EHSNet：面向大尺寸遥感图像语义分割的端到端整体学习网络
计算机视觉与模式识别
2023-04-12 v2
摘要
本文提出 EHSNet，一种用于大尺寸遥感图像语义分割（LRISS）整体学习的新型端到端分割网络。大尺寸遥感图像（LRIs）因其极大尺寸可能导致 GPU 显存耗尽，先前工作通过全局-局部融合或多阶段细化来处理，二者均难以充分利用 LRIs 中丰富的信息。与之不同，EHSNet 具备三个显存友好模块以利用 LRIs 特性：长程依赖模块以建立长程空间上下文，高效交叉相关模块以构建整体上下文关系，以及边界感知增强模块以保留完整目标边界。此外，EHSNet 借助显存卸载实现整体 LRISS 处理。据我们所知，EHSNet 是首个能够执行整体 LRISS 的方法。更优的是，EHSNet 在 FBP 上以 +5.65 mIoU、在 Inria Aerial 上以 +4.28 mIoU 的显著优势超越先前最优竞争者，证明了其有效性。我们希望 EHSNet 能为 LRISS 提供新视角。代码与模型将公开可用。
引用
@article{arxiv.2211.11316,
title = {EHSNet: End-to-End Holistic Learning Network for Large-Size Remote Sensing Image Semantic Segmentation},
author = {Wei Chen and Yansheng Li and Bo Dang and Yongjun Zhang},
journal= {arXiv preprint arXiv:2211.11316},
year = {2023}
}