使用堆叠 U-Net 的航空影像像素级目标自动标注
计算机视觉与模式识别
2018-03-14 v1
摘要
航空影像中目标标注的自动化是一项具有众多实际应用的计算机视觉任务。诸如能源勘探等领域需要一种自动化方法来每日处理连续的影像流。本文中我们提出一种使用端到端排列的卷积神经网络栈（U-Net 架构）来解决此问题的流程。每个网络作为前一个网络的后处理器。我们的模型在两个不同数据集上超越了当前最优（SOTA）：Inria Aerial Image Labeling 数据集和 Massachusetts Buildings 数据集，它们各自具有不同的特性如空间分辨率、目标形状与尺度。此外，我们通过处理下采样影像而后上采样像素级标注，实验验证了计算时间的节省。这些节省以可忽略的分割质量下降为代价。尽管本文进行的实验仅涵盖航空影像，所呈现的技术是通用的并可处理其他类型图像。
引用
@article{arxiv.1803.04953,
title = {Automatic Pixelwise Object Labeling for Aerial Imagery Using Stacked U-Nets},
author = {Andrew Khalel and Motaz El-Saban},
journal= {arXiv preprint arXiv:1803.04953},
year = {2018}
}