用于航空图像框监督实例分割的深度水平集方法
计算机视觉与模式识别
2021-12-08 v1
摘要
框监督实例分割近来吸引了大量研究投入，而在航空图像领域却鲜受关注。与通用目标集合不同，航空目标具有较大的类内方差与类间相似性，且背景复杂。此外，高分辨率卫星图像中存在许多微小目标。这使得近期的成对亲和度建模方法不可避免地引入噪声监督，导致结果欠佳。为应对这些问题，我们提出了一种新颖的航空实例分割方法，其以端到端方式驱动网络仅利用框标注为航空目标学习一系列水平集函数。与学习成对亲和度不同，所设计的带精心构造能量函数的水平集方法将目标分割视为曲线演化，能够准确恢复目标边界并防止来自难以区分的背景与相似目标的干扰。实验结果表明，所提方法优于最先进的框监督实例分割方法。源代码见 https://github.com/LiWentomng/boxlevelset。
引用
@article{arxiv.2112.03451,
title = {Deep Level Set for Box-supervised Instance Segmentation in Aerial Images},
author = {Wentong Li and Yijie Chen and Wenyu Liu and Jianke Zhu},
journal= {arXiv preprint arXiv:2112.03451},
year = {2021}
}
备注
10 pages, 5 figures