Hi-ResNet：面向高分辨率遥感分割的边缘细节增强网络
计算机视觉与模式识别
2024-08-16 v3
摘要
高分辨率遥感（HRS）语义分割从高分辨率覆盖区域中提取关键地物。然而，HRS 图像中同类地物在不同地理环境下通常在尺度与形状上呈现显著差异，难以拟合数据分布。此外，复杂背景环境导致不同类别地物外观相似，致使大量地物被误分类为背景。这些问题使现有学习算法次优。本工作中，我们通过提出具有高效网络结构设计的高分辨率遥感网络（Hi-ResNet）来解决上述问题，其依次由漏斗模块、带信息聚合（IA）块堆叠的多分支模块、特征精炼模块以及类无关边缘感知（CEA）损失构成。具体而言，我们提出漏斗模块进行下采样，以降低计算成本并从初始输入图像中提取高分辨率语义信息。其次，我们将处理后的特征图逐步下采样为多分辨率分支以捕获不同尺度图像特征，并应用 IA 块利用注意力机制捕获关键潜在信息以实现有效特征聚合，区分尺度与形状多变的同类图像特征。最后，我们的特征精炼模块集成 CEA 损失函数，以消除形状相似的不同类地物间的歧义并增大数据分布距离以正确预测。借助有效预训练策略，我们在三个 HRS 分割基准上证明了 Hi-ResNet 相对于最先进方法的优越性。
引用
@article{arxiv.2305.12691,
title = {Hi-ResNet: Edge Detail Enhancement for High-Resolution Remote Sensing Segmentation},
author = {Yuxia Chen and Pengcheng Fang and Jianhui Yu and Xiaoling Zhong and Xiaoming Zhang and Tianrui Li},
journal= {arXiv preprint arXiv:2305.12691},
year = {2024}
}