ghamisi},
journal= {arXiv preprint arXiv:2501.13426},
year = {2025}
}
备注
5 pages, 5 figures