用于倾斜无人机影像语义分割的双向多尺度注意力网络
计算机视觉与模式识别
2021-02-08 v1
摘要
面向航空平台的语义分割一直是地球观测中基础的场景理解任务之一。大多数语义分割研究聚焦于下视视角捕获的场景，其中物体相较于倾斜视角捕获的场景具有相对较小的尺度变化。倾斜影像中物体的巨大尺度变化限制了以单一尺度方式处理图像的深度神经网络（DNN）的性能。为应对尺度变化问题，本文提出新颖的双向多尺度注意力网络，其双向融合多尺度特征以实现更具自适应性与有效的特征提取。实验在 UAVid2020 数据集上进行，验证了本方法的有效性。我们的模型以 70.80% 的平均交并比（mIoU）取得了当前最优（SOTA）结果。
引用
@article{arxiv.2102.03099,
title = {Bidirectional Multi-scale Attention Networks for Semantic Segmentation of Oblique UAV Imagery},
author = {Ye Lyu and George Vosselman and Gui-Song Xia and Michael Ying Yang},
journal= {arXiv preprint arXiv:2102.03099},
year = {2021}
}