EarthMapper：一种用于遥感影像语义分割的工具箱
机器学习
2018-04-03 v1 计算机视觉与模式识别
机器学习
摘要
深度学习持续推进彩色（即 RGB）影像语义分割的最先进性能；然而，许多遥感传感器（即高光谱影像（HSI））缺乏标注数据，阻碍了研究者利用这一近期成果。由于生成传感器特定数据集耗时且成本高昂，遥感研究者已采用深度无监督特征提取。尽管这些方法在当前 HSI 基准上推进了最先进性能，但这些工具许多研究者并不易获取。在本文中，我们介绍一个称为 EarthMapper 的软件流水线，用于非 RGB 遥感影像的语义分割。它包括自教空间-光谱特征提取、各种标准与深度学习分类器，以及用于后处理的无向图模型。我们在 Indian Pines 和 Pavia University 数据集上评估了 EarthMapper，并已发布该代码供公众使用。
引用
@article{arxiv.1804.00292,
title = {EarthMapper: A Tool Box for the Semantic Segmentation of Remote Sensing Imagery},
author = {Ronald Kemker and Utsav B. Gewali and Christopher Kanan},
journal= {arXiv preprint arXiv:1804.00292},
year = {2018}
}
备注
5 pages