DeepUNet：一种用于像素级海陆分割的深度全卷积网络
计算机视觉与模式识别
2017-09-04 v1
摘要
语义分割是遥感图像处理中的基础研究。由于复杂的海洋环境，海陆分割是一项具有挑战性的任务。尽管神经网络在近年来的语义分割中取得了优异性能，但利用 CNN 进行海陆分割的工作较少，且结果仍有提升空间。本文提出了一种名为 DeepUNet 的新型深度卷积神经网络。与 U-Net 类似，其结构包含收缩路径和扩展路径以获得高分辨率输出。但不同的是，DeepUNet 在收缩路径中使用 DownBlocks 替代卷积层，在扩展路径中使用 UpBlock。这两个新颖的模块带来了两种新的连接方式，即 U 形连接和 Plus 连接。它们有助于获得更精确的分割结果。为验证我们的网络架构，我们构建了一个新的具有挑战性的海陆数据集，并在其上将 DeepUNet 与 SegNet 和 U-Net 进行了比较。实验结果表明，与其他架构相比，DeepUNet 取得了良好性能，尤其是在高分辨率遥感影像中。
引用
@article{arxiv.1709.00201,
title = {DeepUNet: A Deep Fully Convolutional Network for Pixel-level Sea-Land Segmentation},
author = {Ruirui Li and Wenjie Liu and Lei Yang and Shihao Sun and Wei Hu and Fan Zhang and Wei Li},
journal= {arXiv preprint arXiv:1709.00201},
year = {2017}
}