IGraSS：通过迭代图约束语义分割学习从卫星图像中识别基础设施网络
计算机视觉与模式识别
2025-06-12 v2 人工智能
摘要
准确的运河网络测绘对于包括灌溉规划和基础设施维护在内的水资源管理至关重要。用于道路等基础设施测绘的最先进语义分割模型依赖于大规模、标注良好的遥感数据集。然而，不完整或不充分的真值可能会阻碍这些学习方法。许多基础设施网络具有图级属性，例如到水源的可达性（如运河）或连通性（道路），可以利用这些属性来改进现有的真值。本文开发了一个新颖的迭代框架 IGraSS，结合了一个语义分割模块（包含 RGB 和附加模态：NDWI、DEM）与一个基于图的真值优化模块。分割模块处理卫星图像块，而优化模块在整个数据上运行，将基础设施网络视为一个图。实验表明，IGraSS 将不可达的运河段从约 18% 降至 3%，并且使用优化后的真值进行训练显著提高了运河识别率。IGraSS 作为一个稳健的框架，既可用于优化含噪真值，也可用于从遥感图像中测绘运河网络。我们还以道路网络为例展示了 IGraSS 的有效性和泛化能力，应用不同的图论约束来补全道路网络。
引用
@article{arxiv.2506.08137,
title = {IGraSS: Learning to Identify Infrastructure Networks from Satellite Imagery by Iterative Graph-constrained Semantic Segmentation},
author = {Oishee Bintey Hoque and Abhijin Adiga and Aniruddha Adiga and Siddharth Chaudhary and Madhav V. Marathe and S. S. Ravi and Kirti Rajagopalan and Amanda Wilson and Samarth Swarup},
journal= {arXiv preprint arXiv:2506.08137},
year = {2025}
}