结合光电图像的对比多视图编码用于 SAR 语义分割
计算机视觉与模式识别
2021-09-03 v1
摘要
在深度学习模型的训练中,模型参数的初始化方式极大影响模型性能、样本效率与收敛速度。用于模型初始化的表示学习近期在遥感领域被广泛研究。特别地,使用合成孔径雷达(SAR)传感器获取的图像其表象特征与一般光电(EO)图像差异显著,因此表示学习在遥感领域更为重要。受对比多视图编码启发,我们提出用于 SAR 语义分割的多模态表示学习。与先前研究不同,我们的方法联合使用 EO 图像、SAR 图像与标签掩码。若干实验表明,我们的方法在模型性能、样本效率与收敛速度上均优于现有方法。
引用
@article{arxiv.2109.00120,
title = {Contrastive Multiview Coding with Electro-optics for SAR Semantic Segmentation},
author = {Keumgang Cha and Junghoon Seo and Yeji Choi},
journal= {arXiv preprint arXiv:2109.00120},
year = {2021}
}
备注
To be appeared in IEEE GRSL. DOI to be updated