基于域适应预训练与复合双骨干网络的细粒度建筑屋顶实例分割
计算机视觉与模式识别
2023-08-11 v1
摘要
全球不同地貌城市建筑风格多样、受云影影响的退化光学影像，以及屋顶类型显著的类间不平衡，为设计鲁棒且准确的建筑屋顶实例分割器带来挑战。为解决这些问题，我们提出一个有效框架，利用高分辨率光学卫星影像实现单体建筑的语义解译。具体而言，所采用的域适应预训练策略与复合双骨干网络极大促进了判别性特征学习。此外，新的数据增强流程、随机权重平均（SWA）训练以及基于实例分割的测试阶段模型集成被用于获取额外的性能提升。实验结果表明，我们的方法在2023年IEEE GRSS数据融合大赛（DFC）Track 1测试阶段排名第一（:50.6%）。值得注意的是，我们也探索了光学卫星影像与SAR数据多模态数据融合的潜力。
引用
@article{arxiv.2308.05358,
title = {Fine-grained building roof instance segmentation based on domain adapted pretraining and composite dual-backbone},
author = {Guozhang Liu and Baochai Peng and Ting Liu and Pan Zhang and Mengke Yuan and Chaoran Lu and Ningning Cao and Sen Zhang and Simin Huang and Tao Wang},
journal= {arXiv preprint arXiv:2308.05358},
year = {2023}
}