面向遥感图像语义分割的隐路径选择网络
图像与视频处理
2022-10-05 v1 计算机视觉与模式识别
摘要
针对以像素级语义类别描绘地表覆盖的任务，遥感图像中的语义分割需要刻画广阔地理区域上多样化的分布，这难以通过现有深度模型架构中同质化的像素级前向路径实现。尽管已有若干算法被设计用于为自然图像分析选择像素级自适应前向路径，但在如何获得最优选择方面仍缺乏理论支撑。本文从参数优化的角度给出数学分析，并由此指导我们设计了一种称为隐路径选择网络（HPS-Net）的方法。借助由额外迷你分支导出的隐变量，HPS-Net 能够通过调整现有算法中特征图与像素级路径选择之间的直接关系，解决关于不可达全局最优的固有难题，我们称之为隐路径选择。为更好地训练与评估，我们进一步将 5 类高分图像数据集（GID-5）细化并扩展为具有 15 个地表覆盖类别的新数据集，即 GID-15。在 GID-5 与 GID-15 上的实验结果表明，所提模块能稳定提升不同深度结构的性能，从而验证了所给出的数学分析。
引用
@article{arxiv.2112.05220,
title = {Hidden Path Selection Network for Semantic Segmentation of Remote Sensing Images},
author = {Kunping Yang and Xin-Yi Tong and Gui-Song Xia and Weiming Shen and Liangpei Zhang},
journal= {arXiv preprint arXiv:2112.05220},
year = {2022}
}