用于高分辨率航空影像密集语义标注的全卷积网络
计算机视觉与模式识别
2016-06-09 v1
摘要
遥感影像向更高分辨率发展的趋势促进了从土地利用分类到对象级场景理解的转变。不再纯粹依赖光谱内容，基于外观的图像特征开始发挥作用。在本工作中，我们将深度卷积神经网络应用于高分辨率遥感数据的语义标注。将全卷积网络（FCN）的最新进展适配于俯视数据，并表明其与其他领域中的效果同样显著。使用无下采样的深度 FCN 推断全分辨率标注，从而避免了反卷积或插值的需要。为了更好地利用图像特征，在混合网络背景下对预训练的 CNN 在遥感数据上进行微调，与从头训练的网络相比获得了更优的结果。所提出的方法被应用于高分辨率航空影像的标注问题，其中精细的边界细节至关重要。该密集标注在 ISPRS Vaihingen 和 Potsdam 基准数据集上取得了 SOTA 的准确率。
引用
@article{arxiv.1606.02585,
title = {Fully Convolutional Networks for Dense Semantic Labelling of High-Resolution Aerial Imagery},
author = {Jamie Sherrah},
journal= {arXiv preprint arXiv:1606.02585},
year = {2016}
}