用于高分辨率遥感图像语义分割的MACU-Net
图像与视频处理
2022-05-06 v3 计算机视觉与模式识别
摘要
遥感图像语义分割在土地资源管理的、产量估算与经济评估中起着重要作用。U-Net作为一种深度编码器-解码器架构,已频繁用于高精度图像分割。在本快报中,我们融合U-Net不同层生成的多尺度特征,设计了基于多尺度跳跃连接与非对称卷积的U-Net(MACU-Net),用于高分辨率遥感图像分割。我们的设计具有以下优势:(1)多尺度跳跃连接组合并重新对齐了低层与高层特征图中包含的语义特征;(2)非对称卷积块增强了标准卷积层的特征表示与特征提取能力。在两个不同卫星传感器获取的遥感数据集上的实验表明,所提MACU-Net超越了U-Net、U-NetPPL、U-Net 3+及其他基准方法。代码见https://github.com/lironui/MACU-Net。
引用
@article{arxiv.2007.13083,
title = {MACU-Net for Semantic Segmentation of Fine-Resolution Remotely Sensed Images},
author = {Rui Li and Chenxi Duan and Shunyi Zheng and Ce Zhang and Peter M. Atkinson},
journal= {arXiv preprint arXiv:2007.13083},
year = {2022}
}