基于新颖 Hough 空间 SR 损失函数增强迁移学习的航迹云分割
计算机视觉与模式识别
2023-09-26 v2 机器学习
图像与视频处理
摘要
航空运输带来显著的环境挑战，尤其是航迹云因其潜在的全球变暖影响在气候变化中的作用。传统计算机视觉技术在不同遥感图像条件下表现不佳，而使用卷积神经网络的常规机器学习方法受限于手工标注航迹云数据集的稀缺。为解决这些问题，我们采用少样本迁移学习，以最少标注数据引入一种精确的航迹云分割创新方法。我们的方法利用在大规模图像数据集上预训练的主干分割模型，并使用增强的航迹云专用数据集进行微调。我们还引入了一种称为 SR Loss 的新损失函数，其通过将图像空间变换到 Hough 空间来增强航迹云线检测。该变换相比通用图像分割损失函数带来了显著的性能提升。我们的方法为有限标注数据带来的挑战提供了鲁棒解决方案，并显著推进了航迹云检测模型的 SOTA。
引用
@article{arxiv.2307.12032,
title = {Flight Contrail Segmentation via Augmented Transfer Learning with Novel SR Loss Function in Hough Space},
author = {Junzi Sun and Esther Roosenbrand},
journal= {arXiv preprint arXiv:2307.12032},
year = {2023}
}
备注
Source code available at: https://github.com/junzis/contrail-net