协同增强数据驱动深度学习与知识引导本体推理的遥感影像语义分割
计算机视觉与模式识别
2020-10-07 v1 人工智能
摘要
作为深度学习家族的一种架构,深度语义分割网络(DSSN)在语义分割任务上取得了一定程度的成功,并明显优于基于手工特征的传统方法。作为一种经典的数据驱动技术,DSSN 可通过端到端机制训练,并善于利用低级和中级线索(即可判别的图像结构)来理解图像,但缺乏高级推理能力。相比之下,人类具有出色的推理能力,仅当掌握了基本遥感领域知识时才能可靠地解译遥感影像。文献中,本体建模与推理是模仿和运用人类领域知识的理想途径,但在遥感领域仍鲜有探索与应用。为弥补 DSSN 上述关键局限,本文提出一种协同增强框架(CBF),以迭代方式结合数据驱动深度学习模块与知识引导本体推理模块。
引用
@article{arxiv.2010.02451,
title = {Collaboratively boosting data-driven deep learning and knowledge-guided ontological reasoning for semantic segmentation of remote sensing imagery},
author = {Yansheng Li and Song Ouyang and Yongjun Zhang},
journal= {arXiv preprint arXiv:2010.02451},
year = {2020}
}