局部与非局部特征深度融合用于精确滑坡识别
图像与视频处理
2020-02-21 v1 计算机视觉与模式识别
摘要
滑坡编录的精确制图对灾害减缓至关重要。大多数滑坡通常与其他易混淆的地质特征共存，且此类区域的存在只能在大尺度下明确推断。此外，局部信息对于保持目标边界也很重要。针对该问题，本文提出一种融合局部与非局部特征以克服上下文问题的有效方法。基于遥感领域广泛采用的U-Net架构，我们利用了两个额外模块。第一个使用膨胀卷积及相应的空洞空间金字塔池化，在不牺牲空间分辨率或增加内存占用的情况下扩大了感受野。第二个使用尺度注意力机制，通过学习的权重图引导从粗层级的特征上采样。在实现中，相对于原始U-Net的计算开销仅增加了几层卷积。实验评估表明，所提方法优于最先进（state-of-the-art）的通用语义分割方法。此外，消融研究已表明这两个模型在滑坡识别性能上带来了显著提升。
引用
@article{arxiv.2002.08547,
title = {Deep Fusion of Local and Non-Local Features for Precision Landslide Recognition},
author = {Qing Zhu and Lin Chen and Han Hu and Binzhi Xu and Yeting Zhang and Haifeng Li},
journal= {arXiv preprint arXiv:2002.08547},
year = {2020}
}