用于 InSAR 图像建筑物分割的全复值全卷积多特征融合网络（FC2MFN）
计算机视觉与模式识别
2022-12-15 v1 图像与视频处理
摘要
高分辨率 InSAR 图像中的建筑物分割是一项具有挑战性的任务，可用于大规模监测。尽管复值深度学习网络在处理复值 SAR 数据时优于其实值对应网络，但相位信息未能在整个网络中保留，导致信息损失。本文提出一种全复值、全卷积多特征融合网络（FC2MFN），采用新颖的全复值学习方案，用于 InSAR 图像的建筑物语义分割。该网络学习多尺度特征，执行多特征融合，并具有复值输出。针对复值 InSAR 数据的特殊性，提出了一种新的复值池化层，在比较复数时同时考虑其幅度和相位。这有助于网络即使经过池化层也能保留相位信息。在仿真 InSAR 数据集上的实验结果表明，FC2MFN 在分割性能和模型复杂度方面均优于其他 SOTA 方法。
引用
@article{arxiv.2212.07084,
title = {Fully Complex-valued Fully Convolutional Multi-feature Fusion Network (FC2MFN) for Building Segmentation of InSAR images},
author = {Aniruddh Sikdar and Sumanth Udupa and Suresh Sundaram and Narasimhan Sundararajan},
journal= {arXiv preprint arXiv:2212.07084},
year = {2022}
}
备注
Accepted for publication in IEEE Symposium Series On Computational Intelligence 2022, 8 pages, 6 figures