用于航拍影像中建筑物分割的上下文金字塔注意力网络
计算机视觉与模式识别
2020-04-16 v1
摘要
从航拍图像中提取建筑物在城市规划、变化检测和灾害管理等问题中具有若干应用。随着数据可用性的增加，用于遥感影像语义分割的卷积神经网络（CNNs）近年来显著提升。然而，卷积在局部邻域内操作，无法捕获对航拍图像语义理解至关重要的非局部特征。在本工作中，我们提出通过上下文金字塔注意力（CPA）捕获长程依赖关系，以改进不同尺寸建筑物的分割。这些通路以多尺度高效处理输入并以加权方式组合，类似于集成模型。所提方法在 Inria 航拍图像标注数据集上以最小计算成本取得最先进的性能。我们的方法在交并比（IoU）指标上比当前最先进方法提高 1.8 个点，比现有基线高 12.6 个点，且无需任何后处理。代码与模型将公开提供。
引用
@article{arxiv.2004.07018,
title = {Contextual Pyramid Attention Network for Building Segmentation in Aerial Imagery},
author = {Clint Sebastian and Raffaele Imbriaco and Egor Bondarev and Peter H. N. de With},
journal= {arXiv preprint arXiv:2004.07018},
year = {2020}
}