通过渐进宽松监督加速高分辨率遥感影像中建筑物足迹提取
计算机视觉与模式识别
2024-04-11 v2 人工智能
摘要
从遥感影像中进行建筑物足迹分割的效果一直受模型迁移有效性的制约。许多现有的建筑物分割方法基于 U-Net 的编码器-解码器架构开发，其中编码器从在 ImageNet 上预训练的新近骨干网络微调而来。然而，现有解码器设计的沉重计算负担阻碍了这些现代编码器网络向遥感任务的成功迁移。即便是被广泛采用的深度监督策略，也因其在前景与背景像素混合的混合区域中损失失效而无法缓解这些挑战。在本文中，我们对现有的用于建筑物足迹分割的解码器网络设计进行了全面评估，并提出了一种高效框架 BFSeg 以增强学习效率和效果。具体而言，提出了一种稠密连接的由粗到细特征融合解码器网络，以促进跨尺度的轻松快速特征融合。此外，考虑到下采样真值在深度监督过程中混合区域的无效性，我们提出了一种宽松深度监督与蒸馏策略，使网络能从深度监督中学习恰当的知识。基于这些进展，我们开发了一系列新的建筑物分割网络，在广泛的新型编码器网络上以卓越的性能和效率持续超越先前工作。
引用
@article{arxiv.2307.12220,
title = {Expediting Building Footprint Extraction from High-resolution Remote Sensing Images via progressive lenient supervision},
author = {Haonan Guo and Bo Du and Chen Wu and Xin Su and Liangpei Zhang},
journal= {arXiv preprint arXiv:2307.12220},
year = {2024}
}