基于中心引导的遥感图像语义分割分类器
计算机视觉与模式识别
2025-03-24 v1
摘要
与自然图像相比，遥感图像（RSIs）具有独特特征，即类内方差较大，这使得遥感图像的语义分割更加具有挑战性。此外，现有的遥感图像语义分割模型通常采用普通的softmax分类器，存在三个缺点：（1）在训练期间对像素表征缺乏直接监督；（2）在大类内方差情况下，参数化softmax分类器的建模能力不足；（3）分类决策过程不透明。本文提出了一种 novel 分类器（称为CenterSeg），专为RSIs语义分割设计，通过多个原型、基于Grassmann流形的直接监督以及可解释性策略来解决上述问题。具体而言，对于每个类别，CenterSeg通过聚合基于ground-truth掩码的相应像素特征来获取局部类中心，并通过硬注意力分配和动量更新生成多个原型。此外，我们引入Grassmann流形并基于两个额外的正则化项约束像素特征与原型的联合嵌入空间。特别地，在推理期间，CenterSeg可以通过将原型限制为训练集的样本来进一步为模型提供可解释性。在三个遥感分割数据集上的实验结果验证了该模型的有效性。除了卓越的性能之外，CenterSeg还具有简单、轻量、兼容性强和可解释性等优势。代码已公开：https://github.com/xwmaxwma/rssegmentation。
引用
@article{arxiv.2503.16963,
title = {Center-guided Classifier for Semantic Segmentation of Remote Sensing Images},
author = {Wei Zhang and Mengting Ma and Yizhen Jiang and Rongrong Lian and Zhenkai Wu and Kangning Cui and Xiaowen Ma},
journal= {arXiv preprint arXiv:2503.16963},
year = {2025}
}