基于多任务CNN的特征融合用于大规模遥感图像分割
计算机视觉与模式识别
2018-07-25 v1
摘要
近年来，全卷积网络（FCN）已广泛应用于各种语义分割任务，包括多模态遥感影像。如何融合多模态数据以提升分割性能一直是研究热点。本文提出一种新颖的端到端全卷积神经网络，用于自然彩色、红外影像与数字表面模型（DSM）的语义分割。该方法基于改进的 DeepUNet，并以多任务方式执行分割。通道被聚类为若干组，并在不同的任务流水线中处理。经过一系列分割与融合后，其共享特征与私有特征被成功合并在一起。实验结果表明，该特征融合网络是高效的。并且我们的方法在 ISPRS 语义标注竞赛（2D）中取得了良好性能。
引用
@article{arxiv.1807.09072,
title = {Feature Fusion through Multitask CNN for Large-scale Remote Sensing Image Segmentation},
author = {Shihao Sun and Lei Yang and Wenjie Liu and Ruirui Li},
journal= {arXiv preprint arXiv:1807.09072},
year = {2018}
}